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.
重构命令等待运行时，以 WaitPlan / WaitCoordinator / WaitHandle 取代旧 WaitStrategy 体系，完善 sent、processed、snapshot、projected、event 与 saga 等等待阶段，并修复并发、提前信号和取消清理问题。
它在你手机上装一个 Portal App，通过无障碍服务来控制。这意味着什么？手机不需要插线，不需要在你手边——只要 Portal 在跑，就能远程控制。
总结 类与关键字：public、class、static、this、super 等关键字的作用与用法。