| name | auto-research-blueprint-execute-swarm |
| description | Execute AgentJet reinforcement learning experiments using experiment blueprints in swarm mode. Handles full lifecycle: generate blueprint if needed, launch experiment in tmux, monitor progress, analyze errors, collect results, and write finish flag. Use when the user wants to run or debug AgentJet training experiments. |
你的任务
- 如果用户没有提供实验蓝图，则生成一个实验蓝图
- 根据实验蓝图，运行实验
- 等待实验结束或者超时
- 如果实验失败，尝试进行修正，把试错过程放置到指定位置（exp_result_dir中创建一个文档），如果无法修复，则跳到第 5 步
- 将尽可能全面的实验结果放置到指定位置（exp_result_dir中创建一个文档）
- 在 exp_result_dir 中创建一个
finish.flag 文件，标志任务结束
- 结束
实验蓝图：
Experiment blueprints are designed to execute experiments that validate hypotheses or gather necessary data.
An experiment blueprint is a markdown file (blueprint.md). It must contain 7 sections (write clearly; no strict format required, but each section must have textual explanation):
-
[exp_purpose] Experiment purpose (text):
Briefly describe the main purpose of this experiment and the key differences from other blueprints (e.g., which hyperparameter or environment variable differs).
-
[exp_codebase_dir] Main experiment code path (absolute path):
The absolute path containing all code needed to run the experiment. Relatively small in size. Does not include the Python virtual environment.
Default: ./
-
[exp_venv_exe] Python virtual environment path (absolute path to python executable):
Path to the Python executable.
Default: ./venv/bin/python
-
[exp_yaml_path] Experiment config file path (absolute path):
Path to the experiment configuration YAML file. Should be placed alongside the blueprint file.
Default: NA, the agent must write its own yaml file for the experiment.
-
[exp_launch_command] Training execution command (string):
Default: the agent must write its own command
-
[exp_result_dir] Result data storage path (absolute path):
Path for output data storage.
Default: ./auto_agent/exp_results/
-
[exp_max_time] Maximum runtime is ${MaxTime}; each experiment is forcefully terminated after ${MaxTime}
Default:
- MaxTime per run:
24 hours
- First step success timeout:
20 minutes (when you see the first kl loss value printed in tmux window, that means the first step is successful, if you did not see any kl loss value printed in tmux window after 20 minutes, that means the first step is failed, you can check the log file for details)
-
Additional notes: e.g., what preparation is needed before running, how to configure necessary dependencies; what cleanup is needed after running. Also, if the user's "main task description" contains critical information, attach it here. A todo list is recommended here.
Once blueprints are issued, other agents will execute them. Therefore, each section should have textual explanation — the more detailed the better.
Here is an example of an experiment blueprint (for exp_purpose ,exp_codebase_dir ,exp_venv_exe ,exp_yaml_path ,exp_launch_command ,exp_result_dir ,exp_max_time, add additonal fields such as description and hint):
<blueprint_example_begin>
# Experiment Blueprint
## [exp_purpose]
- description:
- hint:
- content 1:
- content 2:
- content 3:
## [exp_codebase_dir]
- description:
- hint:
- content 1:
- content 2:
- content 3:
- warning 1:
- warning 2:
## [exp_venv_exe]
- description:
- hint:
- content 1:
- content 2:
- content 3:
- warning 1:
- warning 2:
## [exp_yaml_path]
- description:
- hint:
- content 1:
- content 2:
- content 3:
- warning 1:
- warning 2:
## [exp_launch_command]
- description:
- hint:
- content 1:
- content 2:
- content 3:
- warning 1:
- warning 2:
## [exp_result_dir]
- description:
- hint:
- content 1:
- content 2:
- content 3:
- warning 1:
- warning 2:
## [exp_max_time]
- description:
- hint:
- content 1:
- content 2:
- content 3:
- warning 1:
- warning 2:
## Other Notes
- description:
- note 1:
- note 2:
- note 3:
- note 4:
- note 5:
....
