К основному содержанию
скилл CX Codex

monitor-experiment — скилл для Claude Code: мониторинг и установка

Скилл проверяет запущенные эксперименты, собирает логи и JSON-результаты. Пригодится, когда нужно понять статус задачи и сравнить метрики.

Установить в Claude Code · Через Skills CLI (Vercel) Все способы и платформы ↓
npx skills add wanshuiyin/Auto-claude-code-research-in-sleep --skill monitor-experiment -a claude-code
Открыть на GitHub

Что делает monitor-experiment

Скилл проверяет процессы на удалённом сервере, в Vast.ai и Modal. Он смотрит активные сессии screen, забирает последние строки вывода, ищет свежие JSON-файлы и помогает собрать результаты в сравнительную таблицу с базовой линией.

Для экспериментов с wandb: true в CLAUDE.md он может получить кривые обучения, eval-метрики, learning rate, состояние запуска и данные о GPU через Python API. Для Vast.ai учитывается стоимость работы инстанса, а для Modal — фактическое время и расчётная стоимость. Если настроен ~/.claude/feishu.json, после сбора результатов отправляется уведомление.

Скилл использует команды ssh, screen, vastai, modal и чтение файлов проекта. Для W&B нужен доступ к Python API, а сбор метрик включается только при соответствующей настройке в CLAUDE.md — это повод проверить конфигурацию до запуска мониторинга.

Какие задачи решает

  • проверить, завершился ли удалённый эксперимент
  • собрать последние строки из сессий screen
  • найти и разобрать JSON-файлы с результатами
  • сравнить метрики с базовой линией
  • оценить стоимость запуска в Vast.ai или Modal

Примеры запросов агенту

  • Проверь эксперимент на сервере gpu-1 и покажи последние логи.
  • Мониторь сессию screen train-model и сообщи, завершилась ли задача.
  • Собери результаты эксперимента, сравни их с baseline и проверь метрики W&B.

Как установить monitor-experiment

1Через Skills CLI (Vercel)

npx skills add wanshuiyin/Auto-claude-code-research-in-sleep --skill monitor-experiment -a claude-code

2Вручную: положить файлы

~/.claude/skills/monitor-experiment/SKILL.md

Папка скилла целиком; для одного проекта — .claude/skills/monitor-experiment/

По шагам, с командами для каждой платформы: Как установить скилл в Claude Code: пять способов

Вопросы о monitor-experiment

Как установить monitor-experiment в Claude Code?

Выполните npx skills add wanshuiyin/Auto-claude-code-research-in-sleep --skill monitor-experiment -a claude-code, затем повторите npx skills add wanshuiyin/Auto-claude-code-research-in-sleep --skill monitor-experiment -a claude-code. Файл скилла находится по пути ~/.claude/skills/monitor-experiment/SKILL.md.

Что делает monitor-experiment?

Он проверяет состояние экспериментов, собирает вывод из screen, JSON-результаты и, при настройке W&B, метрики запусков. Затем скилл показывает сырые значения, сравнение с базовой линией и замечания по ошибкам или незавершённым задачам.

Когда monitor-experiment получает метрики W&B?

Только когда в CLAUDE.md установлено wandb: true. Скилл использует Python API W&B для чтения истории и итоговых метрик запуска.

Исходный текст

SKILL.md · MIT
---
name: monitor-experiment
description: Monitor running experiments, check progress, collect results. Use when user says "check results", "is it done", "monitor", or wants experiment output.
argument-hint: "[server-alias or screen-name]"
allowed-tools: Bash(ssh *), Bash(echo *), Read, Write, Edit
---

# Monitor Experiment Results

> ⏱ **External cadence is appropriate here.** This skill waits on an external
> fact (job completion / progress), so it is a natural `/loop` / `CronCreate`
> surface: the wake reads status and self-judges only **machine-checkable**
> completion (exit code, file exists, epoch logged) — never quality. This is
> the additive external-wait shape in
> [`shared-references/external-cadence.md`](../shared-references/external-cadence.md).
> If a scheduled wait here ends in a verdict step (e.g. then audit results),
> run that verdict **once** after the wait clears — not re-entered per tick.

