跳转到主要内容
本指南是 onboarding 之后最快的路径：复制命令、运行内置的 multiply-local-openai example，并在自定义任何内容之前提交一次训练。 如果您已经有数据集或 task-specific rollout 想法，请改用 创建自己的 Rollout。
本指南假设您已经完成 Onboarding：workspace repository 已 clone，CLI 已安装并认证，并且命令会在 workspace directory 中运行。
1

验证 workspace context

运行 example 前，确认 CLI 可以解析您的 workspace：
osmosis doctor
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 — configs/eval/multiply-local-openai.toml 和 configs/training/multiply-local-openai.toml 都以 multiply 名称引用它：
osmosis dataset upload data/multiply.jsonl
3

注册 OpenAI secret

Starter evaluation run 会调用 OpenAI endpoint，因此 configs/eval/multiply-local-openai.toml 中的 [secrets] 把 OPENAI_API_KEY 映射到一个 workspace secret record。提交前，请在平台 UI 的 /:orgName/secrets 注册该 secret，让平台能把 key 注入到 evaluation run container。
4

Push 并提交 evaluation run

Push 仓库，让平台能 clone rollout 代码，然后提交 evaluation run：
git push
osmosis eval submit configs/eval/multiply-local-openai.toml
查看进度和结果：
osmosis eval list
osmosis eval info <eval-run-name>
5

提交 training run

Evaluation run 看起来健康后，提交 training run：
osmosis train submit configs/training/multiply-local-openai.toml
6

查看并部署

监控训练任务，并在完成后部署 LoRA model：
osmosis train info <run-name>
osmosis model deploy <lora-model-name>
到这里，您已经用已知可运行的代码跑完了完整 Osmosis loop：dataset upload、evaluation run、training run submission 和 deployment inspection。确认这条路径可用后，再进入 rollout 文档做自定义。

​
下一步

创建自己的 Rollout

准备好把 Osmosis 适配到自己的任务时，请使用 project-local Agent Skills。

Training Runs

了解训练配置、状态和管理方式。

Datasets

了解数据集格式和验证。

Models

管理 base models，并部署已训练 LoRA models。