train-watch

train-watch — 训练状态查询

参数

参数	必填	含义
run	是	run_name（与 train-submit 对齐）
platform	否（默认读 .trainhub.json）	kaggle / ssh / colab

平台 adapter

Kaggle

kaggle kernels status <account>/<kernel_prefix>-<run_name> 2>&1 | grep -v -i warning

状态映射：

• RUNNING → 继续
• COMPLETE → 调 train-harvest run=<run_name>
• ERROR / CANCELLED → 拉 log 诊断：

  kaggle kernels output <id> -p /tmp/kg-err-<run_name>
  tail -100 /tmp/kg-err-<run_name>/<script_name>.log
  

SSH

ssh <host> 'tmux list-sessions 2>/dev/null | grep <run_name>'
ssh <host> 'tail -30 <remote_dir>/<run_name>/train.log'

• session 存在且 log 有最近输出 → RUNNING
• session 消失且 log 末尾有 training complete 或 mAP → COMPLETE
• session 消失且 log 有 Error / Traceback → ERROR

Colab

Colab 没有服务端轮询 API。建议约定：训练脚本末尾 curl -s POST 一个 webhook（或把 results.csv 传到 Drive），train-watch 通过检查 Drive 判定完成。

循环监控建议

本 skill 单次查询。要每 10min 自动轮询用 /loop：

/loop 10m 跑 train-watch run=L2-P4-ema-p5-kaggle，COMPLETE 时调 train-harvest

和 /loop 配合时的终止条件

Loop 内容里指定"所有 runs 都 COMPLETE 后 CronDelete"，避免空转。