arXiv 2606.29126v2 · 发布 2026-06-28

HiComm:面向多智能体强化学习的分层通信

HiComm: Hierarchical Communication for Multi-agent Reinforcement Learning

AUTHORS Runze Zhao, Dongruo Zhou, Sumit Kumar Jha, Nathaniel D. Bastian, Ankit Shah

EVIDENCE 多智能体强化学习通信协议

SCORE 0.8

CATEGORIES TASK mas

PDF ↗ 2606.29126v2.pdf

GENERATED 2026-07-04 02:25:24 UTC

📝 TLDR

合作型多智能体强化学习依赖通信缓解部分可观测性，但现有协议多以扁平稠密向量传递消息，忽略了观测中天然存在的群体与实体层次结构。本文提出 HiComm，一种接收方驱动的即插即用通信模块，将通信建模为针对发送方分层观测的结构化信息检索。接收方发出查询后通过三阶段解码依次选择群体、发送方与实体，并以 Straight-Through Gumbel-Softmax 实现可微离散选择。实验表明该方法在多个协作任务上匹配或超越主流学习通信基线，并能将每接收方每回合通信量压缩最高达 23 倍。

🧭 速览

动机

合作 MARL 现有通信多为扁平稠密向量，忽略观测中群体与实体的层次结构，未能有效利用环境归纳偏置。

方法

接收方发出查询后三阶段解码：选群体→选发送方→选实体；用 Straight-Through Gumbel-Softmax 实现可微离散选择，作为轻量即插即用模块接入标准 MARL 流水线。

结果

在多种协作 MARL 任务上匹配或超越代表性学习通信基线，每接收方每回合通信量减少最高达 23 倍。

结论

将多智能体通信由非结构化向量传输转化为基于层次化观测的结构化信息检索，在性能与带宽效率间取得更好平衡。

📊 论文图表(共 6 张)

展开查看 6 张图

TL;DR

多智能体强化学习中的通信协议长期依赖扁平向量传递消息，忽视了环境观测天然具有的层次结构。HiComm 提出一种接收方驱动的即插即用通信模块，将通信重新建模为对发送方分层观测的结构化信息检索——接收方通过三阶段解码（选群组→选发送方→选实体）主动“查表”，直接取回原始观测特征而非编码向量。该方法在网络防御、星际微操、足球控制等协作任务上达到或超越主流基线，同时将通信量压缩最高 23 倍。

研究背景与动机

合作型多智能体强化学习（MARL）中的一个核心难题是部分可观测性：每个智能体只能看到自己视野范围内的信息，却需要与队友协同完成复杂任务。为缓解这一信息瓶颈，学习通信协议成为研究热点——智能体通过训练学会何时、向谁、传递什么信息。

然而，现有方法存在一个被忽视的设计盲点：它们几乎无一例外地将消息建模为扁平稠密向量。以经典的 TarMAC、Who2com、When2com 等工作为例，无论采用注意力机制还是路由策略，消息最终都被编码成固定维度的向量。这些向量与它们所概括的原始观测结构完全脱节——观测中明明存在「群组→实体」这样的层次关系，却在编码过程中被压缩成一维。

这种忽视是有代价的。在许多协作场景中，观测天然遵循着层次结构：网络防御任务中，智能体需要关注不同子网下的主机状态；星际微操中，需要区分不同单元类型；足球控制中，需要理解场上不同位置角色的行为。群组和实体构成了一个有意义的语义空间，而扁平编码粗暴地丢弃了这一结构。

更重要的是，扁平向量传递隐含着一个假设：发送方决定传递什么，接收方被动接受。但从信息检索的角度看，真正高效的协作应该是接收方主导的——知道自己在某个任务阶段需要什么信息，然后主动去向合适的队友查询。换言之，通信应该从「广播编码向量」转变为「按地址检索信息」。

这就是 HiComm 的核心动机：把发送方观测中的层次结构直接作为消息的寻址空间，让通信变成结构化检索。

方法

HiComm 的设计可以概括为一个简洁却深刻的转变：消息不再是被编码的向量，而是一个指向原始观测地址的指针。具体来说，每条消息都是形如 $m = ((g, ℓ), F)$ 的地址-值对，其中 $g$ 是群组索引， $ℓ$ 是实体索引， $F$ 则是发送方在该地址处的原始特征向量。

