训练代码约定

配置库负责输入，wandb 负责训练过程，arboria 负责决策和账本，三者靠同一个 run id 连起来。arboria 不强制用哪个配置库。托管的 CLAUDE.md 区块里也写着这四条。

1. 导出解析后的配置

启动时把完整的、解析后的配置写到 $ARBORIA_OUT/config.yaml。arb poll 拉回后把它存进账本（runs.config_json），notebook 里是 lab.get("r003").config。

import os, yaml
out = os.environ["ARBORIA_OUT"]
os.makedirs(out, exist_ok=True)
with open(os.path.join(out, "config.yaml"), "w") as f:
    yaml.safe_dump(cfg, f)

2. wandb 用 arboria 给的 id

wandb.init(id=os.environ["ARBORIA_WANDB_ID"], group=os.environ["ARBORIA_IDEA"], config=cfg)

ARBORIA_WANDB_ID = <项目 id>-<run id>，几个仓库共用一个 wandb project 也不冲突。arboria.toml 的 [wandb] entity、project 都填了时，arb submit 记下 run 的 wandb 链接，notebook 里 r.metrics([...]) 也用它们。

3. 路径只从角色变量读

ARBORIA_DATA、ARBORIA_CACHE、ARBORIA_CKPT_DIR、ARBORIA_OUT，不写死路径。机器之间的差异都在机器 profile 里。完整列表见作业里的环境变量。

4. checkpoint 可以续训

checkpoint 存到 ARBORIA_CKPT_DIR，启动时有就从最新的续训。超过分区上限的 run 会被拆成几段串起来跑（ARBORIA_SEGMENT 是第几段），靠的就是这一条。

覆盖参数

lab.run(set={...}) 和 arb submit --set k=v 把参数接在 [run] command 后面，拼法由 [run] override_style 决定：

override_style	--set lr=1e-4 变成
hydra	lr=1e-4
argparse / tyro	--lr 1e-4

新项目可以考虑 dataclass + tyro：键名或类型写错时立刻报错。已经用 Hydra 或 dict 的项目照旧。