unilab.rl 与 uni_rl 重复实现（dp_launcher / rsl_rl 助手）的漂移风险：需明确属主并加契约测试

[TATP-233]

背景

#1621（分支 feat/issue-1621-ppo-direct-rsl-rl）把 PPO 改为直驱上游 rsl-rl、unilab-rl 降级为可选 extra。为了让单进程 PPO 不依赖 uni_rl，src/unilab/rl/distributed.py 与 src/unilab/rl/vec_env.py 复制/封装了 uni_rl 的若干实现，两侧可独立漂移：

与 uni_rl/ipc/dp_launcher.py 重复或强耦合：

• resolve_dp_topology、validate_dp_launchable、current_torch_distributed_rank/local_rank/world_size 为逐行副本；
• UNILAB_DP_LOG_DIR 常量两侧各定义一次——该字符串是跨进程契约（uni_rl launcher 设置，UniLab worker 读取），任何一侧改名即静默断链；
• resolve_collector_cpu_ids / launch_torchrun_workers 为懒加载委托，签名与 uni_rl 侧强耦合但无编译期/CI 检查。

与 uni_rl/algos/rsl_rl.py 重复：

• apply_rsl_rl_rank_seed、resolve_rsl_rl_device、ppo_samples_per_iteration、finish_rsl_rl_distributed、rsl_rl_single_process_topology（uni_rl 侧已随 PPO 封装层一并删除，见 unilab_rl 仓库 chore/remove-rsl-rl-ppo-layer 分支）；
• RslRlVecEnvAdapter / get_policy_obs_dims 与 uni_rl 保留的 RslRlVecEnvWrapper（APPO 链路仍在消费）语义近似，观测拼接与 done/timeout 语义可独立漂移。

unilab-rl==1.3.0 为精确 pin，当前无实际漂移；风险在于未来 bump pin 后两侧静默不一致——多卡 PPO 与 APPO 回放只在使用时才触发，单进程 CI 覆盖不到。

建议

1. 在 UniLab 为 uni_rl.ipc.dp_launcher 的消费面（launch_torchrun_workers、resolve_collector_cpu_ids、UNILAB_DP_LOG_DIR）加契约测试（inspect.signature 比对 + 常量比对），仅在 uni_rl 安装时运行（dev 组/CI 已装）。
2. 明确每个重复符号的唯一属主并在两侧 AGENTS.md 记录；与 跨边界重复工具模块需明确唯一属主（nan_guard/tensor/seed/device） #1586 的属主决策一并处理。
3. 在 bump unilab-rl pin 的 PR 检查单中加入「核对 dp_launcher 消费面」一项。

证据

• UniLab 侧副本：src/unilab/rl/distributed.py、src/unilab/rl/vec_env.py（分支 feat/issue-1621-ppo-direct-rsl-rl）。
• uni_rl 侧原件（1.3.0）：src/uni_rl/ipc/dp_launcher.py（resolve_dp_topology L35、resolve_collector_cpu_ids L106、validate_dp_launchable L223、launch_torchrun_workers L264、UNILAB_DP_LOG_DIR L24）、src/uni_rl/algos/rsl_rl.py。
• uni_rl 侧 PPO 封装层删除：unilab_rl 仓库分支 chore/remove-rsl-rl-ppo-layer。