这一设计的实现依赖于接收方驱动的三阶段解码过程。当接收方 $i$ 需要信息时，它首先生成一个查询向量 $q_{i}$ ，这个查询整合了自身的观测和当前的消息历史。然后，三阶段解码器依次做出离散选择：

第一阶段：选择群组。接收方在所有群组中选出一个它认为最相关的。群组通过可学习的键向量 $κ_{g}$ 表示，选择依据是查询向量与群组键的点积相似度。这里的关键是使用 Straight-Through Gumbel-Softmax（ST-GS）实现离散选择——这使得梯度能够反向传播穿过离散的 argmax 操作，让整个选择过程端到端可微。

第二阶段：选择发送方。在选定群组的条件下，接收方选择具体的发送方智能体。此时，候选发送方不再是简单的点积打分，而是通过上下文条件化的亲和度函数 $Φ (j, g^{*}; h_{i})$ 计算，其中 $h_{i}$ 是接收方的编码状态。这确保了发送方选择不仅依赖于群组，还结合了当前情境。

第三阶段：选择实体。最后，在选定的群组和发送方内部，选择具体的实体索引。这一阶段额外考虑了可观测性掩码——如果某实体不可见，则其选择概率被置零。

三阶段的选择空间分解是设计的关键洞察。如果用平坦的方式从 $∣ G ∣ \times ∣ E ∣ \times (N - 1)$ 的联合空间中选，决策空间会指数级膨胀。而分解为 $∣ G ∣ + (N - 1) + ∣ E ∣$ 三个独立阶段，统计量从联合分类简化为条件分类，既降低了学习难度，又让每阶段的梯度信号更加聚焦。

消息载荷的选择同样体现着设计理念：不是发送方编码后的特征向量，而是原始观测条目。这避免了传统编解码器架构中不可避免的信息损失，同时也消除了「编码器-奖励目标不匹配」这一常见问题——发送方不再需要猜测接收方需要什么，而是直接返回被查询地址的原始内容。

在训练上，HiComm 的通信模块与策略网络完全解耦，可以附加到 IPPO、MAPPO 等标准算法上。训练损失除了策略的 PPO 项，还包含一个信息增益（IG）辅助损失，引导三阶段解码学习有意义的层次选择。随着训练收敛，信源覆盖趋于稳定，信息增益损失自然衰减为零。

实验与结果

论文在三个不同类型的协作任务上验证了 HiComm 的效果：网络防御（CAGE Challenge 4）、星际微操（SMACv2）、足球控制（Google Research Football），这些任务覆盖了原生层级结构、语义层级结构和角色层级结构。

在任务性能上，HiComm 展现了稳健的竞争力。在 10 个算法-场景单元中，HiComm 在 9 个上取得了最高或并列最高的奖励。特别值得注意的是与 CACOM、T2MAC 等主流学习通信基线的对比：在 CC4 网络防御任务上，MAPPO 后端的 HiComm 达到奖励 1,941，相比 CACOM 的 1,692 提升了 249 点，恢复约 85% 的「部分观测到完全观测」性能差距。在 SMACv2 星际微操的 5v5 场景中，HiComm 恢复了 69-72% 的差距，而对照基线仅能恢复 15-46%。

更引人注目的是带宽效率的提升。HiComm 在所有 10 个单元中均实现了最低的通信量。在 CC4 上，相比 CACOM 和 T2MAC 节省 5-17 倍，相比完全信息共享（FULL OBS）节省超过 1000 倍。在 SMACv2 的 QMIX 设置下，HiComm 相对 CACOM 节省 4 倍，相对 T2MAC 节省 18 倍，最高达到 23 倍的压缩率。

消融实验进一步揭示了各设计组件的贡献。原始观测条目作为载荷的必要性通过 NAIVE COM 对照得到验证——当发送方自主决定传递什么时，虽然总影响数虚高，但成功影响数反而下降，说明无结构约束的通信导致了信息错配。平坦检索与分层检索的对比表明，三阶段分解不仅降低了解析空间维度，还提升了检索质量。梯度通路的消融则验证了查询生成、层级解码等每个组件的必要性。

讨论与可借鉴点

HiComm 最具启发性的贡献或许不在于具体的算法设计，而在于重新定义了通信协议的构建思路：结构不应该被当作需要学习压缩的冗余，而应该直接作为通信协议的寻址空间。这种「结构即协议」的思路，对于多智能体系统中的信息传递具有更广泛的借鉴意义。

