价值-策略二分法是教学工具，不是设计约束

价值方法（学"值多少钱"）和策略方法（学"该做什么"）的二分法是教学组织的工具，帮助初学者建立算法分类心智模型。但在实际算法设计中，价值和策略高度耦合（如PPO的Actor-Critic架构），二分法可能制造虚假的"非此即彼"选择。真正的能力是理解每种方法的优势和局限，在具体问题中混合使用。