> ## 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.

# 运行 Multiply 示例

> 使用 starter Multiply example 运行您的第一个 RL training loop

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](/zh/platform/create-your-own-rollout)。

<Note>
  本指南假设您已经完成 [Onboarding](/zh/platform/onboarding)：workspace repository 已 clone，CLI 已安装并认证，并且命令会在 workspace directory 中运行。
</Note>

<Steps>
  <Step title="验证 workspace context">
    运行 example 前，确认 CLI 可以解析您的 workspace：

    ```bash theme={"theme":{"light":"github-light","dark":"github-dark"},"languages":{"custom":["/languages/cli.json"]}}
    osmosis doctor
    ```
  </Step>

  <Step title="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：

    ```bash theme={"theme":{"light":"github-light","dark":"github-dark"},"languages":{"custom":["/languages/cli.json"]}}
    osmosis dataset upload data/multiply.jsonl
    ```
  </Step>

  <Step title="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。
  </Step>

  <Step title="Push 并提交 evaluation run">
    Push 仓库，让平台能 clone rollout 代码，然后提交 evaluation run：

    ```bash theme={"theme":{"light":"github-light","dark":"github-dark"},"languages":{"custom":["/languages/cli.json"]}}
    git push
    osmosis eval submit configs/eval/multiply-local-openai.toml
    ```

    查看进度和结果：

    ```cli theme={"theme":{"light":"github-light","dark":"github-dark"},"languages":{"custom":["/languages/cli.json"]}}
    osmosis eval list
    osmosis eval info <eval-run-name>
    ```
  </Step>

  <Step title="提交 training run">
    Evaluation run 看起来健康后，提交 training run：

    ```bash theme={"theme":{"light":"github-light","dark":"github-dark"},"languages":{"custom":["/languages/cli.json"]}}
    osmosis train submit configs/training/multiply-local-openai.toml
    ```
  </Step>

  <Step title="查看并部署">
    监控训练任务，并在完成后部署 LoRA model：

    ```cli theme={"theme":{"light":"github-light","dark":"github-dark"},"languages":{"custom":["/languages/cli.json"]}}
    osmosis train info <run-name>
    osmosis model deploy <lora-model-name>
    ```
  </Step>
</Steps>

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

<CardGroup cols={2}>
  <Card title="创建自己的 Rollout" icon="wand-magic-sparkles" href="/zh/platform/create-your-own-rollout">
    准备好把 Osmosis 适配到自己的任务时，请使用 project-local Agent Skills。
  </Card>

  <Card title="Training Runs" icon="play" href="/zh/platform/training-runs">
    了解训练配置、状态和管理方式。
  </Card>

  <Card title="Datasets" icon="database" href="/zh/platform/datasets">
    了解数据集格式和验证。
  </Card>

  <Card title="Models" icon="cube" href="/zh/platform/models">
    管理 base models，并部署已训练 LoRA models。
  </Card>
</CardGroup>