AutoSci实验自动化教程：/exp-run三种模式如何自动部署并监控远程GPU实验

• 人工智能
• AI 技能/插件
• 深度研究
• 知识图谱
• MCP 服务

AutoSci是一个以 wiki 为中心的全生命周期 AI 科研平台，其中的/exp-run实验自动化技能可以一键完成实验代码生成、本地/远程 GPU 部署、运行监控与结果收集。本教程带你快速掌握它的三种运行模式（deploy / --collect / --full），几分钟就能把实验丢上远程 GPU 服务器并自动盯盘。

/exp-run是什么：一条龙的实验执行流水线

在 AutoSci 中，实验设计由/exp-design生成到wiki/experiments/目录后，/exp-run就接手执行环节。它把原本需要手工操作的 4 个步骤全部自动化：

完整流程定义见 i18n/zh/skills/exp-run/SKILL.md，远程 GPU 操作的实现集中在 tools/remote.py。

三种运行模式速览：怎么选？

/exp-run用三个参数切换工作模式，适配不同时间尺度的实验：

💡 官方推荐流程：/exp-run <slug>部署 →/exp-status监控 →/exp-run <slug> --collect收集。

模式一：deploy 默认模式，自动部署到远程 GPU

这是最常用的模式。假设wiki/experiments/里有一个status: planned的实验exp-demo，执行：

/exp-run exp-demo --env remote

Agent 会依次完成：

1. 读取实验配置：从实验页提取模型、数据集、硬件、指标与 baseline，并加载关联 idea 的方法草图和参考论文细节；
2. 生成代码：统一写入experiments/code/exp-demo/，模块化组织（训练入口 + utils + 超参配置 + 启动脚本），结果按seed_N.json保存，天然支持多 seed；
3. Sanity check：用小规模数据先跑一遍，验证不 crash、GPU 可用、loss 能下降；
4. 用户确认关卡🚪：这是刻意保留的人工检查点——代码和配置（数据集路径、API 配置等）交给你确认后才真正部署，避免浪费 GPU 资源；
5. 远程部署：调用tools/remote.py依次执行status（连通性）→gpu-status（找空闲 GPU）→sync-code（rsync 代码）→setup-env（装依赖）→launch --gpu N（在远程 screen session 中启动）；
6. 写回 wiki：状态改为running，记录 session 名、启动时间，并根据硬件/数据规模估算 ETA。

完成后终端会输出一份DEPLOY_REPORT：session 信息、日志路径、预计完成时间，以及"用/exp-status监控、用--collect收集"的下一步指引。

远程 GPU 只需一份 server.yaml

远程模式唯一的额外准备工作是复制 config/server.yaml.example 为config/server.yaml，填好四要素：

• host/user/port：SSH 连接信息；
• work_dir：远程工作目录（代码同步到这里、实验也在这里跑）;
• conda或env_setup：环境激活方式；
• 可选的identity_file、proxy_jump（跳板机）与同步 include/exclude 规则。

tools/remote.py会把 9 个远程操作（status、gpu-status、sync-code、setup-env、launch、check、tail-log、pull-results）全部封装成子命令，/exp-run全程无需你手写任何 SSH 命令。

模式二：--collect，检查是否跑完并自动收结果

几小时后（或第二天），执行：

/exp-run exp-demo --collect

它会分两种情况处理：

• 实验还在跑：只输出进度报告（当前 step/epoch、最新指标、异常检测、剩余时间估算），不修改任何 wiki 文件；如果检测到 NaN 或 OOM，会自动尝试一次修复（从 checkpoint 恢复并降学习率，或减小 batch size 重启）。
• 实验已完成：自动拉回远程结果与日志，解析各 seed 的 JSON，计算 mean ± std 并与 baseline 对比，把实验页状态推进到completed，填入 outcome（succeeded / failed / inconclusive）、一句话核心发现，并输出RUN_REPORT，末尾还会建议"接下来运行/exp-eval更新关联 idea 的状态"。

模式三：--full，快速实验一口气跑完

对于 CPU 或本地 GPU 上几分钟就能跑完的实验（sanity check、toy 数据集验证），加--full即可让 Phase 1→4 一口气执行完：生成代码 → 部署 → 轮询等待 screen session 结束 → 收集结果，中间不会返回打断你。如果 session 超过预计时间的 2 倍还没结束，它会警告你但不会强制终止，防止误杀长实验。

用 /exp-status 批量监控所有实验

多实验并行时，/exp-status是统一监控入口（定义见 i18n/zh/skills/exp-status/SKILL.md）。它会扫描所有running实验，逐一检查 screen session / SSH 状态，输出四栏状态表：

• 🔄Running：耗时、最新指标、环境；
• ⚠️Anomaly：NaN / OOM / Traceback 异常及建议动作；
• ✅Completed — Pending Collect：session 已消失、等待收集；
• 📦Already Collected：已收集及结果。

再配合两个高级参数：

• --collect-ready：对所有"已跑完待收集"的实验自动批量执行--collect；
• --pipeline <slug> --auto-advance：在/research流水线中，当所有实验完成时自动推进到 Stage 4（判定与迭代），实现从实验到论文的无人值守衔接。

常见问答

Q：deploy 模式提示"已在运行中"？说明该实验 status 已是running，直接用/exp-run <slug> --collect检查进度即可。

Q：没有本地 GPU 怎么办？配置好config/server.yaml后加--env remote，Agent 会自动查找远程空闲 GPU（显存占用低于阈值即视为空闲）并部署。

Q：实验代码会被 Review LLM 审查吗？可选。deploy / full 模式加--review参数，会调用独立的 Review LLM 以资深 ML 工程师视角审查训练循环正确性、数据泄漏、公平对比等常见坑，并根据反馈修正代码。

Q：结果保存在哪？所有实验结果以 JSON 格式保存在results/{slug}/seed_{N}.json，多 seed 报告取 mean ± std，不报告单次运行，保证结论可复现。

总结：三步搞定实验自动化

配合/exp-eval完成结果判定后，AutoSci 的实验循环就闭环了——记忆沉淀在 wiki，下一个实验会自动参考这次的经验。想深入了解各技能的完整参数与错误处理策略，可以从 i18n/zh/skills/ 目录下的中文技能文档开始读起。

• 人工智能
• AI 技能/插件
• 深度研究
• 知识图谱
• MCP 服务