用途：本地复现 Emerging-Optimizers 仓库门禁 PR 的 L0 CI 检查，包含 .github/workflows 中 cicd-main.yml 与 code-linting.yml 对应的步骤。
主要阶段：
- Lint（宿主机）：uv run pre-commit run --all-files --show-diff-on-failure --color=always，运行 ruff、mypy、文件结尾/空白、no-underscore-md 等钩子，是唯一在宿主机运行的阶段。
- L0 CPU 测试（容器）：分布式 muon utils（nproc=4,8）、test_scalar_optimizers.py、test_procrustes_step.py。
- L0 GPU 测试（容器）：tests/test_*.py（排除 _cpu.py）跑两遍（随机种子与 --seed=42），再跑 tests/convergence/_test.py（--seed=42）。
用法参数：无参数执行全部三阶段并在首个失败停止；lint/cpu/gpu 只跑对应阶段；nogpu 跑阶段 1+2；keepgoing 不因失败停止；affected 只跑与相对 main 变更文件关联的测试（阶段 1 仍全量 lint）。参数可组合，如 affected gpu、cpu keepgoing。
必要用法：测试必须在容器内执行，不可在宿主机运行；容器镜像由 docker/Dockerfile.ci 的 FROM 行解析，勿硬编码版本，uv 版本与 --no-install-package 白名单也在该文件解析。核心命令为 docker run --rm --gpus all 挂载当前目录后在容器内安装 uv、创建带 --system-site-packages 的 venv、uv sync --link-mode copy --locked --all-groups，再用 python -m torch.distributed.run 与 python 执行各测试。不要用 pytest 调用，仓库使用 absl.testing 并依赖 --device/--seed。
前置条件：宿主机安装 uv；docker 配置 nvidia runtime 且 --gpus all 可用；拉取 docker/Dockerfile.ci 声明的 NGC pytorch 镜像（约 22 GB，可能需要 nvcr.io 登录）。
限制：不覆盖 copyright-check 外部工作流与 L1 长期收敛测试；affected 的 import-grep 是语法级匹配，可能漏掉经由 init.py 再导出的间接依赖；registry.py、mixin.py 变更应视为影响所有优化器测试；emerging_optimizers/ 与 tests/ 之外的变更不会映射到测试。