Trackio 实验追踪

要解决什么问题

机器学习训练往往跑在本地脚本、远程 GPU 或云端实例上。loss、学习率、准确率等指标分散在日志里，实例一关就难复盘；训练异常（NaN、loss 突增、停滞）也常靠人工盯终端。你需要一种可持久、可查询的方式记录指标，并在需要时给自动化流程（含 LLM 智能体）结构化信号。

技能如何工作

Trackio 是面向 ML 训练的实验追踪库，指标可同步到 Hugging Face Spaces，在 Space 仪表盘上实时查看。

• Python API（记录）：trackio.init() 初始化，trackio.log() 写指标，结束时 trackio.finish()；可与 TRL 的 report_to="trackio" 集成。远程训练时传入 space_id，指标写入 Space；自动创建的 Space 默认公开，敏感实验请设 private=True。
• Python API（告警）：在训练代码里调用 trackio.alert(title=..., level=...)，级别为 INFO / WARN / ERROR；告警会打终端、入库、上仪表盘，并可走 Webhook（如 Slack、Discord）。监听脚本输出的智能体可直接从 stdout 看到告警。
• CLI（检索）：trackio list / trackio get 查项目、运行与指标；trackio list alerts --json 适合程序化轮询；trackio show 开仪表盘，trackio sync 同步到 HF Space。

自主实验常见流程：训练脚本里预埋诊断告警 → 后台跑训练 → 用 trackio list alerts --project ... --json --since ... 轮询 → 用 trackio get metric ... 看数值 → 再改超参开新 run。

适用边界与注意

Trackio 聚焦指标记录、可视化与告警，不是通用 MLOps 平台（不负责编排集群、模型注册等）。告警与 CLI 的 --json 是为自动化设计的，但 Webhook、Space 权限与私有性需按项目自行配置。