Insight 框架概览

1. 框架概览

图中绿色为数据侧模块，蓝色为功能侧模块；上述部分规划在 RL-Insight 内落地。红色模块 CollectController / Collector 已由 verl.DistProfiler 提供，短期内本仓库不会关注。

• InputData / OutputData：描述流水线两端的数据形态与约束。输入侧不限定单一 RL 框架，也可来自其它框架或离线整理产物；输出侧为各分析能力的结构化结果，供后续 Visualizer 等步骤消费。在实现上与 DataRule 对齐：DataEnum、ValidationRule（rules.py）、DataChecker，以及 Parser / Visualizer 的 input_type。

• Offline/Online Parser：负责将特定数据进行进一步加工解析的过程。

• Plugin：在线监控场景下，便于在第三方监控栈上做二次开发（接入、展示、导出等）。

• Metric：提供各种指标计算等进阶分析能力，这些指标通常是在 RL 精度与性能调试过程中非常有用的关键特征。

• Collector：跨平台 / 跨工具的数据采集、上报能力。

• CollectController：决定 Collector 采集时机与采集内容，通常会和特定的强化学习流程高度耦合。

---

2. 模块简介

Concept	Location	Role
Entry	rl_insight/main.py, rl_insight/pipeline/	main 对接 CLI（key=value 格式）；pipeline 定义业务流程并选择 Parser / Visualizer。
Config	rl_insight/config/config.py, rl_insight/config/config_loader.py	基于 OmegaConf 的结构化配置，dataclass 定义 schema 与默认值，支持YAML preset场景化覆盖。
DataRule	rl_insight/data/data_checker.py, rl_insight/data/rules.py	DataEnum 区分数据阶段；DataChecker 按类型执行对应的 ValidationRule。
Parser	rl_insight/parser/parser.py, rl_insight/parser/*_parser.py	基于约定的 input_type 做解析；字段约定见 rl_insight/utils/schema.py（DataMap、EventRow、Constant 等）。
Visualizer	rl_insight/visualizer/visualizer.py, rl_insight/visualizer/timeline_visualizer.py, …	消费 Parser 输出，基于约定的 input_type 做可视化。

---