用一段 prompt 训练决策模型
本页提供一段可以直接粘贴给编程 Agent（如 Claude Code 或 Codex）的 prompt。Agent 会替你完成金融决策教程：准备数据，在 Qwen/Qwen3.5-4B 上训练 LoRA adapter，部署并与基座模型对比打分，最后释放 GPU。
训练和推理 endpoint 都会分配付费 GPU 资源。prompt 里设置了花费上限，并要求 Agent 在多花钱之前先停下来问你。
开始之前
- 先自己运行一次
el auth login完成登录，见安装并连接 CLI。Agent 复用保存的登录，不需要看到你的 API Key。 - 使用
el auth login发放的 Key。在 Console 创建的 Key 还需要 MANAGE → 资源清理的编辑权限和 MANAGE → 用量的读取权限，否则 Agent 无法读取清理 Operation 和用量（见创建 Key）。 - 可选：为你的 Agent 安装 EnvLoop Skill。不装也可以，prompt 里已经给出 Agent 需要读的页面。
- 确认工作区余额足够覆盖你设定的上限。
Prompt
把 BUDGET_USD 换成单个 Train Job 的花费上限，再把整段粘贴给 Agent。
在 EnvLoop 上训练一个小的决策模型，并证明它比基座模型更好。
先阅读：
- https://docs.envloop.ai/skill.md
- https://docs.envloop.ai/agent-docs/zh-cn/training/tutorials/finance-decision-model.md
准备
1. 新建一个工作目录，所有请求、回执和结果文件都放在里面。
2. 创建虚拟环境，安装 "envloop-cli[data]"、huggingface_hub、pyarrow 和 openai。
运行 `el --version`。
3. 运行 `el auth status --check`。失败时停下，让我运行 `el auth login`。
不要打印、记录或保存任何 API Key。
4. 从教程下载 prepare_data.py 和 evaluate.py。
任务
- 基座模型 Qwen/Qwen3.5-4B，配方 sft，LoRA，关闭 thinking。
- 数据：Hugging Face 数据集 EnvLoop/financial-decision-bench。
用 train split 训练，用 validation split 评测。
- 每行包含一条固定的 system、一条内容为 JSON 对象的 user，
以及只写所选选项 ID 的 assistant。
执行
1. 准备第一轮数据。确认训练文件里没有任何验证行。
记录每个文件的行数和 SHA-256。
2. 用 --max-cost-usd BUDGET_USD 提交 Train Job。
用 `el job metrics JOB_ID --follow` 跟踪。
大约每 30 分钟汇报一次 step、loss 和花费。
3. 训练成功后下载 Checkpoint 并校验 SHA-256。
4. 把 Checkpoint 注册为对应 serving profile 的 adapter。
提交带这个 adapter 的 Inference Job，等它开始服务。
5. 在同一批验证行上给基座模型和 adapter 打分，
temperature 0，max_tokens 16。汇报总准确率和每项能力的准确率。
6. 如果 adapter 没有超过基座，停下来，先把最弱的几项能力给我看，再决定是否继续花钱。
7. 否则按教程做第二轮：用 --focus 把第一轮最弱的两项能力传给
prepare_data.py，从第一轮 Checkpoint 继续训练，再打一次分。
清理
1. 打分结束后立即停止 Inference Job。等到 `el job get` 显示
inference.service_status 为 DELETED、inference.cleanup_confirmed 为 true。
如果 Key 能读取 Operation，再等待它的清理 Operation 完成。
2. 删除我不需要的 adapter。
3. 确认每个 Train Job 都显示 training.cleanup_confirmed 为 true。
4. 最后给我一张表：每一轮的 Job ID、Checkpoint ID、花费、基座准确率和微调后准确率。
规则
- 提高上限或启动上面没有列出的运行之前，先问我。
- 命令失败时，先在文档里查错误码，再决定是否重试。
- 只有重试同一个请求时才复用 request_id。
会发生什么
Agent 会按金融决策教程的步骤执行，结果表应和教程里的类似。第二轮各项能力的提升在不同运行之间有差异。一轮训练需要几个小时，大部分时间在等 GPU 跑 step。Job 运行期间可以关掉对话，之后让 Agent 从工作目录继续。它需要的 ID 都保存在回执文件里。
在 Console 里核对 Agent 的工作：Experiment → Jobs 显示每个 Job 的状态、指标和花费，MANAGE → Usage 显示本次运行的用量。
用你自己的决策数据
要用自己的决策记录训练，把 任务 一段换成：
任务
- 基座模型 Qwen/Qwen3.5-4B，配方 sft，LoRA，关闭 thinking。
- 数据：我的文件 decisions.jsonl。每行是 {"messages": [...]}，包含一条固定的
system、一条描述情境和可选项的 user，以及只写所选选项 ID 的 assistant。
- 训练前按选项分层留出 10% 的行作为验证集，绝不用于训练。
- 如果文件超过单次请求的上限，先按教程“从 Dataset 训练”一节把它发布为 Dataset。
个人决策也是同样的做法。每条记录写清当时的情境、可选的选项和你最终的选择。个人数据请放在私有项目里。
下一步：从 Dataset 训练、部署并调用训练好的模型、监控训练。