<blueprint_example_end>
YAML 配置内容提示：
ajet.execute_test 应该为 False，因为启用后如果训练奖励分数低于预定义阈值，训练将被中断。
ajet.trainer_common.test_freq 意思是每间隔多少个step测试一次。
ajet.trainer_common.n_gpus_per_node 为每个节点显卡的数量，一般为 8。
ajet.trainer_common.val_print_to_markdown_file_path 应该是存储评估结果的位置。虽然你可以参考 tmux 控制台日志获取数据，但你应该始终在此路径中找到评估结果。选择一个放置日志的路径，例如 saved_val_result/qwen2-7b-task-math-exp-01.md。val 属性列表：
pass_n: 对于每个任务，重复运行多少次。
total_tasks: 验证数据集中的任务数量。
num_all_success_tasks: 达到100%成功率的 task数量。
num_pass_n_tasks: 至少成功一次的 task数量。
task_pass_rate@1: 平均成功率
task_pass_rate@2: 在前2次试验中至少成功一次的 task数量（占所有task的比例）
task_pass_rate@4: 在前4次试验中至少成功一次的 task数量（占所有task的比例）（可选）
task_pass_rate@8: 在前8次试验中至少成功一次的 task数量（占所有task的比例）（可选）
mean_reward: 所有数据点的平均验证奖励。
std_reward: 所有数据点的奖励标准差。
ajet.trainer_common.val_before_train 应该为 train，因为我们希望获得训练模型的初始性能。
ajet.trainer_common.total_epochs 应该足够大，但每个实验你只有 ${MaxTime} 小时来运行，
使用tmux运行实验
详细见“监控实验的技能”，注意，当你创建session时，session名字中必须包含关键字 ajet 并且体现 exp_purpose，例如 ajet_math_top_k_ablation。
不要轻易中止进行中的实验
你必须保证在 [exp_max_time] 时间段内，维持实验继续进行下去。除非：
监控实验的技能
---
name: monitor-with-tmux
description: 通过指数退避间隔（30秒、1分钟、2分钟、4分钟、8分钟、16分钟）读取tmux内容来监控训练进度，在出现异常时分析日志，并提供修复建议
license: 完整条款见 LICENSE.txt
---
# 使用 Tmux 监控
在 tmux 中监控，检测异常，分析错误，提供修复建议。
## 步骤零
创建用于 tmux 监控的睡眠脚本：
1. 创建 `./tmp/wait_tmux.py`
```python
import argparse
import subprocess
import time
SHELLS = {"bash", "zsh", "sh", "fish", "csh", "tcsh", "ksh", "dash", "ash"}
def smart_sleep(session: str, seconds: float, check_every: float = 2.0) -> bool:
"""
替代 time.sleep()，但在命令结束时提前返回。
Returns:
True - 正常超时（命令还在跑）
False - 提前返回（命令结束了或session没了）
"""
end_time = time.time() + seconds
while time.time() < end_time:
try:
r = subprocess.run(
["tmux", "list-panes", "-F", "#{pane_current_command}", "-t", session],
capture_output=True, text=True, timeout=5
)
if r.returncode != 0:
return False # session没了
cmds = [l.strip().lower() for l in r.stdout.splitlines() if l.strip()]
if not any(c not in SHELLS for c in cmds):
return False # 命令结束了，回到shell
except Exception:
return False
time.sleep(min(check_every, end_time - time.time()))
return True
def main():
parser = argparse.ArgumentParser(description="Wait for a tmux session with smart early-exit.")
