Trinity-RFT项目开发指南：工作流创建与配置管理

项目概述

Trinity-RFT是一个面向大语言模型(LLM)训练与优化的框架，其核心设计理念是通过工作流(Workflow)机制实现多样化的训练场景支持。本文将深入解析如何在Trinity-RFT中开发新的工作流，并扩展配置生成器的功能。

核心概念解析

在开始开发前，我们需要理解三个关键概念：

1. 任务(Task)：代表可转换为工作流的数据结构，包含任务描述、标准答案等信息
2. 工作流(Workflow)：定义Agent与环境交互流程的执行单元，负责生成训练所需的经验数据
3. 经验(Experience)：工作流执行的输出结果，包含token序列、奖励值等训练所需信息

创建工作流全流程

第一步：准备任务数据集

任务数据集通过YAML配置文件加载，典型配置如下：

buffer:
  explorer_input:
    taskset:
      default_workflow: "math_workflow"
      path: "/data/math_problems.jsonl"
      format:
        prompt_key: "question"
        response_key: "answer"
      rollout_args:
        temperature: 1.0

数据集文件示例(math_problems.jsonl)：

{"question": "1+1=", "answer": "2"}
{"question": "2+2=", "answer": "4"}

第二步：实现工作流类

工作流基类定义如下核心接口：

class Workflow(ABC):
    def __init__(self, model, task, auxiliary_models):
        self.model = model  # 训练模型
        self.task = task    # 任务数据
        self.auxiliary_models = auxiliary_models  # 辅助模型

    @abstractmethod
    def run(self) -> List[Experience]:
        """核心执行方法"""

完整实现示例

from trinity.common.workflows.workflow import WORKFLOWS

@WORKFLOWS.register_module("math_workflow")
class MathWorkflow(Workflow):
    def __init__(self, model, task, auxiliary_models):
        super().__init__(model, task, auxiliary_models)
        self.question = task.raw_task["question"]
        self.answer = task.raw_task["answer"]
        self.rollout_args = task.rollout_args

    def calculate_reward(self, response):
        return 1.0 if response == self.answer else 0.0

    def run(self):
        responses = self.model.chat(
            [{"role": "user", "content": self.question}],
            n=self.rollout_args.n,
            temperature=self.rollout_args.temperature
        )
        return [Experience(
            tokens=resp.tokens,
            prompt_length=resp.prompt_length,
            reward=self.calculate_reward(resp.response_text),
            logprobs=resp.logprobs
        ) for resp in responses]

性能优化技巧

对于资源密集型工作流，可实现resettable和reset方法避免重复初始化：

def resettable(self):
    return True

def reset(self, task):
    self.question = task.raw_task["question"]
    self.answer = task.raw_task["answer"]

第三步：使用工作流

更新配置文件指定工作流类型：

buffer:
  explorer_input:
    taskset:
      default_workflow_type: "math_workflow"

高级配置：扩展Config Generator

配置参数开发规范

1. 参数分类：根据功能将参数放入对应管理文件

   • buffer_config_manager.py
   • explorer_config_manager.py
   • model_config_manager.py
   • trainer_config_manager.py

2. 开发模板：

@CONFIG_GENERATORS.register_config(
    default_value=96,
    visible=lambda: st.session_state["trainer_gpu_num"] > 0,
    other_configs={"_per_gpu_batch": 16}
)
def set_train_batch_size(**kwargs):
    key = kwargs["key"]
    gpu_num = st.session_state["trainer_gpu_num"]
    st.session_state[key] = st.session_state["_per_gpu_batch"] * gpu_num
    
    def update_per_gpu():
        st.session_state["_per_gpu_batch"] = max(
            st.session_state[key] // gpu_num, 1)
    
    st.number_input(
        "Batch Size",
        min_value=gpu_num,
        step=gpu_num,
        on_change=update_per_gpu,
        **kwargs
    )

3. 参数验证：

@CONFIG_GENERATORS.register_check()
def check_batch_size(unfinished_fields, key):
    if st.session_state[key] % st.session_state["trainer_gpu_num"] != 0:
        unfinished_fields.add(key)
        st.warning("Batch size必须能被GPU数量整除")

配置集成流程

1. 在ConfigManager中添加参数引用
2. 在YAML生成函数中设置参数映射
3. 确保参数可见性逻辑正确

开发最佳实践

1. 代码风格检查：

pip install -e .[dev]
pre-commit run --all-files

2. 设计建议：

• 保持工作流单一职责原则
• 复杂任务可拆分为多个子工作流
• 充分利用现有基类功能

3. 调试技巧：

• 使用小规模数据集验证工作流
• 逐步增加rollout复杂度
• 监控经验数据的完整性

总结

Trinity-RFT通过灵活的工作流机制支持多样化的LLM训练场景。开发者可以通过实现特定工作流来支持新的任务类型，同时通过配置生成器扩展使系统更易用。本文详细介绍了从基础工作流开发到高级配置管理的完整流程，为框架扩展提供了系统性的指导方案。