> ## Documentation Index
> Fetch the complete documentation index at: https://docs.osmosis.ai/llms.txt
> Use this file to discover all available pages before exploring further.
# 概览
> 了解 Osmosis Web dashboard 如何管理训练任务、数据集、模型等资源
[Osmosis Platform](https://platform.osmosis.ai) 是用于管理 LLM 强化学习训练的 Web dashboard。它处理 workspace 设置、GitHub 仓库连接、GPU 配置、训练编排、指标采集和 checkpoint 部署，让您专注于定义 agent 行为和评估逻辑。
## 核心能力
通过基于角色的权限管理团队、数据集、训练任务、模型、deployments 和 workspace repository 访问。
用可配置的超参数和 checkpoint cadence 提交、监控和管理 RL 训练任务。
上传并验证最大 5 GB 的 JSONL、CSV 或 Parquet 训练数据集。
列出受支持的 base models，并部署已训练 LoRA models 用于 inference。
跟踪训练任务状态、指标、checkpoints 和 outputs。
创建或连接 workspace repository，以自动同步 rollouts 和 configs。
## 工作方式
从设置到部署 LoRA model 的典型流程分为五个阶段：
从 [Onboarding](/zh/platform/onboarding) 开始，创建或加入平台 workspace、连接 GitHub、clone workspace repository、安装 CLI，并验证本地 workspace context。
使用内置 [Multiply 示例](/zh/platform/quickstart) 跑通一条已知可用的首次训练路径；如果您已经有任务或数据集，请使用 [创建自己的 Rollout](/zh/platform/create-your-own-rollout)。
将 rollout 修改 push 到 GitHub。Git Sync 会发布代码版本，然后 `osmosis eval submit` 会针对平台数据集启动一次 evaluation run，在 training run 前发现 dataset、dependency、workflow 和 grader 问题。
Evaluation run 结果看起来健康后，`osmosis train submit` 会启动 training run。
在 dashboard 中跟踪指标、checkpoints 和 outputs。训练任务完成后，部署 LoRA model。
## 准备开始？
按完整 workspace 设置流程操作，适用于创建者和被邀请成员。
Onboarding 后，运行内置 example，从 evaluation run 到 training run。