技能解析
何时触发 · 如何工作 · 产出什么
剖析技能的工作原理和产出物，快速判断你的场景与价值。
触发时机
当训练命令已选定，需要在深度学习仓库中保守执行以进行启动验证、短跑验证、完整训练或恢复训练时。
工作机理
- 执行给定的训练命令，不自行选择研究目标
- 捕获配置、种子、日志、检查点、状态、指标证据
- 通过 scripts/write_outputs.py 规范化输出到 train_outputs/
产生结果
标准化的 train_outputs/ 文件包，含 SUMMARY、COMMANDS、LOG、status.json 等，提供可审计的训练证据与可复现上下文。
使用场景
两种典型用法
场景 01
完整训练前的启动验证
研究人员从仓库 README 中选定训练命令，希望在完整运行前验证其能否正常启动。他们以启动验证模式调用 run-train；技能执行命令，捕获早期日志与配置，写出 train_outputs/STATUS.json 和 LOG.md。这能尽早发现环境或配置问题，节省 GPU 时间并提供清晰证据。
场景 02
带检查点证据恢复训练
训练中断后，研究人员需以相同种子和配置从最近检查点恢复训练。以恢复模式使用 run-train，技能用恢复参数重新执行训练命令，将检查点路径与指标记录到 train_outputs/ 并更新 SUMMARY.md。这保证了一致、可审计的续训且不丢失可复现上下文。
技能关系
我用了哪些 Skills · 哪些 skills 用了我
依赖关系读作「上一格指向下一格」。当前 Skill 位于第二格，上下分别是影响它与被它影响的 Skill。
第一层 · 这些 Skills 用了我
第二层 · 当前 Skill
- run-trainWorkflow
第三层 · 我用了这些 Skills
- 无其他 Skill 显式依赖此项
完整关系图
在所属技能集的全局上下文中浏览当前 Skill 的关系。点击节点切换右侧详情,搜索框可快速定位技能。
技能文件
SKILL.md
SKILL.md从 GitHub 加载中…