然而，论文也坦诚地指出了当前工作的局限。首先，方法的有效性依赖于环境观测具备可识别的层次结构——对于无显式层级的纯像素观测或扁平特征向量，如何注入或发现层次仍有待探索。其次，带宽优势目前仅通过实证对比验证，缺乏信息论层面的形式化分析。论文没有证明层次寻址在何种条件下严格优于平坦编码，也没有给出通信复杂度的理论下界。

从工程角度看，HiComm 的即插即用设计值得学习。将通信模块与策略网络解耦、仅在 actor loss 上附加标量损失的做法，大大降低了方法被采用的门槛。这种设计哲学——用小的模块解决特定问题，而不是重新设计整个算法框架——对于推动研究工作的实际落地具有重要价值。

展望未来，将层次结构发现纳入框架是一个自然的方向。如何从无结构的观测中自动学习有意义的群组划分，如何处理动态变化或嵌套的层次关系，以及如何在大规模智能体系统中扩展三阶段解码的效率，都是值得探索的问题。

摘要

协作型多智能体强化学习（MARL）通常依赖通信来缓解部分可观测性问题，然而现有的大多数通信协议都将消息视为扁平的密集向量，与其所概括的观测结构相分离。这种设计忽视了协作环境中一个重要的归纳偏置来源，即观测自然地遵循着层次结构，例如群组与实体。我们提出了 \textsc{HiComm}，一个将消息锚定于发送方层次化观测的即插即用通信模块。\textsc{HiComm} 采用接收方驱动的方式：接收方发出查询，并通过一个三阶段解码过程来解析层次结构，该过程依次选择群组、选择发送方、再选择该群组内的实体，并将相应的特征切片作为消息返回。这将通信从非结构化的向量传输转变为针对发送方观测层次的结构化信息检索。我们使用直通（Straight-Through）Gumbel-Softmax 实现可微的离散选择，并采用一种轻量级的共享投影设计，使其能够附加到标准的 MARL 流程中。在具有不同观测结构和协调需求的协作型 MARL 任务上的实验表明，\textsc{HiComm} 能够达到或超越具有代表性的学习通信基线方法，同时在每个接收方每回合中将通信量减少最多 $23$ 倍。

Abstract

Cooperative multi-agent reinforcement learning (MARL) often relies on communication to mitigate partial observability, yet most existing protocols treat messages as flat dense vectors detached from the structure of the observations they summarize. This design overlooks an important source of inductive bias in many cooperative environments, where observations naturally follow a hierarchy such as groups and entities. We propose \textsc{HiComm}, a plug-in communication module that grounds messages in the sender's hierarchical observation. \textsc{HiComm} is receiver-driven: the receiver issues a query, and the hierarchy is resolved through a three-stage decoding process that first selects a group, then a sender, and then an entity within that group, returning the corresponding feature slice as the message. This converts communication from unstructured vector transmission into structured information retrieval over the sender's observation hierarchy. We instantiate this mechanism with Straight-Through Gumbel-Softmax for differentiable discrete selection and a lightweight shared projection design that attaches to standard MARL pipelines. Experiments across cooperative MARL tasks with different observation structures and coordination demands show that \textsc{HiComm} matches or outperforms representative learned communication baselines while reducing communication volume by up to $23 \times$ per receiver per episode.

论文详细总结（自动生成）

HiComm: Hierarchical Communication for Multi-agent Reinforcement Learning — 论文总结

1. 核心问题与研究动机

核心问题：合作型多智能体强化学习（Cooperative MARL）在部分可观测条件下需要通信以缓解信息瓶颈，但现有通信协议普遍将消息建模为扁平稠密向量，忽略了观测本身天然具有的层次结构（如图层-实体、子网-主机、单元-类型等），从而错失了一个重要的归纳偏置来源。
研究背景：在网络防御（CAGE Challenge 4）、星际微操（SMACv2）、足球控制（GRF）等典型协作任务中，观测天然具备 $G \times E \times F$ 的三维层次张量结构（如子网→主机→特征），但当前通信方法（包括 NDQ、VBC、TMC、MAIC、CACOM、T2MAC、Who2com、When2com、TarMAC、CommFormer 等）均将消息编码为定长向量，既不由接收方主动查询，也不指向观测中的具体地址。
既有层级方法的局限：所谓层级通信方法（Feudal、HiMPo、LSC、HAMA、DHCG 等）仅在智能体、注意、路由、顺序、策略栈上引入层级，但消息体本身仍是扁平编码，从未将层级结构映射到观测地址。
本文目标：把发送方观测中的天然层次结构直接作为消息的寻址空间（addressing scheme），实现基于层级的信息检索式通信，而非扁平向量传输。

