用途：该技能用于部署并运行机器学习实验，适用于本地 GPU、SSH 远程服务器或 Vast.ai 云 GPU 场景，触发条件包括“run experiment”“deploy to server”“跑实验”或需要启动训练任务。
主要能力与流程：首先读取项目 CLAUDE.md 判断实验环境（gpu: local / remote / vast），若未找到服务器信息则询问用户。随后进行预检，通过 nvidia-smi 查询 GPU 占用，空显存判定为 memory.used < 500 MiB，Mac MPS 通过 python -c "import torch; print('MPS available:', torch.backends.mps.is_available())" 检测。远程场景需同步代码，默认 rsync，仅同步 .py 等必要文件，不传数据与检查点；也可在配置 code_sync: git 时改用 git push/pull。若 CLAUDE.md 中 wandb: true，可为训练脚本自动添加 wandb.init() 与 wandb.log()。部署时远程使用 screen 会话并绑定 CUDA_VISIBLE_DEVICES，Vast.ai 使用 /workspace/project/ 且无需 conda，本地直接运行或用后台模式。
验证与收尾：通过 screen -ls 确认启动，可选发送飞书通知；使用 gpu: vast 且 auto_destroy: true 时，实验完成后下载结果与日志、执行 vastai destroy instance 并报告费用。
限制：需要项目 CLAUDE.md 提供服务器与环境信息；Vast.ai 需安装 vastai 并配置 API key 与 SSH 公钥；W&B 需预先登录。技能强调必须先检查 GPU 可用性，每个实验独立 screen 会话与 GPU，日志用 tee 保存。