Monitor: $ARGUMENTS

## Workflow

### Step 1: Check What's Running

**SSH server:**
```bash
ssh <server> "screen -ls"
```

**Vast.ai instance** (read `ssh_host`, `ssh_port` from `vast-instances.json`):
```bash
ssh -p <PORT> root@<HOST> "screen -ls"
```

Also check vast.ai instance status:
```bash
vastai show instances
```

**Modal** (when `gpu: modal` in CLAUDE.md):
```bash
modal app list         # List running/recent apps
modal app logs <app>   # Stream logs from a running app
```
Modal apps auto-terminate when done — if it's not in the list, it already finished. Check results via `modal volume ls <volume>` or local output.

### Step 2: Collect Output from Each Screen
For each screen session, capture the last N lines:
```bash
ssh <server> "screen -S <name> -X hardcopy /tmp/screen_<name>.txt && tail -50 /tmp/screen_<name>.txt"
```

If hardcopy fails, check for log files or tee output.

### Step 3: Check for JSON Result Files
```bash
ssh <server> "ls -lt <results_dir>/*.json 2>/dev/null | head -20"
```

If JSON results exist, fetch and parse them:
```bash
ssh <server> "cat <results_dir>/<latest>.json"
```

### Step 3.5: Pull W&B Metrics (when `wandb: true` in CLAUDE.md)

**Skip this step entirely if `wandb` is not set or is `false` in CLAUDE.md.**

Pull training curves and metrics from Weights & Biases via Python API:

```bash
# List recent runs in the project
ssh <server> "python3 -c \"
import wandb
api = wandb.Api()
runs = api.runs('<entity>/<project>', per_page=10)
for r in runs:
    print(f'{r.id}  {r.state}  {r.name}  {r.summary.get(\"eval/loss\", \"N/A\")}')
\""

# Pull specific metrics from a run (last 50 steps)
ssh <server> "python3 -c \"
import wandb, json
api = wandb.Api()
run = api.run('<entity>/<project>/<run_id>')
history = list(run.scan_history(keys=['train/loss', 'eval/loss', 'eval/ppl', 'train/lr'], page_size=50))
print(json.dumps(history[-10:], indent=2))
\""

# Pull run summary (final metrics)
ssh <server> "python3 -c \"
import wandb, json
api = wandb.Api()
run = api.run('<entity>/<project>/<run_id>')
print(json.dumps(dict(run.summary), indent=2, default=str))
\""
```

**What to extract:**
- **Training loss curve** — is it converging? diverging? plateauing?
- **Eval metrics** — loss, PPL, accuracy at latest checkpoint
- **Learning rate** — is the schedule behaving as expected?
- **GPU memory** — any OOM risk?
- **Run status** — running / finished / crashed?

**W&B dashboard link** (include in summary for user):
```
https://wandb.ai/<entity>/<project>/runs/<run_id>
```

> This gives the auto-review-loop richer signal than just screen output — training dynamics, loss curves, and metric trends over time.

### Step 4: Summarize Results

Present results in a comparison table:
```
| Experiment | Metric | Delta vs Baseline | Status |
|-----------|--------|-------------------|--------|
| Baseline  | X.XX   | —                 | done   |
| Method A  | X.XX   | +Y.Y              | done   |
```

### Step 5: Interpret
- Compare against known baselines
- Flag unexpected results (negative delta, NaN, divergence)
- Suggest next steps based on findings

### Step 6: Feishu Notification (if configured)

After results are collected, check `~/.claude/feishu.json`:
- Send `experiment_done` notification: results summary table, delta vs baseline
- If config absent or mode `"off"`: skip entirely (no-op)

