DataBuff 是一款面向云原生与微服务场景的开源 AI Native OpenTelemetry APM，采用 OTLP 标准接入、Apache Doris 统一存储，Web 端提供拓扑 / Trace / 指标与多 Agent 排障。
PPO 最核心思想：不能让策略一次性改动太大！，否则训练极易崩溃、震荡。数值小：新旧策略几乎没变化，更新力度太弱，学习慢 数值大：新策略一次性改动过猛，很危险，容易训崩 网上有很多说法，有说0.
注意：末尾不要加分号 #define MAX 1000; // 不要这样写 加了分号容易出问题，比如： if (x > y) max = MAX; // 展开后 max = 1000;; 两条语句 else max = 0; // else 找不到配对的 if，报错 所以养成习惯，末尾不加分号。
Fable 在终端任务里反而容易螺旋——64 轮、150 万 token，经常超时，成本翻了十倍不止。