| name | train-harvest |
| description | 训练完成后下载产物，解析指标，归档到 weights/ 目录。接在 train-watch 检测到 COMPLETE 之后。触发词：收实验结果、下载 kernel output、归档 weights、parse results.csv。 |
train-harvest — 结果回收 + 归档
参数
| 参数 | 必填 | 含义 |
|---|
run | 是 | run_name |
platform | 否（默认读 .trainhub.json） | kaggle / ssh / colab |
平台 adapter
Kaggle
kaggle kernels output <account>/<kernel_prefix>-<run_name> -p /tmp/kg-<run_name>
unzip -q /tmp/kg-<run_name>/<run_name>.zip -d /tmp/kg-<run_name>/extracted/
SSH
rsync -az <host>:<remote_dir>/<run_name>/results/ /tmp/ssh-<run_name>/
Colab
从 Google Drive 的 drive_folder/<run_name>/ 下载（用 rclone 或 gdown）。
指标解析（读 .trainhub.json.metric）
awk -F',' -v col="metrics/mAP50(B)" '
NR==1 { for(i=1;i<=NF;i++) if($i==col) k=i; next }
{ if(!best || $k>best){ best=$k; row=$0 } }
END { print row }
' results.csv
提取：epoch, metrics/mAP50(B), metrics/mAP50-95(B), metrics/precision(B), metrics/recall(B)
归档（按 .trainhub.json.archive）
target="<weights_dir>/<filename_pattern>"
mkdir -p "$target"
cp /tmp/*/extracted/**/best.pt "$target/"
cp /tmp/*/extracted/**/results.csv "$target/"
CHRONICLE 写入
若项目有 docs/CHRONICLE.md，追加一条实验条目，格式：
### <run_name>（YYYY-MM-DD 完成）
- 平台：<platform>
- 最佳 mAP50: <val> @ epoch <n>
- 对照 baseline <baseline_val> → Δ <diff> pp
- weights 归档：<target>
- 备注：<自动空或 TODO>
baseline 数值从 .trainhub.json.metric.baseline 读（没有就留 TODO）。
清理
harvest 成功后删 /tmp/<platform>-<run_name>/ 临时目录，避免 /tmp 堆积。
