适配你的环境

CVSM 只带一个单机的运行参考实现，不带集群、调度器、存储或跟踪服务的适配器。每个接入方通过自己的 issue 适配自己的环境：换的是实现，不改 skill、guard、merge.py 和结果评论所依赖的形状。

哪些由你决定

下面这些都由你的项目自己决定，并通过自己的 issue 去改：

方面	例子
调度器	让 Run 命令把任务提交到 SLURM，同时照样写运行记录
集群和 GPU 分配	每行分几张卡、跑在哪些机器上
数据和产物的存储	数据集和运行产物放在哪里
跟踪后端	把 `MLFLOW_TRACKING_URI` 指向团队的 MLflow 服务器
guard	`.github/guard.toml` 的白名单（`layout`）和 `protected` 路径
CI	`.github/workflows/test.yml` 里装的依赖
结果的语言	参考实现 `results.py` 输出中文；要用别的语言就改 `results.py`

哪些保持不变

这些形状要守住，完整列表见保持不变的接口。

Run 命令：<run> --issue N [options] -- <cmd>。
结果命令：<results> --issue N [N ...] [--metric M ...] [--spec FILE]，FILE 为 - 时从标准输入读。
运行记录：每次运行是一个 MLflow run，带 run.py 写的 cvsm.* 和 cfg.* 参数、产物和最终状态。
结果评论，最后是 规格核对 一节。
issue 表单的 ### 标题、PR 模板、审查评论，以及 merge.py 的规则。

怎么适配

为改动开一个 code issue。 适配就是 plan 父 issue 下的普通工作：讨论、发布（关口 01），再交给 agent 实现。改受保护路径，需要 Scope 明确列出它，并由人合并。
只换接口背后的实现。 例如提交到 SLURM 的 Run 命令，仍然接受 --issue N [options] -- <cmd>，仍然建一个带同样 cvsm.* 参数的 MLflow run，仍然把 $RUN_DIR/config.json 记成 cfg.* 参数。这样 run skill 和结果命令不用改就能用。
更新 AGENTS.md Project 一节的 Run 和 Run records 两行，写成新的命令和后端。skill 调用的就是那里写的命令。

常见的适配

共享或远程的跟踪后端

在会话和 run 的环境里设 MLFLOW_TRACKING_URI。不设时，run.py 和 results.py 用主 clone 根目录下的 mlflow.db，产物放在旁边的 mlartifacts/。实验名取 MLFLOW_EXPERIMENT_NAME，否则取 scripts/run.toml 的 experiment。不论用什么后端，记录都不改不删，也不运行 mlflow gc。

几个用户共用一台机器

run.py 通过 <lock_dir>/<host>/ 下的锁文件租用 GPU。lock_dir 默认是系统临时目录下的 cvsm-gpu-locks，只有共用 TMPDIR 的用户才能互相看见。TMPDIR 按用户区分时，把 scripts/run.toml 的 lock_dir 设成他们都能写的同一个本机目录。

在新 worktree 里运行

run 在新建的 worktree（../worktrees/N-<slug>）里启动，那里没有被忽略的 .venv 和数据目录。让 Run 命令照写的样子就能在那里运行：例如用 uv 时，把 mlflow-skinny、sqlalchemy、alembic 放进 dev 组，写成 uv run python scripts/run.py --issue N -- <cmd>。数据用绝对路径、环境变量或被跟踪的软链找到。

数据指纹

数据目录通常被 git 忽略。维护一个被跟踪的数据清单，例如 sha256sum 的输出存成 data.sha256，把路径写进 run.toml 的 data_manifest，并加进 guard.toml 的 layout 和 protected。

没有 GPU 的 CI

CI 的 runner 没有 GPU。锁文件固定了 CUDA 版 torch 时，在 test.yml 里先装 CPU 版（pip install torch --index-url https://download.pytorch.org/whl/cpu），再装项目依赖。job 名 guard 和 test 保持不变。