2. 方法论

2.1 核心思想

接收方驱动（receiver-driven）：通信由接收方发起查询 $q_{i}$ ；
三阶段层级解码：每次通信轮次依次离散选择
主题群 $g^{*} \in [∣ G ∣]$ ，
发送方 $j^{*} \in [N] ∖ {i}$ （条件依赖于 $g^{*}$ ），
实体索引 $ℓ^{*} \in [∣ E ∣]$ （在群 $g^{*}$ 内）；
消息载荷为原始观测条目：发送方 $j^{*}$ 返回的不再是编码向量，而是其自身观测张量在地址 $(g^{*}, ℓ^{*})$ 处的原始特征向量 $F = z_{j^{*}} [g^{*}, ℓ^{*}, :] \in R^{∣ F ∣}$ ；
通信从"扁平向量传输"转化为"结构化信息检索"。

2.2 形式化定义

观察被视为三维层次张量 $z_{i} \in G \times E \times F$ ，其中 $G$ 为粗粒度群轴、 $E$ 为细粒度实体轴、 $F$ 为特征轴。协议观测层次（observation-space hierarchical）的消息被定义为地址-值对：

m = ((g, ℓ), F), F = z [g, ℓ, :], (g, ℓ) \sim p (g) p (ℓ ∣ g)

在 $N$ 个智能体场景下，进一步加入发送方条件化：

p (g) p (j ∣ g) p (ℓ ∣ g, j)

2.3 算法流程

Phase 1（接收方查询生成）：

h_{i} = f_{gap} (z_{i}, M_{i}), q_{i} = tanh (f_{q} (h_{i})) \in [- 1, 1]^{d_{q}}

其中 $M_{i} \in {0, 1}^{∣ G ∣ \times ∣ E ∣}$ 为可观测性掩码。

Phase 2（接收方两级层级选择）

Stage 1 — 选群：使用 $∣ G ∣$ 个可学习群键 $κ_{g}$ 的点积打分，选最大得分：

g^{*} = ar g max_{g} ST-GS (score (q_{i}, κ_{g}))

Stage 2 — 选发送方：利用上下文条件化亲和度 $Φ (j, g^{*}; h_{i})$ ：

j^{*} = ar g max_{j \neq = i} ST-GS (score (q_{i}, Φ (j, g^{*}; h_{i})))

Phase 3（发送方实体选择）：

ℓ^{*} = ar g max_{ℓ} ST-GS (score (q_{i}, ψ (z_{j^{*}} [g^{*}, ℓ, :])) + M_{j^{*}}^{(ent)} (g^{*}) [ℓ])

其中 $ψ : R^{∣ F ∣} \to R^{d_{q}}$ 为发送方侧 MLP；最终返回地址-值对 $m_{j^{*} \to i} = ((g^{*}, ℓ^{*}), z_{j^{*}} [g^{*}, ℓ^{*}, :])$ 。

2.4 关键技术

Straight-Through Gumbel-Softmax (ST-GS)：实现可微离散三阶段选择；所有三个阶段共用同一评分几何空间 $R^{d_{q}}$ ，避免重复投影。
共享轻量投影设计：单个 GAPNet 编码器 $f_{gap}$ 同时供 Phase 1、Phase 2 使用；群键 $κ_{g}$ 与实体投影 $ψ (\cdot)$ 共享解码器 $DECODE_NET$ ；训练仅在 actor loss 上加一个标量。
统计量压缩：决策空间从联合 $∣ G ∣ \cdot ∣ E ∣ \cdot (N - 1)$ 分类简化为 $∣ G ∣ + (N - 1) + ∣ E ∣$ ，每阶段梯度信号局部化。
可插拔（plug-in）：模块与策略/评论家架构解耦，可直接接入 IPPO 或 MAPPO 等标准算法。
训练目标：