## Key Rules
- Always show raw numbers before interpretation
- Compare against the correct baseline (same config)
- Note if experiments are still running (check progress bars, iteration counts)
- If results look wrong, check training logs for errors before concluding
- **Vast.ai cost awareness**: When monitoring vast.ai instances, report the running cost (hours * $/hr from `vast-instances.json`). If all experiments on an instance are done, remind the user to run `/vast-gpu destroy <instance_id>` to stop billing
- **Modal cost awareness**: Modal auto-scales to zero — no idle billing. When reporting results from Modal runs, note the actual execution time and estimated cost (time * $/hr from the GPU tier used). No cleanup action needed

© wanshuiyin · MIT · wanshuiyin/Auto-claude-code-research-in-sleep

Похожие скиллы

Всё по теме «ИИ и ML» →
vastai-sdk vast-ai Скилл подсказывает агенту, как через Python SDK управлять GPU-инстансами, томами и серверлесс-эндпоинтами на Vast.ai. Пригодится, когда арендуешь GPU и хочешь автоматизировать запуск. CX Codex +1 333установок experiment-code lingzhi227 Пишет и дорабатывает код ML-экспериментов для научной статьи: обучение, оценка, отладка, графики. Пригодится, когда нужно прогнать серию запусков и сравнить результаты. CX Codex +1 1 600установок experiment-pipeline EvoScientist Ведёт исследовательский эксперимент по четырём стадиям с лимитами попыток и условиями перехода. Пригодится, когда базовый результат ещё не воспроизведён, а метод уже хочется проверять. CX Codex +1 389установок experiment-craft EvoScientist Скилл для Claude Code, который находит причины сбоев в экспериментах ML и ведёт журнал гипотез. Помогает при расхождении обучения или нестабильных результатах. CX Codex +1 373установок modal-serverless-gpu Orchestra Research Скилл, который помогает запускать ML-задачи на серверных GPU Modal: обучение, инференс, батчи. Пригодится, когда не хочется поднимать кластер самому. CX Codex +1 954установок tao-run-on-slurm NVIDIA Corporation Скилл отправляет задания TAO на GPU-кластер SLURM через SSH, sbatch и Pyxis/Enroot. Нужен, когда обучение или инференс должны идти на кластере с общей Lustre-файловой системой. CX Codex +1 1 600установок

Из того же набора78

paper-illustration Генерирует научные иллюстрации и схемы архитектур для публикаций через Gemini с проверкой качества в Claude. CX Codex +1 527установок paper-plan Собирает структуру научной статьи по разделам из выводов ревью и результатов экспериментов. Пригодится до того, как вы начнёте писать текст. CX Codex +1 526установок run-experiment Скилл разворачивает и запускает ML-эксперименты на локальном GPU, удалённом сервере, Vast.ai или Modal. Пригодится, когда обучение надо стартовать, а не настраивать вручную. CX Codex +1 523установок paper-slides Скилл для Claude Code превращает готовую научную статью в доклад: верстает слайды в Beamer LaTeX и PPTX, готовит заметки и текст речи. CX Codex +1 520установок proof-writer Разбирает утверждения из теории ML и собирает математические доказательства в файл PROOF_PACKAGE.md. Помогает найти пробелы в рассуждениях. CX Codex +1 515установок paper-compile Автоматизирует сборку LaTeX-статей в PDF через latexmk, исправляет ошибки вёрстки и сверяет лимиты страниц под конференции. CX Codex +1 507установок result-to-claim Скилл разбирает результаты экспериментов и решает, какие утверждения они подтверждают, а какие нет. Пригодится перед тем, как писать статью или запускать абляции. CX Codex +1 506установок ablation-planner Планирует ablation studies под вопросы рецензентов: Codex проектирует эксперименты, Claude проверяет выполнимость и запускает их. CX Codex +1 505установок

Спонсоры проекта

Компании, которые помогают держать аналитику открытой