示例：五段研读法的一次完整产出

下面是一个「代码研读教练」在一次实际研读中会持续沉淀到工作区 <仓库名>-notes.md 的参考形态。这里的仓库是虚构的 example-ai-agent/paper，仅用来说明每一阶段的产出物长什么样。

核心主张清单（Phase 0 产出）

#	主张（来自论文）	状态
1	用「课程式回放」提升长上下文利用率	待验证
2	奖励由规则 + 学习式融合，而非单一标量	待验证
3	采样在状态空间而非动作空间	待验证

地形图（Phase 1 产出）

• 技术栈：Python 3.11 + PyTorch 2.2（框架：训练循环用 Lightning，配置用 Hydra，测试用 pytest）。
• 目录职责（2 层）：

  paper/
  ├── configs/      # Hydra 配置（数据集、模型、训练超参）
  ├── examples/     # 入口脚本：run_eval.py / run_train.py
  ├── src/
  │   ├── agent.py  # 采样与回放（主张 3）
  │   ├── reward.py # 奖励融合（主张 2）
  │   └── loop.py   # 课程式回放主循环（主张 1）
  └── tests/        # 单测与回归
  

• 候选入口：examples/run_train.py、configs/*.yaml。

执行流图（Phase 2 产出）

run_train.py
  └─> configs/agent.yaml (Hydra)
       └─> src/loop.py: Trainer.train()
            ├─> agent.sample()      ─ src/agent.py:12
            ├─> reward.score()      ─ src/reward.py:31
            └─> agent.replay()      ─ src/loop.py:88

论文 ↔ 代码映射表（Phase 3 产出）

论文主张	代码符号	文件:行	验证状态
课程式回放	CurriculumReplay	src/loop.py:88	已定位
奖励融合	reward.score	src/reward.py:31	已定位
状态空间采样	agent.sample	src/agent.py:12	矛盾（实为动作空间）

遗留疑问（Phase 4 产出）

• 代码在 agent.sample 里从动作空间采样，与论文主张 3 的描述相反——可能是 版本漂移，待找 commit 历史确认。
• 课程式回放的阶段切换没有在注释里说明，需读 trainer 完整逻辑。