Trackio 是用于机器学习训练的实验跟踪库，主要用途是记录并可视化训练指标，并可同步到 Hugging Face Spaces 生成实时监控面板。适合需要跟踪训练过程、按条件发出诊断告警、以及在训练中或训练后查询指标与告警的场景。
主要能力与用法分三类。其一是 Python API 日志记录：在训练脚本中 import trackio，用 trackio.init() 初始化，用 trackio.log() 记录指标，或用 TRL 的 report_to="trackio"，最后用 trackio.finish() 收尾。远程或云端训练可传 space_id，指标会同步到 Space 看板，实例结束后仍可保留；自动创建的 Space 默认公开，可通过 private=True 设为私有。
其二是 Python API 告警：用 trackio.alert() 标记重要事件，支持 INFO、WARN、ERROR 三个级别，可用 trackio.AlertLevel.WARN 等指定。告警会打印到终端、存入数据库、显示在看板，并可选发送到 webhook（Slack/Discord）。对 LLM 智能体而言，告警是自主迭代实验的主要机制，可在损失激增、梯度 NaN、准确率过低、训练停滞等诊断条件下插入；前台运行时智能体可直接从终端输出看到告警，后台或分离运行时可改用 CLI 轮询。
其三是 CLI 查询：trackio list 可发现项目、运行、指标等，trackio get 可获取摘要与数值，trackio list alerts --project <name> --json 可获取告警，trackio show 启动看板，trackio sync 同步到 HF Space。加 --json 可获得适合自动化与 LLM 智能体的程序化输出。
自主实验的推荐流程是：训练代码中插入告警；后台启动训练；用 trackio list alerts --project <name> --json --since <timestamp> 轮询；用 trackio get metric 查看具体数值；根据告警与指标停止运行、调整超参数并启动新运行。
限制方面：具体安装命令、版本要求、支持的指标类型与平台兼容性资料中暂未提供。需注意自动创建的 Space 默认公开，若指标不宜公开应传 private=True。