用途：规范 Together AI 微调从数据集资格确认到异步任务提交、监控与评估的完整流程，并把模型部署作为独立审批环节。
主要能力：使用 Read、Glob、Grep 检查数据模式、训练配置与已有评估；用 WebFetch 获取当前支持的模型与任务参数；用 Write 或 Edit 仅写入经批准的数据校验、任务清单或评估文件。基于 Together Python SDK v2，使用 client.files.upload() 与 client.fine_tuning.create()。CLI 接受文件 ID 或本地路径，并在确认前报告预估价格。默认优先 LoRA，除非有理由使用全量微调；根据行为目标选择 SFT 或 DPO。
使用方式：先定义目标行为、基线评估、微调方法与成功阈值；校验格式、许可、同意、重复、泄漏、训练/验证分离与 token 分布；确认基础模型当前可微调并估算成本；以微调用途上传并保存返回的文件 ID 到脱敏清单；仅在审批后提交，保存任务 ID、参数、数据集哈希、负责人与取消阈值；有界轮询、查看事件与检查点、评估输出，部署单独交接。认证使用项目级 TOGETHER_API_KEY Bearer 凭据，W&B、Hugging Face 或数据集存储凭据需独立管理并脱敏。
限制：未经数据授权与成本审批不得上传数据或确认付费任务；不得自动部署模型或删除训练产物；基础模型不支持时需重新解析目录，不得静默替换；成本超上限不得确认。输出包含数据集检查、基础模型、方法、预估/批准成本、文件与任务引用、终态、评估差异与部署建议。示例：method=lora-sft; data=validated; estimate=approved; job=ft-redacted; deploy=not-started。