用途：该技能用于训练或微调 sentence-transformers 系列模型，先判定模型类型，再按类型加载对应参考文档与生产模板脚本，避免仅凭本文件自行拼凑训练脚本。
主要能力：覆盖四类模型——SentenceTransformer 双编码器（稠密向量，用于检索、相似度、聚类、分类等）、CrossEncoder 重排器（联合打分 query-passage 对）、SparseEncoder（SPLADE，稀疏向量，适合倒排索引后端）、MultiVectorEncoder（ColBERT，逐 token 嵌入、MaxSim 打分）。提供损失函数、评估器、模型架构、数据集格式、训练参数、基座模型选择、硬件与排障等参考文档，以及各类型和变体（Matryoshka、多数据集、LoRA、蒸馏、多语言、静态嵌入、listwise 等）的示例脚本与难负样本挖掘 CLI。
使用方式：先识别模型类型（含糊时需询问用户）；阅读该类型的必需参考文档；复制 scripts/train_<type>_example.py 作为起点，替换模型名、数据集名、运行名、损失与评估器；先做 max_steps=1 的小样本冒烟测试，再正式运行。默认本地执行、单次运行、结束时推送 Hub。安装命令：pip install "sentence-transformers[train]>=5.0"（多模态另加 [train,image]/[audio]/[video]；MultiVectorEncoder 需 >=6.0）；pip install trackio（可选追踪器）；hf auth login。
限制：强烈建议使用 GPU，CPU 仅适用于演示和 StaticEmbedding。脚本需满足若干约定，如记录 baseline_eval、输出 VERDICT 行、日志写入 logs/{RUN_NAME}.log、推送置于 try/except 等。相关价格、效果与平台支持等事实资料未提供。