用途：管理 ML 实验的元数据层，即记录跑了什么、用什么配置、得到什么结果；不管理训练代码、检查点或日志。每个实验对应一个 YAML 文件，作为其“身份卡”，随训练步骤累积基准结果，便于汇报或决策时跨实验比较。
主要能力：注册实验、列出与筛选（按状态、类型、系列）、查看详情、添加基准、比较实验、更新状态与发现。ID 如 exp07a/exp07b 会自动归入系列 exp07，可用 exp list --series exp07 查看同一实验想法的全部变体。list/show/compare 均支持 --json 输出。
使用方式：先安装 exp CLI：pip install exp-registry。若项目无 exp.config.yaml，需先运行 exp init（不要静默初始化，应让用户确认项目根目录）。常用命令：exp init；exp list；exp list --status completed；exp list --type rl；exp list --series exp07；exp show <id>；exp show <id> --json；exp register <id> --type rl --model Qwen3-VL-8B；exp add-benchmark <id> --dataset mmlu --eval-mode cot --samples 100 --step 50 --extra acc=0.72；exp compare <id1> <id2> --dataset mmlu；exp update <id> --status completed；exp update <id> --finding "key insight"。比较前先用 exp show 发现共享数据集与 eval_mode，再按共享维度比较；若无共同基准应告知用户，不要静默输出空比较。
配置与结构：exp.config.yaml 位于项目根目录，含 registry_dir、paths_template、defaults、types 等；配置从当前工作目录向上查找，无配置时使用默认 registry_dir: experiments/。每个实验为 <registry_dir>/<exp_id>.yaml，必填字段 id、name、type、series、date、status；series、paths、date 自动生成。基准按数据集与步骤组织，记录性能随训练的变化。
适用场景：ML 研究中的实验登记、训练过程基准记录、会议或报告前的实验比较、按系列查看变体。
限制：仅管理元数据，不涉及训练代码、检查点与日志；需先安装 exp CLI 并初始化配置；YAML 损坏需人工直接修复。常见错误包括重复 ID、ID 不存在、比较时数据集错误、必填字段缺失。