用途：在本地通过 comfyui-mcp 的 train_* 工具，用 ostris ai-toolkit 在无头 GPU Docker 容器中训练角色/身份 LoRA，基座为 FLUX.1-dev。当前阶段仅支持角色 LoRA，风格/滑块/编辑及其他基座暂未提供。
主要能力：train_prepare_dataset 管理数据集，train_start 管理任务，train_doctor 管理训练器。训练完成后 LoRA 自动落入 ComfyUI 的 models/loras/ 并登记到 LoRA 目录。
使用方式：先运行 train_doctor {action:"doctor"} 做预检，检查 docker、GPU 透传、训练镜像与 HF_TOKEN；若 image:false 则运行 train_doctor {action:"build_image"} 构建镜像。随后用 train_prepare_dataset {action:"prepare"} 准备数据集，再用 train_start {action:"start"} 启动任务，返回 job id 后以 train_start {action:"status", id} 轮询进度。完成后用 LoraLoaderModelOnly、strength 1.0 在 Flux 工作流中验证。
数据集建议：10 到 30 张主体多角度、多表情、多光照、多背景、多距离的图片，多样性优先。触发词选罕见且稳定的词（如 ohwx），不要用真实单词。caption 描述变化部分，以触发词开头，简短客观。
参数默认：steps 2000、lr 1e-4、rank 16、resolution [512,768,1024]、quantize true、saveEvery/sampleEvery 250，可按需覆盖。
限制：需约 24GB 显存（量化后，RTX 4090 级别）；首次运行需下载约 24GB 的 FLUX.1-dev 并缓存 latent，较慢；OOM 时可降分辨率至 [512] 并保持量化；若出现 handoff failed，训练已完成，LoRA 仍在任务输出目录，需手动复制到 models/loras/ 并登记目录。官方资料暂未提供。