wuyang6
168 lines
5.5 KiB
Markdown
168 lines
5.5 KiB
Markdown
---
|
||
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，聚焦“准备远端工作区、同步数据、提交 CML SFT、返回 JobID”，不包含完整自主迭代闭环。
|
||
when_to_use: 当用户已经准备好训练数据，想让 Agent 使用 Jupyter/CloudML 发起一次模型训练、复用当前仓库的训练脚本和模板、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 只负责一次训练提交：
|
||
|
||
```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
|
||
-> 返回 JobID、产物路径、下一步评测入口
|
||
```
|
||
|
||
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。
|
||
|
||
## 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，或说明当前环境已有可用登录态。
|
||
- **数据版本**：git repo + branch + commit，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。
|
||
|
||
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，不自动串接评测。
|
||
|
||
## 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
|
||
|
||
### 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"
|
||
}
|
||
```
|
||
|
||
脚本只生成计划和命令草案，不连接 Jupyter，不提交训练。
|
||
|
||
### 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。
|
||
|
||
### 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。
|
||
|
||
## 边界
|
||
|
||
- 不自动修改训练数据。
|
||
- 不自动做错误归因。
|
||
- 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。
|