用途：训练完成后，把 getitune（Geti 训练库）模型导出为可部署格式，供后续推理使用。
主要能力：支持导出 OpenVINO IR（默认）或 ONNX；每种格式可选 FP32（默认）或 FP16 精度。导出产物可再通过 OpenVINO/ONNX 路径加载推理。
使用方式（Python API）：先创建引擎并训练或加载模型，再调用 engine.export()。默认返回 FP32 OpenVINO IR 的 .xml 路径；导出 ONNX 用 export_format=ExportFormat.ONNX；FP16 用 export_precision=Precision.FP16，两个枚举位于 getitune.types。
CLI 方式：在 library/ 目录下运行 getitune export --data_root /path/to/dataset --model efficientnet_b0，格式与精度标志可用 --help -v 查看。
流程要点：先训练或加载模型（导出作用于引擎当前模型），确认 engine.test() 指标合理；选择格式与精度；确认 work_dir 下产物存在（OpenVINO IR 为 .xml 加 .bin，ONNX 为 .onnx）；再加载导出模型运行 engine.test() 验证精度一致性，FP16 允许小幅漂移。
限制与约定：所有操作在 library/ 下运行；每个模型在 library/src/getitune/backend/lightning/models/<task>/ 实现 forward_for_tracing(...)，它定义导出图，若改动模型输入输出需同步该方法，否则导出一致性会被破坏；导出模型通过 OpenVINO 后端（OVEngine）配合 ModelAPI 加载；各任务还提供 openvino_model.yaml 用于直接加载预导出 IR 模型。验证可运行 just lint 与 just test-unit -- -k export。相关技能包括训练、推理与量化优化。