跳转到主要内容

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.

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

安装 starter example

安装 platform-created repositories 中已经包含的 local OpenAI starter package：
pip install -e rollouts/multiply-local-openai
3

运行本地 eval

用小型本地数据集 smoke-test rollout。configs/eval/multiply-local-openai.toml 中的 starter eval config 使用 OpenAI endpoint，并从 OPENAI_API_KEY 读取 API key。运行 eval 前先设置 key。您可以把它放在 workspace root 的 .env 文件中：
OPENAI_API_KEY=sk-...
请在本地使用真实 key，并确保 .env 不提交到 Git。或者在当前 shell 中 export：
export OPENAI_API_KEY="sk-..."
然后运行 local eval：
osmosis eval run configs/eval/multiply-local-openai.toml --limit 10
4

上传训练数据

上传 starter example 自带的数据集。training config 会以 multiply 名称引用已上传的数据集。
osmosis dataset upload data/multiply.jsonl
5

提交训练

等待 Git Sync 处理完仓库后，提交训练：
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 checkpoint：
osmosis train info <run-name>
osmosis deploy <checkpoint-name>
到这里，您已经用已知可运行的代码跑完了完整 Osmosis loop：local eval、dataset upload、training submit 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 & Models

了解数据集格式、验证和模型管理。

Deployments

部署已训练 checkpoints。