本發(fā)明公開一種基于云原生的強(qiáng)化學(xué)習(xí)流水線方法、系統(tǒng)、設(shè)備及存儲介質(zhì)；包括：基于系統(tǒng)框架和數(shù)據(jù)序列化協(xié)議，構(gòu)建云原生存儲系統(tǒng)；對原始數(shù)據(jù)集進(jìn)行預(yù)處理，并將預(yù)處理的數(shù)據(jù)集存儲至云原生存儲系統(tǒng)；啟動強(qiáng)化學(xué)習(xí)智能體和強(qiáng)化學(xué)習(xí)環(huán)境進(jìn)行交互，產(chǎn)生軌跡數(shù)據(jù)，存儲到軌跡緩存池，并構(gòu)建強(qiáng)化學(xué)習(xí)自有數(shù)據(jù)集；調(diào)用軌跡緩存池的軌跡數(shù)據(jù)，更新強(qiáng)化學(xué)習(xí)智能體模型；保存更新完成的強(qiáng)化學(xué)習(xí)智能體模型到云原生存儲系統(tǒng)中，構(gòu)建模型推理服務(wù)；基于訓(xùn)練過程中的訓(xùn)練日志，構(gòu)建日志可視化微服務(wù)，實時反饋智能體訓(xùn)練結(jié)果，并將結(jié)果保存到云原生存儲系統(tǒng)。本發(fā)明能夠提高決策分析場景中分布式訓(xùn)練、循環(huán)運行和云原生部署的可靠性、簡便性和實用性。