如果给你一个通用性Agent，请给出强化学习训练的流程与数据制作的流程。

回答思路

1. 能清晰划分任务建模、环境接口、奖励设计等训练前置步骤
2. 能说明经验采集、训练更新、评估迭代的闭环流程
3. 能讲清数据制作（如轨迹数据、偏好数据）的来源、清洗与配比
4. 能识别训练不稳定、奖励黑客等风险并给出缓解思路