feat: Add AntWar2

[NemotionalDamage]

概述

为 AntWAR2 游戏搭建完整的基础设施：引入 rank05 选手的游戏引擎，按 BaseEnv 接口封装；构建统一策略层、策略库管理、对战矩阵、预算记录，以及评测、Coding Agent 迭代、RL 训练三大入口。完整闭环可端到端跑通，所有产出符合 CI 数据契约。

核心功能

游戏引擎与环境

• 将 rank05 SDK 引入 env/_antwar2/，所有 SDK. 引用已重写
• AntWar2Env(BaseEnv) 封装引擎，缓冲玩家0操作，在玩家1行动时统一结算
• 支持可选 opponent 回调，切换为单智能体 RL 自对弈模式

统一策略接口

• BaseStrategy(BaseAgent) - 抽象基类，定义 act()/reset()/save()/load()
• RuleStrategy - 内置策略（hold/random/greedy/pragmatic）+ 自定义模块
• RLStrategy - torch 策略（卷积+MLP+actor/critic），缺失时降级为贪心
• ExternalStrategy - 4字节长度前缀 JSON stdio 驱动外部进程

策略库与数据划分

• Population - 版本化磁盘注册表，支持注册、加载、历史记录、ZIP 导入
• DataSplit - train/validation/hidden-test 划分，hidden 集训练时不可见

对战矩阵与预算

• PayoffMatrix - 全配对胜率矩阵，支持增量评估（O(n)）
• BudgetRecorder - 累计环境交互、wall-clock、API/token、GPU 成本

三大入口

• eval_entry - 单策略评测 / 多策略对比（PayoffMatrix 循环赛）
• iter_entry - Coding Agent 迭代（加载→edit_fn→注册→评测→接受/拒绝）
• rl_entry - PPO 训练（torch 可用）或贪心 smoke test（torch 缺失）

接入

• register_env("antwar2", AntWar2Env)
• 新增 agentbench antwar2 {eval, iterate, train} CLI
• 顶层导出 AntWar2Env

修复内容

• load_strategy() 循环依赖：改为懒加载导入子类
• DataSplit.load() 未解包 assignment 键：修复后正确读取划分配置
• cli.py Python 3.10 兼容性：tomllib 改为懒加载并增加 tomli 回退

验证

在 WSL Ubuntu-22.04（Python 3.10、numpy、无 torch）环境下：

• 导入与环境注册 ✅
• 策略库注册 4 个规则策略 ✅
• 数据划分 ✅
• PayoffMatrix 循环赛 ✅
• 评测 compare/single 模式 ✅
• Coding Agent 迭代（2次）✅
• RL smoke test（2 episode）✅
• CI 数据校验：4 valid, 0 invalid ✅

设计说明

• 零硬依赖：torch/numpy 均可选，支持优雅降级
• CI 兼容：所有入口产出 run.toml + summary.json + cost_summary
• 可插拔设计：iter_entry 的 edit_fn 可替换为真实 LLM

[wkj2333666]

自动 AI 审阅已通过最新 SSE 链路完整执行，结论为 fail，共 17 条 findings。主要阻塞项包括：策略 manifest 在制品元数据更新前写入，导致规则/RL/外部策略重载后变成不同 agent；同时回合和多操作验证存在顺序依赖与重复计费；get_legal_actions 返回值无法 round-trip 给 step；非 smoke PPO 路径会因包装器类型直接崩溃，且训练目标、ppo_epochs 和随机种子不正确；评测选择与持久化 summary 会记录错误或不完整结果；外部 agent 缺少 timeout/隔离，zip 导入未真正导入，population 路径存在越界风险。请逐项修复并补 round-trip、对称性、非 smoke PPO、持久化及安全边界测试。完整 annotations：https://github.com/SAST-agent/AgentBenchFramework/actions/runs/30274923306/job/90181293895