建立分层 benchmark、契约测试和真实场景测试体系，并优化命令函数解析、事件流重建、本地通知和 send-and-wait 快速路径。
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.
starter 增加了 sundablog.contracts： sundablog.
split(','); } // 根据返回的 menuIds 处理树数据，标记每个节点的选中状态（用于界面展示） this.