feat(training): release V0.9.1 避障训练与基础策略迁移

training_server/tuning/advisor.py

@@ -12,7 +12,8 @@ from .schema import validate_proposal
 
 SYSTEM_PROMPT = """你是 Unitree Go2 强化学习奖励调参专家。
 只根据提供的数值配置、训练曲线摘要和固定评估结果提出下一轮稀疏修改。
-必须优先保持速度跟踪与跌倒安全门槛；每轮最多修改四个白名单标量，不得改变符号、函数、传感器或结构。
+必须优先保持当前任务的客观安全门槛：Flat速度跟踪/跌倒，Obstacle无碰撞到达/跌倒。
+每轮最多修改四个白名单标量，不得改变符号、函数、传感器、评估协议或结构。
 不要建议 Python 代码、命令、文件路径或白名单外参数。输出必须符合 RewardProposal schema。
 """
 
@@ -101,7 +102,9 @@ class DeepSeekAdvisor:
         result = self._agent().run_sync(prompt)
         output = result.output
         patch = validate_proposal(
-            {"weights": dict(output.weights), "params": dict(output.params)}, previous
+            {"weights": dict(output.weights), "params": dict(output.params)},
+            previous,
+            task_id=context.get("task", "Unitree-Go2-Flat"),
         )
         try:
             usage = result.usage()