用途：在当前 Codex 会话中交互式监控训练质量，判断训练是否仍值得继续。区别于 watchdog 式进程健康检查，它关注指标趋势而非 tmux 是否存在或 GPU 是否空闲。
首次检查前需确认最低监控上下文：WandB run 路径或 URL；回退日志路径、SSH 或本地读取命令；训练目标、预期基线与关键成功指标；训练启动方式（便于必要时停止）；记录决策与证据的项目笔记路径。来源不可用时明确说明并继续用可用来源；WandB 与回退日志都不可达时报告连接问题，将本轮判为 WAIT，不得仅因数据不可达推断训练有问题。
每轮检查：配置 WandB 时优先读 WandB，不可达则读回退日志。至少检查训练 loss 趋势、eval 指标相对基线的改善/持平/退化、loss/梯度/激活/指标中的 NaN 或 Inf、突增或发散、学习率调度、梯度范数、平台期。
每轮在当前终端输出结构：数据源（wandb_ok | log_fallback | unreachable）、run、近期指标、异常、证据（WandB URL、日志行、指标值或文件）、决策（CONTINUE | WAIT | STOP）、理由、下次检查时间。CONTINUE 表示健康、继续监控；WAIT 表示证据不足、噪声、过早或暂不可达，不停训练，稍后再查；STOP 表示明显问题或不再值得继续，需停止训练、保存证据、写笔记、输出 FINAL_SUMMARY 并结束循环。
停止时：若有 stop_command 先运行；否则按启动方式停止相应 tmux 会话、本地/远程进程、调度任务或 notebook 任务。保存 WandB URL、关键指标、日志片段、检查文件和停止原因，追加项目笔记，输出 FINAL_SUMMARY 后结束。不要因普通噪声的首次迹象停止，应找持续趋势或硬故障，并保留足够证据供后续理解。默认间隔 30 分钟，可疑但未达停止标准时可用更短间隔；异常恢复需明确说明并继续监控。