ALFWorld 纯文本接入

注册名 alfworld，领域为 Interactive Planning。提供原生文本环境接口；不含 视觉 THOR、混合环境或 BUTLER 训练。上游为 ALFWorld， 固定运行依赖 alfworld==0.4.2、textworld[pddl]==1.7.0。

数据与环境

• Linux/WSL/macOS、Python 3.11 或 3.12；Windows 原生启动明确报错。
• 使用原生 Python 文本环境，无需 Docker、Harbor、GPU 或独立 Judge。 TextWorld 编译依赖按官方说明准备。
• 原生默认来源下 benchmark.data_path 必填，指向原始 json_2.1.1 或其父目录。 YAML 路径相对配置文件，CLI 路径相对当前目录。不自动下载任何任务或视觉模型。
• 数据来自官方 release 的 JSON 和 TW-PDDL 游戏包（官方下载脚本中的 json_2.1.1_json.zip 与 json_2.1.3_tw-pddl.zip），按其原始路径合并。 每道任务目录包含 traj_data.json 和自包含的 game.tw-pddl。 本适配直接加载现有游戏，不调用生成脚本，不要求视觉检测权重。 官方 alfworld-download 默认还下载 MaskRCNN；本接口不自动调用它。

也可选择 HF prepared 数据源：不设置 data_path，由框架下载约 8 MB 的精选原生任务包并保留 200/140/134 的发布划分。示例见 hf_prepared_alfworld.yaml。上面的手动数据准备适用于原生默认来源；系统和运行依赖对两种来源都适用。

默认采用框架角色映射：原生 train → train、valid_seen → dev、 valid_unseen → test。后两者仍是官方的 seen/unseen 验证集，并非声称拥有官方隐藏测试集。 limit 在保持来源归属的前提下确定性取样；显式 split_counts / split 会重新划分， 应作为自定义实验协议报告。允许只提供部分原生划分，缺失角色保持为空。

按 AlfredTWEnv 的规则排除 movable/Sliced、缺失游戏和未标记可解的游戏。 默认支持全部六类；task_types 可指定以下名称的非空子集：

task_types:
  - pick_and_place_simple
  - look_at_obj_in_light
  - pick_clean_then_place_in_recep
  - pick_heat_then_place_in_recep
  - pick_cool_then_place_in_recep
  - pick_two_obj_and_place

执行与评分

每次 rollout 创建独立子进程，通过原生 textworld.gym.register_game 与 AlfredDemangler(shuffle=False) 加载指定游戏；沿用上游的观察、命令解释及状态转移。 Agent 在自己的工作目录中通过 shell 客户端提交动作。支持 MiniAgent 与启用 Bash 的 Claude Code；不改动两者的原生 system prompt。该本机会话桥接沿用 WorkBench 的受信任本机执行模型，不提供容器级隔离。

• max_steps 默认 50，是本适配的可配置预算，不宣称复现特定论文设置。 环境动作预算与 agent.max_turns、agent.timeout 分别生效。
• seed 固定环境随机源与取样；关闭 domain randomization。
• admissible_commands: false 默认只给观察；设为 true 时额外返回原生合法动作列表。 此选项改变可见信息，记录在 metadata 与评分事件中，比较成绩时需保持一致。
• 不启用 expert wrapper；不暴露专家计划、完整 facts、轨迹注释或私有评分接口。
• 主指标 success 由宿主侧 infos["won"] 映射为 0/1，再由框架求均值。 done、累计奖励或模型文字声明均不能替代成功判定。达到步数上限后停止执行动作。
• 原生执行异常记录为 error，不能伪装成正常的任务失败；Agent 执行错误按框架惯例计零。 游戏内容校验和写入任务，执行前核验并复制固定内容，结束后释放进程及临时目录。

使用与验证范围

示例：alfworld_opro.yaml。先填模型与本地数据路径：

python scripts/run_experiment.py --config examples/alfworld_opro.yaml --plan
python scripts/run_experiment.py --config examples/alfworld_opro.yaml --check-only
python scripts/run_experiment.py --config examples/alfworld_opro.yaml

--plan 只输出依赖计划。--check-only 安装选定依赖并检查本地任务与配置，不调用模型， 也不能替代真实环境 rollout。缺少数据时明确报错。

当前验证覆盖合成游戏记录和模拟环境下的加载、划分、交互协议、失败传播、成功判定、 HTTP 客户端与进程清理。官方任务、原生 ALFWorld 模拟器及真实模型的端到端运行尚未验证。