从训练到交付

先定义任务契约

TaskRecipe 连接原生模型、数据、目标、预测与评价。它们的含义由应用决定，包括批处理和权重。预测 factory 可以构造 TaskPredictor，无需重建训练循环或读取训练标签。

准备声明的输入

声明源记录和文件，再应用应用自己的确定准备变换。快照保留来源身份，准备缓存复用匹配的已提交派生工作。解码、批次整理与训练时增强仍由应用决定。

训练，再继续原来的工作

本地训练配置写入完整 checkpoint，包含受支持的优化器、调度器、RNG/scaler 与数据进度。失败的未完成更新不替换上一个完整 checkpoint。Recipe 恢复完成原始目标；普通续训请求 steps 表示追加优化器更新。

• 验证选出的推理资产与可续训 checkpoint 承担不同用途。
• 数据顺序保证取决于声明的 loader 状态。
• Recipe 恢复的已验证范围是本地 Torch 与单进程 Accelerate，不涵盖任意分片或分布式续训。

提交预测结果

PredictionRunConfig 保留请求总体，发布经检查的结构化记录与声明文件。恢复验证并复用已完成部分，不重跑模型。未到达提交边界的工作可能需要再次调用回调。

评价实际产生的结果

EvaluationSuiteConfig 使用应用定义的视图检查已提交输出和原始参考，将覆盖与逐记录执行证据和测量、验收标准一同保留。缺失参考保持不可用；评价不会发明目标或重新生成预测。

打包任务并导出结果

打包选定模型、推理资源与重建代码。兼容使用方可以调用声明的本地运行入口。ResultExportConfig 独立格式化已提交结果，保留文件闭包和来源；导出不会重放预测，也不会将归档提交到其他地方。

按安装包教程运行

先生成一个新任务项目，再在该目录运行以下命令。它们执行真实应用阶段，其中包括训练。TUTORIAL.md 还在同一项目中介绍中断、已提交结果恢复与离线使用方练习。

python workflow.py prepare
python workflow.py train
python workflow.py package
python workflow.py predict
python workflow.py evaluate
python workflow.py runtime
python workflow.py export

阅读生成项目

项目区分源资产、派生缓存、训练尝试与交付产物。workflow.py 是调用 ARTI 的应用代码，project.json 描述选定路径与阶段证据。

my-task/
├── project.json
├── code/task_app.py
├── configs/
├── workflow.py
├── TUTORIAL.md
├── data/
│   ├── source/
│   ├── snapshot/
│   └── cache/
├── runs/
└── artifacts/