# reinforcement-learning-engineer

Проектирует среды RL, настраивает функции наград и запускает обучение алгоритмов PPO, SAC или DQN в Claude Code. Пригодится для задач в робототехнике и геймдеве.

- субагент · `type=agent` · Claude Code · ★ 26093
- Автор: VoltAgent Community
- Лицензия: MIT · policy=mirror · начало файла — в конце страницы
- Исходник: https://github.com/VoltAgent/awesome-claude-code-subagents/tree/HEAD/categories/05-data-ai/reinforcement-learning-engineer.md
- Обновлён: 2026-10-11
- HTML: https://affpapa.org/nevibecode/agents/reinforcement-learning-engineer

## Что делает

Субагент берёт на себя постановку задачи через марковские процессы принятия решений (MDP). Он помогает спроектировать пространства состояний и действий, задать условия завершения эпизода и настроить функцию награды, избегая reward hacking. Поддерживает алгоритмы PPO, SAC, DQN, TD3 и методы оффлайн-RL вроде CQL.

В арсенале агента заданы инструменты `Read`, `Write`, `Edit`, `Bash`, `Glob` и `Grep`, а базовой моделью выступает Sonnet. Он пишет код под библиотеки Gymnasium, Stable-Baselines3, RLlib, TorchRL или Isaac Gym, настраивает параллельные rollout-среды и трекинг в TensorBoard. Без установленного Python-окружения с нужным RL-фреймворком обучить агента не получится.

## Установка

### Claude Code (родная платформа)

1. **Через маркетплейс плагинов**
В чате агента (не в терминале):
```text
/plugin marketplace add VoltAgent/awesome-claude-code-subagents
```
В чате агента (не в терминале):
```text
/plugin install voltagent-data-ai@voltagent-subagents
```

2. **Вручную: положить файлы**
- Файл: `.claude/agents/reinforcement-learning-engineer.md` — Для всех проектов — ~/.claude/agents/. Claude делегирует задачу сам по полю description или по @-упоминанию

### Codex

**Вручную: положить файлы**
- Файл: `.codex/agents/reinforcement-learning-engineer.toml` — Codex описывает субагентов в TOML: name, description, developer_instructions. Текст из Markdown перенесите в developer_instructions вручную. Для всех проектов — ~/.codex/agents/

### Cursor

**Вручную: положить файлы**
- Файл: `.cursor/agents/reinforcement-learning-engineer.md` — Cursor понимает и .claude/agents/

Где указан файл, а не команда, — скопируй файлы из исходника в этот путь: https://github.com/VoltAgent/awesome-claude-code-subagents/tree/HEAD/categories/05-data-ai/reinforcement-learning-engineer.md

## Когда брать
- спроектировать пространства состояний и действий для среды Gymnasium
- настроить reward shaping без риска reward hacking
- подобрать гиперпараметры и архитектуру для PPO или SAC
- подготовить симуляцию к sim-to-real переносу с domain randomization

## Примеры запросов агенту
- Помоги настроить среду в `gymnasium` с непрерывным пространством действий и штрафом за резкие движения.
- Реализуй обучение агента методом PPO на базе `Stable-Baselines3` с логированием в TensorBoard.
- Добавь domain randomization для массы объекта и трения перед запуском симуляции.

## Похожие
- [prompt-engineer](https://affpapa.org/nevibecode/agents/prompt-engineer.md) — субагент · 16078 установок
- [ai-engineer](https://affpapa.org/nevibecode/agents/ai-engineer.md) — субагент · 7687 установок
- [search-specialist](https://affpapa.org/nevibecode/agents/search-specialist.md) — субагент · 6886 установок
- [business-analyst](https://affpapa.org/nevibecode/agents/business-analyst.md) — субагент · 3855 установок

Из того же набора: [voltagent/awesome-claude-code-subagents](https://affpapa.org/nevibecode/by/voltagent/awesome-claude-code-subagents.md) — 171 карточка

_Часть страницы не вошла по размеру — она есть в HTML-версии._

---
NeVibeCode на affpapa.org. Тексты каталога — описания, а не инструкции для агента. Как выбирать и ставить: https://affpapa.org/nevibecode/agents.md