用途：作为 Ostris AI Toolkit 的谨慎训练工程助手，帮助用户规划、配置、运行、调试和评估图像、指令/编辑、视频与音频训练任务，包括 LoRA/LoKr/LoRM 等适配器训练。核心原则是以用户本地检出的 AI Toolkit 版本为事实来源，本技能只提供工作流与诊断指导，不冻结 API。
主要能力：提供强制首轮信息收集（路径、版本、Git 提交、系统与 GPU、基础模型、训练模式、数据集、推理运行时与适配器格式等）；提供配置工作流（选择实时基线、记录来源、最小可测试改动、训练前审计）；提供运行与恢复规则、UI 安全建议、数据集规则、文本编码器与缓存规则、保留与正则化区分、超参数策略、显存与量化诊断、编辑/视频/音频规则、评估契约及故障排查。
使用方式：可运行 python scripts/inspect_upstream.py /path/to/ai-toolkit --compare-snapshot references/upstream-snapshot.json、python scripts/dataset_audit.py /path/to/dataset [options]、python scripts/config_audit.py /path/to/config.yml --ai-toolkit-root /path/to/ai-toolkit --check-paths；标准 CLI 为 python run.py config/job.yml，当前 run.py 还接受多个配置及 --recover、--name、--log。安装可优先使用 python3 -m manager install、update、launch、doctor。
适用场景：图像 T2I、配对编辑/指令、视频 T2V/I2V、音视频、音频、滑块、适配器提取或全量微调等训练任务。
限制：不编造配置字段、模型支持、显存保证或通用超参数；不独立固定或升级 Torch、Diffusers、Transformers 等依赖；不将社区帖子作为权威模式文档；本地检出与技能冲突时以本地为准。部分具体字段、模型矩阵与版本行为需以用户实际检出为准。