parser.add_argument("session", help="tmux session name")
parser.add_argument("seconds", type=float, help="total seconds to wait")
args = parser.parse_args()
timed_out = smart_sleep(args.session, args.seconds, 2)
raise SystemExit(0 if timed_out else 1)
if __name__ == "__main__":
main()
```
## 开始监控
当你需要监控一个 tmux 窗口时，运行：
```bash
python ./tmp/tmux_wait.py my_ajet_session_name 30
```
意思是：
1. 监控名字为 my_ajet_session_name 的 tmux session
2. 等待30秒
- 退出码 0：正常超时（命令仍在运行）
- 退出码 1：命令提前结束或 session 消失
## 使用 SSH
使用 SSH 时，始终使用本地 tmux 窗口来建立 SSH 连接。
## 当你想在再次读取 tmux 窗口前延迟一段时间
必须要具备出错即时返回功能，即不能使用 `sleep xxx`，而是使用 `python ./tmux_wait.py my_ajet_session_name xxx`
不要使用：`sleep 60 && tmux capture-pane -t my_ajet_session_name -p | tail -80`
你应该使用：`python ./tmux_wait.py my_ajet_session_name 30 && tmux capture-pane -t my_ajet_session_name -p | tail -80`
- 60秒太长了
- 始终使用 `python ./tmux_wait.py` 来等待
## 示例：
### 不使用 SSH 的示例
0 个示例可用
### 使用 SSH 的示例
1 个示例可用
```agent
--- example user instruction begin ---
login
ssh root@localhost -p 8824
goto
/mnt/data_cpfs/qingxu.fu/agentjet/good-luck-agentjet
run with venv and monitor
source .venv/bin/activate && python -m ajet.launcher --conf tests/bench/benchmark_math/benchmark_math.yaml --autokill
--- example user instruction end ---
--- example agent reaction begin ---
用户希望我监控一个 tmux session 同时运行训练任务。让我分解他们要求的内容：
1. SSH 到远程机器（root@localhost -p 8824）
2. 转到特定目录
3. 激活虚拟环境并运行 Python 命令
4. 监控 tmux session
# 编写 ./tmp/tmux_wait.py
....
# 创建用于训练的 tmux session (注意，无论如何，session名字中必须包含关键字 `ajet` )
$ tmux new-session -d -s ajet_session -c "/mnt/data_cpfs/qingxu.fu/agentjet/good-luck-agentjet"
# # 注意: 绝对不能在`tmux new-session`后面添加命令，否则 session 会很容易退出
...
# 发送 SSH 命令到 tmux session
$ tmux send-keys -t ajet_session "ssh root@localhost -p 8824" Enter
...
# 等待并检查 SSH 连接
$ python3 /tmp/tmux_wait.py ajet_session 10 && tmux capture-pane -t ajet_session -p | tail -20
SSH 连接成功。现在我需要导航到目录并运行训练命令。让我发送命令到 tmux session。
...
# 导航到工作目录
$ tmux send-keys -t ajet_session "cd /mnt/data_cpfs/qingxu.fu/agentjet/good-luck-agentjet" Enter
...
# 使用 venv 和 launcher 启动训练
$ tmux send-keys -t ajet_session "source .venv/bin/activate && python -m ajet.launcher --conf tests/bench/benchmark_math/benchmark_math.yaml --autokill" Enter
...
# 捕获初始训练输出
$ tmux capture-pane -t ajet_session -p | tail -40
...
# 等待30秒并检查训练进度
$ python3 /tmp/tmux_wait.py ajet_session 30 && tmux capture-pane -t ajet_session -p | tail -50
...
训练正在运行。命令正在正确执行。让我继续以1分钟间隔监控。
# 等待1分钟并检查训练进度
$ python3 /tmp/tmux_wait.py ajet_session 60 && tmux capture-pane -t ajet_session -p | tail -50
...
# 等待2分钟并检查训练进度
$ python3 /tmp/tmux_wait.py ajet_session 120 && tmux capture-pane -t ajet_session -p | tail -60
...
训练进展良好。检查点已加载，vLLM 服务器已启动，swanlab 正在跟踪运行。目前没有错误，只有警告。让我继续监控。
# 等待4分钟并检查训练进度
$ python3 /tmp/tmux_wait.py ajet_session 240 && tmux capture-pane -t ajet_session -p | tail -60
...
... 多轮监控 ...
--- example agent reaction end ---
# 销毁 tmux session
tmux kill-session -t ajet_session
```
