---
name: model-training-lite
name_zh: 轻量模型训练
description: 从 Codex、Claude Code 或其他 Agent 通过用户提供的 Jupyter 环境和数据版本发起一次模型训练，并可选发起评测和生成轻量结果摘要；不包含自动数据增强闭环。
when_to_use: 当用户已经准备好训练数据，想让 Agent 使用 Jupyter/CloudML 基于某个数据分支或 commit 发起一次模型训练、训练后评测、汇总结果，或询问如何把模型训练流程沉淀成轻量 skill 时使用。
aliases: jupyter-model-training, sft-submit, 轻量训练, 模型训练提交
examples:
  - 用这个 Jupyter 和 ai-planning 当前分支重新发起训练
  - 数据已经提交到 autoresearch-v1，帮我提交一次 SFT
  - 帮我把 Codex 通过 Jupyter 发起模型训练的流程跑起来
  - 检查一下训练工作区和 CML 环境，然后提交训练任务
allowed_tools: read_file, write_file, grep_search, glob_search, ask_user_question, python_exec, bash
---

# 轻量模型训练

本 skill 是人机协同的训练/评测执行器：人负责目标和边界裁决，AI 负责候选、统计、证据整理和确定性执行。

```text
人提出目标问题
  -> AI 整理候选、统计分布、生成 review 表
  -> 人确认边界、保留样本、数据是否入库
  -> AI 提交训练、发起评测、汇总结果
  -> 人判断是否继续下一轮
```

训练评测执行链路：

```text
Jupyter 授权环境
  -> 创建/复用远端 kernel
  -> 准备隔离训练工作区
  -> 同步训练脚本与数据版本
  -> 检查 CML / 数据 / zk_trainer
  -> 提交 SFT
  -> 可选：SFT 成功后提交 CML 评测
  -> 可选：读取 workflow metric_diff 生成轻量结果摘要
  -> 返回 JobID、workflow ID、产物路径、摘要路径
```

不要把它扩展成 `model-iteration` 那种完整“baseline -> 分析 -> 增强 -> 训练 -> 评测 -> 再分析”的自主循环。本 skill 可以辅助人完成每一步决策前的信息准备，但不自动裁决边界、不自动修改数据、不自动生成增强样本、不自动进入下一轮训练。

## 必要输入

开始前必须拿到：

- **Jupyter 地址和授权方式**：URL；密码、token、cookie/session，或使用本地默认配置。
- **数据版本**：git repo + branch + commit，或 git repo + branch，或远端工作区中已存在的数据路径。
- **训练配方**：如果是当前 ZK 中控 SFT，默认复用 `skills/model-iteration/scripts/`；如果不是，必须让用户提供训练脚本、模板或命令。

通常用户只需要显式给 `Jupyter 地址` 和 `数据版本`。当前项目的默认训练配方可从本仓库继承，不必每次追问。

组内默认 Jupyter 配置路径：

```text
skills/model-training-lite/jupyter_defaults.json
```

这个文件随 skill 提交，组内默认可直接使用。脚本输出只显示认证是否已配置，不回显密码。

个人覆盖配置路径：

```text
skills/model-training-lite/.local/jupyter_defaults.json
```

`.local/` 已加入 gitignore。需要临时覆盖组内默认配置时，使用 `.local/` 或环境变量，不要改共享配置。

配置格式可参考：

```text
skills/model-training-lite/jupyter_defaults.example.json
```

脚本也支持环境变量：

```text
MODEL_TRAINING_LITE_JUPYTER_URL
MODEL_TRAINING_LITE_JUPYTER_PASSWORD
MODEL_TRAINING_LITE_JUPYTER_TOKEN
MODEL_TRAINING_LITE_JUPYTER_COOKIE
MODEL_TRAINING_LITE_JUPYTER_AUTH_TYPE
```

配置优先级：

```text
脚本输入 > 环境变量 > .local/jupyter_defaults.json > jupyter_defaults.json
```

