autoflow-setup

name	autoflow-setup
description	深度学习/机器学习项目自动化配置工具。分析项目结构，与用户交互确认环境、路径、命令等配置，生成 .autoflow/ 配置目录供 autoflow-run 使用。触发场景：(1) 用户说"帮我构建自动化运行配置"或"配置自动化流程"；(2) 需要为 ML/DL 项目创建可复现的运行环境；(3) 准备项目的自动化训练/推理/评估流程。

Autoflow Setup

为深度学习/机器学习项目创建自动化运行配置，生成 .autoflow/ 目录，供 autoflow-run skill 使用。

工作流程

Phase 1: 项目分析

1. 扫描项目结构，识别：

   • 框架类型（PyTorch/TensorFlow/JAX 等）
   • 入口文件（train.py, main.py 等）
   • 配置文件（config.yaml, *.json 等）
   • 依赖文件（requirements.txt, environment.yaml）

2. 检查现有环境：

   • 查找 conda 环境或 venv
   • 验证 Python 版本兼容性

Phase 2: 用户确认

逐项与用户确认以下内容（使用 AskUserQuestion 工具）：

必须确认：

• 项目类型（训练/推理/数据处理/混合）
• 数据集位置
• 模型位置（预训练模型/checkpoint）
• 主要运行命令

按需确认：

• 环境配置（如果检测到多个或没有可用环境）
• GPU 要求
• 输出目录
• 其他项目特定配置

Phase 3: 环境准备

根据分析结果：

• 如果存在可用环境 → 记录环境信息
• 如果不存在 → 协助创建并记录

Phase 4: 生成配置

在项目根目录创建 .autoflow/ 目录：

.autoflow/
├── project.yaml      # 项目基本信息
├── env.yaml          # 环境配置
├── paths.yaml        # 路径配置
├── commands.yaml     # 运行命令
├── hardware.yaml     # 硬件要求
└── misc.yaml         # 其他配置

配置文件说明

文件	内容
project.yaml	项目名称、描述、类型、框架、结构
env.yaml	Python 版本、环境类型/名称、依赖、激活命令
paths.yaml	数据集、模型、输出、日志等路径
commands.yaml	预处理、训练、评估、推理命令
hardware.yaml	GPU/CPU/内存要求、分布式配置
misc.yaml	随机种子、外部服务、注意事项

执行步骤

1. 读取项目结构

   使用 Glob 和 Read 工具扫描项目
   

2. 分析并生成问题列表

   • 根据扫描结果确定需要用户确认的内容
   • 对于能自动检测的信息，提供默认值让用户确认

3. 与用户交互

   • 使用 AskUserQuestion 逐步确认
   • 每次最多问 3-4 个相关问题
   • 提供检测到的默认选项

4. 处理环境

   • 验证或创建运行环境
   • 测试关键依赖是否可用

5. 生成配置文件

   • 从 assets/templates/ 复制模板
   • 填充用户确认的信息
   • 写入 .autoflow/ 目录

6. 验证配置

   • 检查路径是否存在
   • 验证命令格式
   • 输出配置摘要供用户确认

模板文件

配置模板位于 assets/templates/：

• project.yaml - 项目信息模板
• env.yaml - 环境配置模板
• paths.yaml - 路径配置模板
• commands.yaml - 命令配置模板
• hardware.yaml - 硬件配置模板
• misc.yaml - 其他配置模板

注意事项

• 所有路径使用绝对路径或相对于项目根目录的路径
• 敏感信息（API keys 等）不要写入配置文件，使用环境变量引用
• 配置完成后提醒用户将 .autoflow/ 加入 .gitignore（如果包含本地路径）