用途：通过 ArkCLI 管理模型精调训练任务，覆盖创建、列表筛选、任务观察与生命周期操作，以及训练指标分析与产物导出部署。使用前先读取 ../arkcli-shared/SKILL.md，遵循认证、输出、安全与二次确认规则。
主要能力与用法：创建任务见 references/create.md；列出或筛选见 references/list.md；查询、观察或操作指定任务见 references/manage.md；按指标选 step、导出产物并部署见 references/export-deploy.md。普通训练 Dataset 默认用 --train-dataset（Multiplier=1）；需重复引用或倍率时用可重复的 --train-path。未指定训练类型默认 SFT，未指定训练方法默认 LoRA；选全量训练时，创建前会提示当前不支持部署全量产物。
指定任务诊断：给出 mcj-* 查询状态或查不到原因时，先执行 arkcli train finetune get <mcj-id>，再按该 API 原始结果解释；mcj-* 为不透明 ID，不得改写或臆测无效。保存日志用 arkcli train finetune logs <mcj-id> --output <path>；完整轨迹用 arkcli train finetune trajectory list <mcj-id> --full。用户要求不切环境时禁止 list、扫描其他任务或切换 profile/project/region。
限制：不管理数据集，需转 ../arkcli-datasets/SKILL.md；不把 Raw API 或精调 SDK 当默认入口。可训练模型、价格、超参范围、flags 等实时信息不硬编码，应以当前 CLI --help 和查询命令为准。查询价格用 arkcli train finetune pricing --model <model> --type <type>；显式训练方法需先经 models finetune-config 校验能力。分页参数与 metrics 区间有校验约束。SDK 仅作为 fallback，且须用户确认后使用。