可选但推荐确认：

- `owner`：远端输出目录使用的用户前缀，例如 `wuyang6`。
- `run_name`：本次训练工作区名，例如 `manual_YYYYMMDD_zk_intent_xxx`。
- 是否训练后立刻发起评测。默认只提交训练；用户要求“训练后评测/看效果/分析结果”时启用。
- `model_old`：评测工作流中的对照模型路径；未提供时使用默认线上基线。

## 默认 ZK SFT 配方

当前 ZK 中控 SFT 复用这些文件：

```text
skills/model-iteration/scripts/
  prepare_and_train_sft.py
  resolve_run_ids.sh
  submit_sft.sh
  submit_cml_eval.sh
  sft_train_job.yaml.tpl
skills/model-iteration/assets/config.yaml
```

默认基模和训练模板见 [references/zk_sft_defaults.md](references/zk_sft_defaults.md)。只有用户明确要求或训练任务不是 ZK 中控 SFT 时，才修改这些默认值。

## 推荐流程

### 0. 人机协同边界

AI 应主动辅助人完成信息准备，但不能替人拍板：

| 阶段 | AI 负责 | 人负责 |
|---|---|---|
| 目标定义 | 把问题拆成可评测口径，列出候选集合和风险 | 确认目标问题和主指标 |
| 数据准备 | 调用相关 skill 生成候选、统计、review 表 | 判断边界样本是否保留 |
| 数据构造 | 参考 `product-data` 生成训练/评测格式 | 确认数据是否入库 |
| 标签判断 | 参考 `label-master` 校验 tag / function / complex | 确认争议规则 |
| 线上挖掘 | 参考 `online-mining-v2` 获取 rid/session/prompt/output | 确认挖掘口径 |
| 批量打标 | 参考 `model-labeling` 请求线上模型，生成基线 | 确认宽口径和人工 override |
| 训练评测 | 本 skill 提交 SFT、评测、轻量摘要 | 决定是否继续下一轮 |

需要全自动假设驱动迭代时，使用 `model-iteration`，不要把本 skill 临时扩展成自动闭环。

### 1. 先生成提交计划

优先执行 portable script：

```bash
python skills/model-training-lite/scripts/render_sft_submission_plan.py --input input.json
```

输入示例：

```json
{
  "jupyter_url": "https://.../lab?",
  "data_repo": "git@git.n.xiaomi.com:ai-service/ai-planning.git",
  "data_branch": "autoresearch-v1",
  "data_commit": "b92be709",
  "owner": "wuyang6",
  "run_name": "manual_20260528_zk_intent_clean_train",
  "recipe": "zk_sft",
  "run_eval": true,
  "model_old": "/mnt/wangsenhao/verl_zk/qwen4b_cispo_wokl_add_bvt_2/global_step_5/actor/huggingface"
}
```

脚本只生成计划和命令草案，不连接 Jupyter，不提交训练。

如果只提供 `data_branch` 不提供 `data_commit`，脚本会生成 `git reset --hard origin/<branch>`，并在结果中写 warning。正式训练报告里必须记录实际 `git rev-parse HEAD`，避免后续无法复现。

### 2. 连接 Jupyter

如果已经有 session/cookie，可直接调用 Jupyter REST API：

- `GET /api/kernels` 检查登录态。
- `POST /api/kernels` 创建 kernel；POST 需要 `X-XSRFToken`。
- websocket 连接 `/api/kernels/<kernel_id>/channels` 执行 Python/Bash。

如果没有登录态，用用户提供的密码/token 登录；不要把密码写入仓库、日志或最终报告。

### 3. 准备远端工作区

远端路径默认：

```text
/mnt/wangsenhao/autoresearch-zk-users/<owner>/<run_name>
```

工作区内必须有：

```text
scripts/
assets/
results/
output/
ai-planning/
zk_trainer/
```

把默认 ZK SFT 配方里的 `scripts/` 和 `config.yaml` 同步到远端工作区。再 clone 或更新数据仓库，并 checkout 到用户指定 commit。