L_{actor} (Θ) = L_{PPO} (Θ) - c_{H} H [π_{θ_{pol}}] + λ_{i g} (t) L_{i g} (θ_{comm})

其中 $L_{i g}$ 将阶段 1/阶段 2/相位 3 的 ST-GS 之前的 logits 与从互信息增益 $Δ_{ij} [g, ℓ, :] = (z_{j} [g, ℓ, :] - z_{i} [g, ℓ, :])_{+}$ 经 softmax 归一化得到的软标签进行交叉熵对齐；信源覆盖率饱和时 $Δ_{ij} \to 0$ ， $L_{i g}$ 自然消失， $λ_{i g} (t)$ 仅作加速衰减之用。

3. 实验设计

3.1 基准环境（Benchmarks）

环境	类型	群轴语义 $(G)$	层级类型
CAGE Challenge 4 (CC4)	网络防御（红方 MARL 改造）	$G = 9$ 子网（原生 containment）	原生层级
SMACv2 5v5	星际微操（三个种族）	友方单元类型（语义）	语义层级
GRF academy_counterattack_hard	足球反击 4v3	场上角色类（G/M/D/F）	语义层级

3.2 对比方法

四种通信设定（共享消息宽度 $d_{m}$ ）：

PARTIAL OBS：无通信下界；
FULL OBS：拼接所有队友观测的上界；
CACOM [Li & Zhang 2024]：广播-门控回复式上下文条件通信；
T2MAC [Sun et al. 2024]：选择性单播 + 信息驱动信息整合；
HiComm（本文）：三阶段接收方驱动协议。

3.3 评估指标

团队奖励（task reward），
每接收方每回合通信量（KB），
成功率（如 CC4 的 Successful #Impact、SMACv2 胜率、GRF 进球率）。

3.4 算法后端

IPPO（去中心评论家）、MAPPO（中心评论家）；SMACv2 额外覆盖 QMIX 三乘五网格。

4. 资源与算力

硬件：单节点 + 4 块 NVIDIA L40S GPU（论文 Appendix A 开头披露）。
训练时长（单次运行）：
CC4：约 24 小时（5M 环境步）；
SMACv2 5v5：约 48 小时（10M 环境步，含三种族 × 三算法平均）；
GRF academy_counterattack_hard：约 48 小时（5M 环境步）。
论文未明确披露总实验数量、训练种子数、跨基准累计 GPU 小时数等更细的算力信息；亦未给出消融实验的训练时长。

5. 实验数量与充分性

5.1 主要实验规模

3 个基准 × 5 种通信设置 × 2–3 种算法后端（IPPO/MAPPO，部分含 QMIX）× 多场景/种族：
CC4：1 个场景 × 5 设置 × 2 算法 + 行为学对照（FSM、NAIVE COM）；
SMACv2：3 种族 × 5 设置 × 3 算法（IPPO/MAPPO/QMIX）= 3×5×3 网格 + 胜率表；
GRF：1 场景 × 5 设置 × 2 算法 + 胜率表。

5.2 消融实验（在 CC4 上、IPPO+MAPPO 双算法）

载荷形式：HiComm-ENCODED、HiComm-ENCODED-CELL；
检索分层：HiComm-FLAT（合并群+实体为单层）；
梯度通路：HiComm-NAIVE-COMM、HiComm-NOCS、HiComm-NODEC、HiComm-NOQUERY。

共 7 个变体 × 2 算法 + 基线 = 16 组对照。

5.3 充分性评价

优点：
覆盖异构层级来源（原生 / 语义 × 子网结构 / 单元类型 / 场上角色）；
同时报告任务性能与带宽，且对 NAIVE COM、PARTIAL OBS、FULL OBS 的解码器-奖励失配做了诊断，论证了原始观测条目载荷的必要性；
行为学指标（成功 Impact、胜率）配套报告，避免奖励作弊。
潜在不足：
GRF 仅有 1 个场景（academy_counterattack_hard），缺乏跨足球战术变体的覆盖；
消融仅在单一基准（CC4）上进行，未跨 SMACv2/GRF 验证；
评估未见显著的多 seed 置信区间或多方差报告（仅"100 评估回合"或"32 评估回合"），统计显著性讨论未充分展开；
CACOM/T2MAC 的 SMACv1→SMACv2 端口在论文中做了详细披露，但不同原始网络深度的基线对比可能在带宽层面不完全公平。

