用途：Trackio 是 Hugging Face 的实验跟踪库，用于记录、可视化并在训练后或训练中查询 ML 训练指标与诊断告警，可同步到 Hugging Face Spaces 形成实时监控看板。
主要能力：提供三类接口。1) Python API 记录指标：import trackio，trackio.init() 初始化，trackio.log() 记录，trackio.finish() 收尾；也可用 TRL 的 report_to="trackio"。远端/云端训练时传入 space_id，指标同步到 Space 看板，实例结束后仍保留。2) Python API 触发告警：trackio.alert(title=..., level=trackio.AlertLevel.WARN) 标记重要事件，级别有 INFO、WARN、ERROR；告警会打印到终端、存入数据库、显示在看板，并可发送到 Slack/Discord 等 webhook。对 LLM 智能体而言，告警是自主实验迭代的主要机制，可在训练代码中为 loss 飙升、NaN 梯度、低准确率、训练停滞等条件插入告警；前台运行时智能体可从输出看到，后台运行时可用 CLI 轮询。3) CLI 查询：trackio list projects/runs/metrics 发现可用对象，trackio get project/run/metric 获取摘要与数值，trackio list alerts --project <name> --json 获取告警，trackio show 启动看板，trackio sync 同步到 HF Space；加 --json 便于自动化与智能体处理。
使用方式：最小记录示例为 import trackio; trackio.init(project="my-project", space_id="username/trackio"); trackio.log({"loss": 0.1, "accuracy": 0.9}); trackio.finish()。最小检索示例为 trackio list projects --json 和 trackio get metric --project my-project --run my-run --metric loss --json。自主实验工作流：带告警启动训练、后台运行、用 trackio list alerts --project <name> --json --since <timestamp> 轮询、读取指标、据此停止并调整超参后重跑。
适用场景：训练指标记录与可视化、云端/远端训练持久化监控、训练诊断告警与 webhook 通知、智能体自主实验迭代。
限制：资料未提供安装命令、支持的平台范围、收费与价格信息，也未提供除上述接口外的其他功能说明，这些内容暂未提供。