ztxexp 1.0.2

Experiment framework for ML/LLM workflows with reproducible run artifacts.

ztxexp

ztxexp 是一个面向深度学习和大模型实验的抽象框架，目标是让实验迭代更快、更可复现。

NEW

• 2026-03-02 16:15:33 (Asia/Shanghai): 发布 v1.0.2 skills 生态支持，新增 ztxexp init-skill/show-skill/remove-skill，可将内置 ztx-exp-manager skill 注入到用户项目；init-skill 在未指定 --target 时支持交互选择写入 skills/、.codex/skills/ 或两处同时写入，并提供受管标记与安全删除策略。
• 2026-03-02 15:28:11 (Asia/Shanghai): 发布 v1.0.1 CLI 能力，新增 ztxexp init-vibe/show-vibe/remove-vibe，可在任意目标项目中持久化写入（或移除）Agent 使用区块，支持 profile/language/project-root/agents-file/dry-run 参数。
• 2026-03-02 13:40:53 (Asia/Shanghai): 版本基线升级为 1.0.0，用于修复历史版本号（0.30.0 与 0.4.0）导致的升级顺序歧义，确保包管理器始终选择正确的最新版本。
• 2026-03-02 12:22:22 (Asia/Shanghai): 完成 v0.4.0 发布级收口，新增 CI 工作流（ruff + pytest + mkdocs --strict + build + twine check）与模板 smoke tests；同时修正依赖分层，mlflow/wandb 保持为可选 extras，不再随 dev 默认安装。
• 2026-03-02 11:56:15 (Asia/Shanghai): 发布 v0.4.0 复现与治理闭环能力：新增 RunMetadata/MetricEvent、meta.json/metrics.jsonl/events.jsonl、ctx.log_metric(...)、name/group/tags/lineage/retry/random_search/track 等接口，并提供 JsonlTracker + 可选 MlflowTracker/WandbTracker。
• 2026-03-02 01:25:15 (Asia/Shanghai): 新增 examples/template_library 可复制模板库（27 个场景模板），覆盖基础构建、并行调度、分析清理、ML、LLM、工程运维。
• 2026-03-02 00:58:21 (Asia/Shanghai): 在 ztxexp.utils 新增 12 个高频实验工具函数，覆盖嵌套配置处理、配置差异比较、可读 run 命名、原子写入、JSONL 读写、重试调用与批处理切分。
  • 新增函数：flatten_dict、unflatten_dict、deep_merge_dicts、dict_diff、sanitize_filename、build_run_name、split_batches、write_text_atomic、save_json_atomic、append_jsonl、load_jsonl、retry_call。
• 规则（持久化）：后续每次仅在“功能或行为”发生更新时，才在本板块追加记录；文档/样式/站点配置类变更不写入本板块。

问题

在真实项目里，实验常见痛点是：

• 参数空间大，配置组合容易失控。
• 并行执行后目录结构混乱，成功/失败难追溯。
• 结果聚合脚本碎片化，清理成本高。

方案

ztxexp 提供四个核心抽象：

1. ExpManager: 负责配置构建（grid、variants、modify、where）。
2. ExpRunner: 负责执行调度（sequential / process_pool / joblib / dynamic）。
3. ResultAnalyzer: 负责聚合与清理。
4. ExperimentPipeline: 一体化入口，适合绝大多数场景。

v0.4 统一并扩展了 run 产物协议（schema v2 兼容）：

• config.json
• run.json
• meta.json（可选）
• metrics.json（可选）
• metrics.jsonl（可选，step 级指标）
• events.jsonl（可选，生命周期事件）
• artifacts/

成功判定规则：run.json.status == "succeeded"

5 分钟跑通

安装

pip install ztxexp

可选：启用 PyTorch 辅助工具。

pip install "ztxexp[torch]"

如果你要导出 Excel 透视表：

pip install "ztxexp[excel]"

CLI：Agent 集成持久化

# 在当前项目中创建或更新受管区块（默认）
ztxexp init-vibe

# 预览将写入内容
ztxexp show-vibe --profile webcoding --language bilingual

# 写入到指定项目根目录
ztxexp init-vibe --project-root /path/to/your-project

# 显式指定目标文件（相对路径基于 project-root）
ztxexp init-vibe --agents-file AGENTS.md

# 仅预览变更，不落盘
ztxexp init-vibe --dry-run

# 移除受管区块（不影响用户自定义内容）
ztxexp remove-vibe --project-root /path/to/your-project

CLI：Skills 注入与管理（v1.0.2）

# 交互式初始化（未指定 --target 时会提示 1/2/3）
ztxexp init-skill

# 非交互模式：默认写入 skills/
ztxexp init-skill --no-interactive

# 显式指定写入目标
ztxexp init-skill --target skills
ztxexp init-skill --target codex
ztxexp init-skill --target both

# 预览内置 skill 内容
ztxexp show-skill --language bilingual

# 预览并附带 agents/openai.yaml
ztxexp show-skill --language zh --with-openai

# 移除受管安装（默认检查 skills + .codex/skills）
ztxexp remove-skill
ztxexp remove-skill --target both

# 仅预览，不落盘
ztxexp init-skill --dry-run
ztxexp remove-skill --dry-run

参数说明（init-vibe / remove-vibe）：

• --project-root PATH：目标项目目录，默认当前工作目录。
• --agents-file PATH：显式目标文件；未传时按 AGENTS.md -> agents.md -> agents.MD 自动复用。
• --dry-run：仅展示 diff，不写文件。

