用途：该技能是一个路由文档而非完整手册，用于指导训练或微调 sentence-transformers 模型。它先帮助判断模型类型，再指向需要阅读的参考文档与示例脚本，实际内容（损失函数、评估器、训练脚本结构、模型选择、训练参数、排错）位于 references/ 与 scripts/ 中。
主要能力：按标签区分四类模型——[SentenceTransformer]（双编码器，稠密向量，用于检索、相似度、聚类、分类、去重）、[CrossEncoder]（重排序器，联合打分 query-passage 对，用于两阶段检索）、[SparseEncoder]（SPLADE，稀疏向量，用于倒排索引后端）、[MultiVectorEncoder]（ColBERT，每 token 一个嵌入，MaxSim 打分，用于后期交互检索）。文档要求先完整阅读对应类型的损失、评估器、架构参考与生产模板，再复制模板作为起点，并强调不要仅凭该文件自行合成训练脚本。
使用方式：先识别模型类型，加载必读文件，打开 scripts/train_<type>_example.py 复制为起点，替换 MODEL_NAME、DATASET_NAME、RUN_NAME、损失与评估器，交叉核对损失与数据形状、metric_for_best_model 键名，先做 max_steps=1 的冒烟测试再正式运行。安装命令：pip install "sentence-transformers[train]>=5.0"（多模态加 [train,image]/[audio]/[video]，MultiVectorEncoder 需 >=6.0）；可选 pip install trackio；hf auth login 或设置 HF_TOKEN。
适用场景与限制：强烈建议使用 GPU，CPU 仅适合演示与 StaticEmbedding。默认本地执行、单次运行、结束时推送公共 Hub。脚本需满足若干约束，如记录 baseline_eval、输出 VERDICT 行、静默日志、tee 日志、try/except 推送、冒烟测试等。具体价格、平台支持等事实资料未提供。