multiply-local-openai example，验证您的 workspace 可以上传 dataset、完成 evaluation run 并提交 training。如果您已经有需要适配的任务或 dataset，请改用自定义 Rollout 指南。
本指南假设您已经完成 Onboarding —— 最快的方式是运行
osmosis quickstart，它会为您留下一个已 clone 的 workspace repository 和已认证的 CLI。请在 workspace directory 中运行下面的命令。1
验证 workspace context
运行 example 前，确认 CLI 可以解析您的 workspace：成功信号： 检查识别出预期的 workspace，并且没有报告阻塞设置的问题。
2
上传数据集
Evaluation run 和 training run 都通过名称引用平台数据集。上传 starter example 自带的数据集 — 成功信号： 上传完成，并且
configs/eval/multiply-local-openai.toml 和 configs/training/multiply-local-openai.toml 都以 multiply 名称引用它：multiply 出现在 workspace dataset 列表中。3
注册 OpenAI secret
Starter evaluation config 需要名为
OPENAI_API_KEY 的 platform secret。如果该值仅供您本人使用，请在 Secrets 中添加 personal secret；如果团队需要共享，请添加 workspace secret，创建 workspace secret 需要 owner 或 admin 权限。如果两个 scope 中都有该名称，运行时优先使用您的 personal 值。成功信号： Secrets 页面列出 OPENAI_API_KEY，且 scope 是预期的 Personal 或 Workspace。4
确认 billing 就绪
提交 evaluation 和 training 都要求 billing 状态正常；本指南后面的可选 model deployment 也有同样要求。对于 self-serve workspace，owner 或 admin 必须添加有效的 payment method；对于 invoiced workspace，不能有 past-due invoice。开始 evaluation 前请检查 Billing。成功信号： workspace 满足其 billing mode 的要求，并且没有阻塞付费操作的 billing action。
5
Push 并提交 evaluation run
Push 仓库，让平台能 clone rollout 代码，然后提交 evaluation run：查看进度和结果：成功信号： evaluation 达到
finished 状态，并可查看其 score、pass rate 和 sample results。6
提交 training run
Evaluation run 看起来健康后，提交 training run：成功信号： 已提交的 run 出现在 workspace 中，并且
osmosis train info 显示其当前状态。multiply dataset 可用、evaluation run 成功完成且 training run 已提交时，您就完成了本快速入门。请继续在 Platform 或使用 osmosis train info 监控该 run，然后通过 rollout 指南将 workflow 适配到您自己的任务。
可选的 Inference Deployment
Training run 完成后，如果您的账号可使用 inference deployment，您可以选择部署其中一个 LoRA model：osmosis model info <lora-model-name> 确认 deployment。本快速入门不要求完成 deployment。
下一步
自定义 Rollout 指南
准备好把 Osmosis 适配到自己的任务时，请使用 project-local Agent Skills。
训练任务
了解训练配置、状态和管理方式。
数据集
了解数据集格式和验证。
模型
管理 base models，并部署已训练 LoRA models。