参数说明（init-vibe / show-vibe）：

• --profile {webcoding,codex,cursor,cline,copilot}：默认 webcoding。
• --language {bilingual,zh,en}：默认 bilingual。

参数说明（init-skill）：

• --project-root PATH：目标项目目录，默认当前工作目录。
• --target {skills,codex,both}：skill 写入目标；不传时进入 1/2/3 交互选择。
• --language {bilingual,zh,en}：生成的 SKILL.md 语言，默认 bilingual。
• --dry-run：仅预览变更，不写文件。
• --no-interactive：禁用交互，默认回退到 skills/。
• --force：允许覆盖未受管目录（谨慎使用）。

参数说明（remove-skill）：

• --project-root PATH：目标项目目录，默认当前工作目录。
• --target {skills,codex,both}：删除范围；不传时默认 both。
• --dry-run：仅预览将删除的目标。
• --force：允许删除未受管目录（默认仅删除受管安装）。

受管区块标记：

• <!-- ztxexp:vibe:start -->
• <!-- ztxexp:vibe:end -->

最小示例

from ztxexp import ExperimentPipeline, RunContext


def exp_fn(ctx: RunContext):
    lr = ctx.config["lr"]
    model = ctx.config["model"]

    # 业务产物统一放 artifacts 目录
    (ctx.run_dir / "artifacts" / "info.txt").write_text(
        f"run={ctx.run_id}, model={model}, lr={lr}\n",
        encoding="utf-8",
    )

    # 返回 dict 会自动写入 metrics.json
    return {"score": round((1.0 - lr) + (0.05 if model == "tiny" else 0.02), 4)}


summary = (
    ExperimentPipeline("./results_demo", base_config={"seed": 42})
    .grid({"lr": [0.001, 0.01]})
    .variants([{"model": "tiny"}, {"model": "base"}])
    .exclude_completed()
    .run(exp_fn, mode="sequential")
)

print(summary)

聚合结果

from ztxexp import ResultAnalyzer

analyzer = ResultAnalyzer("./results_demo")
df = analyzer.to_dataframe(statuses=("succeeded",))
print(df[["run_id", "model", "lr", "score"]])
analyzer.to_csv("./results_demo/summary.csv", sort_by=["model", "lr"])

示例模板库（可复制）

模板库目标是“复制后只改业务逻辑”，尽量覆盖常见 Python 实验场景：

1. 基础构建：最小实验、网格+变体、多种子复现、manager/runner 解耦。
2. 并行调度：process_pool、joblib、dynamic、非法配置 SkipRun。
3. 结果分析：DataFrame 导出、CSV、透视表、清理策略、排行榜。
4. ML 场景：分类、回归、时序、异常检测、推荐排序。
5. LLM 场景：Prompt、RAG、Tool Use、安全评测、服务压测。
6. 工程运维：消融、预算受限搜索、断点恢复、数据版本对比、复现性审计。

文档中可直接复制代码：

• 示例模板库导航
• 模板索引表
• 场景复制矩阵

常见坑

1. 返回值不是 dict | None 会被判定为失败，并写入 error.log。

2. 仍按旧版 _SUCCESS 判断成功 v0.4 不再使用 _SUCCESS，以 run.json 为准。

3. 直接把大文件写在 run 根目录 建议统一放到 artifacts/，便于后续清理和归档。

4. dynamic 模式用于生产实时场景 dynamic 是实验特性（experimental），更适合离线批任务。

API 导航

文档采用“源码注释驱动”模式，不再手工维护 API Markdown：

1. mkdocs build 时自动扫描 ztxexp/*.py；
2. 自动生成首页 index.md 与 reference/ API 页面；
3. mkdocstrings 从类/函数 docstring 渲染参数、返回值与示例。

推荐先看用户手册，再查 API：

• 用户手册（开发流程与产物协议）
• Vibe Coding 指南（Agent 场景配置）
• API 参考（函数与类型签名）

本地入口：

• 生成脚本：scripts/gen_ref_pages.py
• 模板文档：examples-lib/（由 examples/template_library 自动生成）
• 构建产物：docs/index.html 与 docs/reference/（构建后生成）

常用命令：

pip install -e ".[docs]"
NO_MKDOCS_2_WARNING=1 mkdocs build --strict
NO_MKDOCS_2_WARNING=1 mkdocs serve
# 或使用脚本：sh mk.sh build / sh mk.sh serve

可选追踪器安装：

pip install "ztxexp[mlflow]"
pip install "ztxexp[wandb]"

贡献

欢迎提交 Issue 或 PR：

• Issues: https://github.com/ztxtech/ztxexp/issues
• Repository: https://github.com/ztxtech/ztxexp

许可证

MIT License