用途：监控正在运行的实验，检查进度、收集结果，适用于用户提出“check results”“is it done”“monitor”或需要实验输出时。
主要能力：通过 SSH 检查服务器或 Vast.ai 实例上的 screen 会话；用 screen hardcopy 抓取每个会话最后若干行输出；查找并读取结果目录中的 JSON 文件；当 CLAUDE.md 中 wandb 为 true 时，通过 Python API 拉取 W&B 运行列表、指定 run 的指标历史与 summary，提取训练损失曲线、评估指标、学习率、GPU 显存与运行状态，并给出 W&B 仪表盘链接；最后以对比表汇总各实验指标、相对基线的差值与状态，并做解读、标记异常、建议下一步；若配置了飞书，可发送 experiment_done 通知。
使用方式：按工作流依次执行。检查运行：ssh <server> "screen -ls"；Vast.ai 实例需从 vast-instances.json 读取 ssh_host、ssh_port，执行 ssh -p <PORT> root@<HOST> "screen -ls"，并用 vastai show instances 查看实例状态。收集输出：ssh <server> "screen -S <name> -X hardcopy /tmp/screen_<name>.txt && tail -50 /tmp/screen_<name>.txt"，hardcopy 失败时改查日志或 tee 输出。检查 JSON：ssh <server> "ls -lt <results_dir>/*.json 2>/dev/null | head -20"，再 cat 最新文件。W&B 步骤在未启用时完全跳过。
限制与注意：需具备目标服务器 SSH 访问权限；W&B 拉取依赖已安装 wandb 并配置好实体与项目；结果解读前必须先展示原始数字，并与相同配置的基线对比；实验仍在运行时需注明；结果异常应先查训练日志中的错误；监控 Vast.ai 实例时需报告运行成本（小时数 × vast-instances.json 中的 $/hr），若实例上所有实验已完成，提醒用户运行 /vast-gpu destroy <instance_id> 以停止计费。飞书配置缺失或模式为 off 时跳过通知。具体收费、平台支持范围等资料暂未提供。