用途：在非自有的租用或远程 GPU 实例上部署、监控、调试长时间作业（训练、评测、消融扫描、批量推理、大数据处理），覆盖 AutoDL、RunPod、vast.ai、Lambda、Paperspace、中国平台、裸 SSH、Slurm、K8s，单实例或多实例。
主要能力：核心平台无关，含十条操作准则与六阶段生命周期（环境审计、SSH 与凭据、包装脚本与 CPU 冒烟门、分离式启动、持久监控、聚合验证与拆除）；边缘按平台提供 profile，各自约定路径、代理、计费动词与 spot 语义。含监控分层架构、并行消融分发、通用与平台陷阱目录，以及训练层调试知识（显存/内存 OOM、分布式启动与多卡 hang、精度与稳定性、吞吐剖析、检查点恢复、分领域问题）。
使用方式：先读平台 profile 的 LAUNCH 部分完成租用与 SSH 密钥注册，再执行六个阶段。关键机制为检查点写入持久存储并在启动时无条件加载最新，分离执行原语（tmux/sbatch/Job/commit）可替换。命令示例：df -h && df -i、nvidia-smi、ssh <alias> 'python -c "import torch;print(torch.cuda.is_available())"'、python -m <your.train.module> --limit-batches 2 --epochs 1。
限制：不适用于纯本地单卡训练、单机多卡 DDP（用 torchrun/accelerate）、托管多云比价（用 SkyPilot）、零运维 serverless（用 Modal）；指标真实性验证需配合相应技能。拆除闸门要求检查点拉回本地并加载验证、且用户明确批准后才可释放/终止/删除。仅 AutoDL profile 经实测，其余六个基于官方文档与社区报告，尚未独立实机验证。绝不自动释放或删除持久文件。