用途：在训练前发现 getitune（Geti 训练库）支持哪些可训练模型、配方（recipe）与任务类型。每个可训练模型对应 library/src/getitune/recipe/<task>/ 下的一个配方 YAML，配方可自发现，列出它们即可知道能训练什么、该向 create_engine 传什么。所有命令需在 library/ 目录下运行。
主要能力：Python 侧使用 from getitune.utils import list_models，支持 list_models() 列出全部模型名、return_recipes=True 返回完整配方 YAML 路径、task="DETECTION" 按任务过滤、pattern="efficient" 按名称模式过滤，也可组合使用。CLI 侧运行 getitune find 列出可用模型配方。任务类型定义在 getitune.types（TaskType），涵盖分类（MULTI_CLASS_CLS、MULTI_LABEL_CLS、H_LABEL_CLS）、检测（DETECTION、ROTATED_DETECTION、KEYPOINT_DETECTION）、分割（INSTANCE_SEGMENTATION、SEMANTIC_SEGMENTATION）。名称以 _tile 结尾的配方启用大图分块流水线；每个任务目录还附带 openvino_model.yaml 配方，用于运行已导出的 OpenVINO IR 模型。
使用方式：先用 task= 和/或 pattern= 过滤缩小候选，得到具体模型名或配方路径；确认任务与数据集标注一致（参见 getitune-preparing-datasets）；再把所选模型交给 create_engine(model="...", data="...")（参见 getitune-training-a-model）。
限制：模型名若同时匹配多个任务下的配方会抛出 ValueError 并列出匹配项，需用 task= 消歧（如 create_engine(model="dino_v2", task="DETECTION", ...)）；传入不存在的配方路径（.yaml/.yml）会抛出 FileNotFoundError；可用 list_models(task="...", return_recipes=True) 获取无歧义的完整配方路径。相关技能：getitune-training-a-model、getitune-preparing-datasets、geti-library-dev。