6. 主要结论与发现

任务性能：在 10 个算法-场景单元中，HiComm 在 9 个单元上取得最高或并列最高奖励；MAPPO 在 CC4 上提升尤为显著，奖励 1,941 vs CACOM 的 1,692（+249），并恢复约 85% 的 PARTIAL→FULL OBS 差距；SMACv2 上恢复 69–72% 的差距，对照基线仅 15–46%；GRF 上 IPPC/MAPPO 分别恢复 67% 和 70%。
带宽效率：在所有 10 个单元中均为最低通信量；具体收益：
CC4：相对 CACOM/T2MAC 节省 5–17×，相对 FULL OBS 节省 1000× 以上；
SMACv2：节省 4–23×（QMIX 下 4× CACOM、18× T2MAC）；
GRF：相对 T2MAC 约 10×，相对 CACOM 仅 1.2–1.5×。
机理解释：以可寻址的原始观测条目替代编/解码器投影，避免了"编码器-奖励失配"病态（NAIVE COM 验证：Total #Impact 虚高而 Success #Impact 下降）。
跨层级来源的鲁棒性：原生 containment（CC4）、单元类型（SMACv2）、场上角色（GRF）三种语义下结果一致。

7. 优点与亮点

结构即协议：首次把观测层次直接用作通信寻址空间，把通信重新定义成"结构化检索"而非"无约束向量压缩"，具备概念上的清晰度。
即插即用：与策略/评论家解耦，不依赖特定后端算法（IPPO/MAPPO/QMIX 均可挂载），训练侧仅增加一个标量损失。
真正的接收方驱动：区别于 MAIC/CACOM 的发送方主动编码，Who2com/When2com 的握手只决定"问谁"，本文同时决定"问谁"与"问什么"，更彻底。
带宽-保真双优化：地址-值对中载荷是原始特征向量而非有损投影，理论上无重建误差，又因稀疏地址与单播机制大幅压缩带宽。
可解释性副产品：群-发送方-实体三阶段选择产生可审计的通信轨迹（"何时向谁问了哪个群哪个实体"），方便分析与安全审计，尤其契合 CC4 这类对抗场景的红方蓝方双向分析。
消融设计系统化：分别隔离载荷形式、检索分层、梯度通路三类因子，验证每个设计选择的必要性。

8. 不足与局限

缺乏理论分析：作者明确指出的首要限制——带宽优势的成立依赖实证对比，而非信息论下界；尚未有形式化证明说明层次寻址在何种条件下严格优于平坦编码。
应用前提：要求环境观测具备或可注入可识别的群-实体层次结构；对于无显式层级的观测需要手工或半自动注入语义轴，存在适配成本与失败风险。
覆盖范围：
GRF 仅评估 1 个场景；
消融实验仅在 CC4 上、IPPO+MAPPO 两个后端上展开，未跨基准跨算法全面验证；
没有跨 seed 的置信区间和统计显著性检验（多组表格只给单点估计）。
黑盒对手 / 红蓝双方博弈的偏差：CC4 中蓝方策略被冻结为预训练的 IPPO checkpoint，使得红方训练环境平稳，泛化到非固定对手条件的能力未测试；红方策略对蓝方响应过拟合的风险未被量化。
抗噪与对抗鲁棒性未显式评估：通信通道被建模为理想无差错，没有考虑丢包、延迟、篡改或对抗性注入消息；尤其在 CC4 这一网络安全场景中，这是显著的实践缺口。
可扩展性边界：通信为单播（每次 1 个发送方），群规模 $∣ G ∣$ 和实体容量 $∣ E ∣$ 增大时 Stage 1 / Phase 3 的离散空间膨胀对 ST-GS 训练稳定性的影响未深入讨论。
算力透明度不充分：未披露多 seed 平均数、跨基准累计 GPU·小时、能耗等。
图像/原始像素环境适用性未知：现有评估均基于结构化低维特征向量（722、103、 $∣ F ∣ \in {8, 9}$ 等），对图像输入或非张量化观测的迁移性未证明。

（完）

✨ 编译论文

点「✨ 编译」开始,LLM 会按 Polaris 风格翻译并把图片/表格嵌到对应位置。结果存到浏览器 localStorage,下次访问自动加载。