除 `model-iteration` 默认脚本外，还要同步本 skill 的轻量分析脚本：

```text
skills/model-training-lite/scripts/summarize_eval_result.py
```

### 4. 提交前检查

提交训练前必须输出：

- `ai-planning` 当前 commit。
- 训练 JSONL 文件数量和总行数。
- 关键增量文件行数。
- 目标评测集行数，如果用户指定了评测集。
- `source ~/.cloudml-cli/.profile` 后 `cml config show` 可用。
- `zk_trainer` 已存在或 clone 成功。

如果 `cml` 不在 PATH，先检查 `~/.cloudml-cli/.profile`。不要因为 `which cml` 为空就直接判定不可用。

### 5. 提交 SFT

ZK SFT 提交命令：

```bash
source ~/.cloudml-cli/.profile
export AUTORESEARCH_CHAT_ROOT=<remote_workspace>
export AUTORESEARCH_ROOT="$AUTORESEARCH_CHAT_ROOT"
cd "$AUTORESEARCH_CHAT_ROOT"
eval "$(./scripts/resolve_run_ids.sh)"
./scripts/submit_sft.sh "$SFT_RUNDIC"
```

注意：`resolve_run_ids.sh` 只输出 `SFT_RUNDIC` 和 `EVAL_RUNDIC`，不要读取不存在的 `RUNDIC`。

### 6. 成功判定

提交成功后必须回报：

- CloudML JobID。
- CloudML 链接。
- `SFT_RUNDIC` 和 `EVAL_RUNDIC`。
- 远端训练工作区。
- 成功标记路径：`<remote_workspace>/sft_output/_SUCCESS`。
- 查看状态命令：`cml custom_train describe <JOB_ID>`。

再查一次 `cml custom_train describe <JOB_ID>`，确认状态不是提交后立即失败。

### 7. 可选：训练后提交评测

只有用户要求“训练后评测/看效果/分析结果”时执行。

训练成功标记存在后：

```bash
source ~/.cloudml-cli/.profile
export AUTORESEARCH_CHAT_ROOT=<remote_workspace>
export AUTORESEARCH_ROOT="$AUTORESEARCH_CHAT_ROOT"
cd "$AUTORESEARCH_CHAT_ROOT"
eval "$(./scripts/resolve_run_ids.sh)"
./scripts/submit_cml_eval.sh "$EVAL_RUNDIC" "$AUTORESEARCH_CHAT_ROOT/sft_output" "<model_old>"
```

提交后必须回报：

- `EVAL_RUNDIC`
- CloudML workflow 提交输出
- 评测产物目录：`/mnt/xiaoai-zk-model-train-tj5/workflow5/workflow<EVAL_RUNDIC>/`
- 评测完成标记：`metric_diff/lark_template.json`

### 8. 可选：轻量结果摘要

评测产物落盘后执行：

```bash
python "$AUTORESEARCH_CHAT_ROOT/scripts/summarize_eval_result.py" \
  --workflow-root /mnt/xiaoai-zk-model-train-tj5/workflow5 \
  --run-dic "$EVAL_RUNDIC" \
  --output "$AUTORESEARCH_CHAT_ROOT/results/eval_summary_${EVAL_RUNDIC}.md"
```

摘要脚本只做轻量汇总：

- 从 `metric_diff/lark_template.json` 尽力抽取指标。
- 从 `metric_diff/specific_comparison.csv` 汇总错误分布和错误样例。
- 不做数据增强建议，不做训练集修改，不替代 `model-iteration` 的深度归因。

## 边界

- 不自动修改训练数据。
- 不自动做深度错误归因；只允许生成轻量指标/错误分布摘要。
- 不自动生成增强样本。
- 不默认串接评测；训练成功后是否评测由用户或后续明确指令决定。
- 不把 Jupyter 密码、CloudML key、cookie 写进产物或最终回复。