Menu
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。
Instalar com Codex ou Claude Copie este prompt, cole no Codex, Claude ou outro assistente e deixe que ele revise a página da skill e instale para você.
Baseado na classificação ocupacional SOC
全面审核学术项目的论文质量、数据完整性、代码规范和工程化水平。两阶段：Phase 1 自动扫描（秒级脚本）+ Phase 2 AI 深度审核（多 agent 团队）。务必在以下场景触发：用户说审计/审核/体检/检查项目、验证数据一致性、检查论文质量或格式、查重风险评估、AIGC 检测或降风险、投稿前检查、代码审查（针对整个项目而非单个 PR）、检查 git 历史或依赖安全、可复现性验证、开源合规检查。即使用户只说'帮我检查一下'或'看看有没有问题'，只要上下文涉及学术项目或论文，也应该触发。不要在用户只想修单个 bug、写新代码、跑实验、翻译、做 PPT 时触发。
Use when the user asks to interpret, summarize, or explain recent Claude Code release notes, changelogs, version updates, or new features
学术翻译工作流（三阶段反思）。适用场景：翻译论文段落/摘要/全文、LaTeX 文件翻译+编译、arXiv 论文源码翻译、中英互译。当用户说翻译/translate/帮我翻成英文/中文/polish my writing 时触发。不要在用户只想查术语解释时触发（那用对话即可）。
从实验数据文件自动生成 LaTeX 表格。用法：/exp-table [表格类型] [选项]。消除手工抄录错误，支持期刊改写时快速切换格式。
论文编译助手 — 编译、错误解析、字数统计、交叉引用检查。用法：/thesis [build|errors|wordcount|refs]
配置或查看项目的训练平台默认值（Kaggle/Colab/SSH 远程 GPU）。首次在项目中使用 trainhub 前运行，或要切换默认平台、更新凭据引用、调整指标口径时使用。触发词：配置训练平台、setup training、训练默认值、切平台。
| 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。 |
| 参数 | 必填 | 含义 |
|---|---|---|
run | 是 | run_name |
platform | 否（默认读 .trainhub.json） | kaggle / ssh / colab |
kaggle kernels output <account>/<kernel_prefix>-<run_name> -p /tmp/kg-<run_name>
# 产物通常是 <run_name>.zip 里面打包了整个 results/<run_name>/
unzip -q /tmp/kg-<run_name>/<run_name>.zip -d /tmp/kg-<run_name>/extracted/
rsync -az <host>:<remote_dir>/<run_name>/results/ /tmp/ssh-<run_name>/
从 Google Drive 的 drive_folder/<run_name>/ 下载（用 rclone 或 gdown）。
.trainhub.json.metric）# 最佳 epoch 行（按 primary metric 的 best_fn=max/min）
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=$0 } }
END { print row }
' results.csv
提取：epoch, metrics/mAP50(B), metrics/mAP50-95(B), metrics/precision(B), metrics/recall(B)
.trainhub.json.archive）target="<weights_dir>/<filename_pattern>" # 如 weights/L2-P4-ema-p5-kaggle/
mkdir -p "$target"
cp /tmp/*/extracted/**/best.pt "$target/"
cp /tmp/*/extracted/**/results.csv "$target/"
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）。
harvest 成功后删 /tmp/<platform>-<run_name>/ 临时目录，避免 /tmp 堆积。