作者认为数据库比RL更复杂，因为数据库需维护跨事务、会话、崩溃的状态正确性，而RL链路虽长但近乎无状态。他通过绘制数据流图掌控系统，并详细描述了RL训练环：派发、rollout、凑batch、reward、advantage、训练、权重同步。他强调骨架简单但每跳细节复杂，如轨迹树、版本差、切分等，需先理解整体再深入。