准备客户端与凭据
客户端只需 Python 3.10+，无需安装额外依赖。在「访问管理」创建独立读写 Token，保存在私密文件中。
↓ 下载 checkpoint_client.py$env:CHECKPOINT_TOKEN_FILE = 'C:\private\checkpoint-token.txt'
python checkpoint_client.py request GET /api/storage正在同步
WORKSPACE / OVERVIEW
训练总览.
跟踪训练进度，让每个模型版本有据可查。
实验与训练 0
训练状态由训练端上报，每 5 秒刷新
◉ SHA-256 完整性校验原始文件存储 · 不解析模型内容
WORKSPACE / ARTIFACTS
检查点仓库.
浏览可恢复版本，管理热存储与历史归档。
WORKSPACE / ACCESS
访问管理.
为每个人或训练设备创建独立 Token，按需授权，随时撤销。
最小权限，独立凭据。 日常训练使用「读写」，只下载使用「只读」；永久删除检查点需要管理员权限。Token 仅在创建时显示一次。
最近操作
WORKSPACE / INTEGRATIONS
OpenAPI ↗让训练接入工作空间.
Python 客户端、JSON CLI 和标准 API，适合人工与 agent 操作。
创建实验，上报训练进度
使用稳定的实验 key，重试会返回同一个实验。训练中至少每分钟上报一次；超过 120 秒无心跳会明确提示。
保存、上传、恢复
先在训练电脑上完整保存 checkpoint，再上传。客户端分块传输并支持续传；服务端验证 SHA-256 后才发布。
用于继续训练时，请同时保存模型权重、优化器、调度器、训练步数及随机状态。该工具保持原文件内容。
在训练脚本中调用
from checkpoint_client import CheckpointClient
hub = CheckpointClient()
hub.report(run_id, step=100, total_steps=1000,
epoch=1, metrics={'loss': 0.42})
hub.upload(run_id, 'step-100.pt', step=100)
# 训练结束后显式上报 status='completed'上报和上传由训练脚本发起。大文件上传可放到独立后台任务，网络异常应记录并重试。