V3.6 增加W&B server，以及配置任务默认都开wandb

specs/mvp/remain_problems.md

@@ -0,0 +1,27 @@
+
+# v3.6
+wandb 映射目录是/vol 固定问题：
+查过官方文档/公开资料后结论是：wandb/local（W&B local server 容器）没有提供“把服务端持
+  久化根目录从 /vol 改成别的路径”的官方环境变量/启动参数。官方用法一直是假设你把持久化卷
+  挂到容器内的固定路径 /vol（例如 -v <something>:/vol）。(github.com (https://github.com/
+  wandb/server))
+
+  需要注意区分两类“目录”：
+
+  - 服务端（wandb/local 容器）：持久化目录是容器内固定 /vol，用于保存实例元数据、账号/初
+    始化信息等（license 也可以用 env 配，但数据目录仍是 /vol）。(github.com (https://
+    github.com/wandb/server))
+  - 训练侧（wandb Python SDK / VERL 任务）：WANDB_DIR、WANDB_DATA_DIR 等环境变量只影响“客
+    户端本地生成文件/缓存”，不改变服务端容器的数据落盘路径。(docs.wandb.ai (https://
+    docs.wandb.ai/platform/hosting/env-vars))
+
+  所以如果你现在的约束是“只能挂 ../../shared:/private，不能再额外挂 ../../shared/common/
+  wandb:/vol”，要把 W&B 服务端数据落到 shared 下面，现实可行的路子是：
+
+  - 自定义 W&B 容器 entrypoint（或 wrapper）在启动前做一次 ln -s /private/common/wandb /
+    vol（或 bind-mount 到 /vol），让服务仍然写 /vol，但实际落到 /private/common/wandb。
+    这属于“容器层改造”，不是 W&B 官方参数。
+
+  如果你允许 compose 再加一条 volume，那最简单仍是：保留 ../../shared:/private，再额外
+  加 ../../shared/common/wandb:/vol（服务端就无需任何改造）。
+

specs/mvp/v3.5/v3.5_changes.md

@@ -0,0 +1,67 @@
+# MVP v3.5 功能变更总结（相对 v3.0）
+
+> v3.5 本轮按已确认的精简 scope：**只聚焦 Advanced TaskSpec + Custom Reward（方式 A：用户在 command 里写 overrides）**。Serving/IB/断点续训/多版本 verl 等能力本轮仍不做。
+
+## 1. TaskSpec / 任务语义
+
+### 1.1 新增 Advanced TaskSpec（自定义 command）
+
+- 新增 `kind: advanced` 的 TaskSpec 类型：
+  - 用户可提交任意 bash `command`，不再局限于平台内置 PPO/GRPO/SFT 模板。
+  - `workload` 不再要求用户填写，也不做 infer；平台内部统一按 `"advanced"` 做任务分类与 task_id 命名（避免未来训练类型扩展带来的限制）。
+- 支持 `$HOME` 宏替换（服务端提交前展开）：
+  - `$HOME` → `/private/users/<user_id>`
+  - `$HOME/common/datasets` → `/private/datasets`
+  - `$HOME/common/hf` → `/private/hf`
+- `command` 校验（best-effort，面向内部可信用户）：
+  - 要求包含 `python3 -m verl.`（允许 `verl.trainer.*` / `verl.model_merger` 等）。
+  - 不做强沙箱；主要防止明显误用导致的不可预期行为。
+
+### 1.2 Custom Reward（方式 A）
+
+- 平台不新增 reward 专用字段、不扩展 TaskSpec schema。
+- 用户通过在 `command` 里写 VERL 原生 overrides 来注入 reward：
+  - `custom_reward_function.path=...`
+  - `custom_reward_function.name=...`
+  - `custom_reward_function.reward_kwargs=...`（如需）
+- 平台侧仅做：
+  - 基础路径/宏展开（$HOME）
+  - best-effort 的字符串校验（不做深度 AST 解析）
+
+## 2. WebUI（New Task 体验增强，仍兼容 YAML）
+
+- `New Task` 页面新增 **YAML 模式 / 表单模式**切换：
+  - 表单模式只覆盖 **5 个模板**：PPO / GRPO / SFT / Advanced / Model Merge。
+  - 表单模式实时生成 YAML 预览；Submit 时提交生成 YAML；可一键切回 YAML 模式继续手工编辑。
+- `Advanced example`：
+  - 示例命令改为多行、可读性更好。
+  - 补齐 PPO 常见 fail-fast 所需的关键 overrides（例如 actor micro batch），避免用户“照抄即失败”。
+- 新增 `Model merge example`（Advanced command 形式）：
+  - 使用 `python3 -m verl.model_merger merge ...`
+  - 支持用 `$HOME/jobs/<RAY_SUBMISSION_ID>/...` 访问训练产物目录。
+
+## 3. SFTPGo / common 目录可读性（配合 v3.5 的 $HOME/common 语义）
+
+> 这些变更主要用于保证 v3.5 所定义的 `$HOME/common/{datasets,hf}` 语义在 SFTPGo WebClient/客户端下可用。
+
+- `/common/datasets` 与 `/common/hf` 作为 SFTPGo virtual folders 暴露为只读共享目录：
+  - 允许 list + download（用于浏览与下载/查看内容；仍不允许 upload/rename/delete）。
+  - 权限规则覆盖到子路径（避免“能进目录但文件不可读”的情况）。
+- API 调用 SFTPGo admin API 的连通性增强：
+  - dev 环境下避免依赖容器内 DNS（部分 head 容器环境存在临时解析失败），改为通过 docker bridge 网关 + 映射端口访问 admin API。
+- API 启动脚本确保注入 `SFTPGO_ADMIN_PASSWORD`（与 compose 默认值保持一致），避免 Reset Password 走到 401。
+
+## 4. 兼容性与行为变化
+
+- **完全兼容 v3.0 的 PPO/GRPO/SFT TaskSpec YAML**（原有字段与提交方式不变）。
+- 新增能力不会影响 ray/node management（仍按 v3.0：head 发布 discovery、worker watchdog join/self-heal）。
+- Advanced 任务不会进入 PPO/GRPO/SFT 的语义约束；平台仅负责：
+  - 资源字段（`nnodes` / `n_gpus_per_node`）用于队列调度与提交 gate
+  - 将 `command` 作为 Ray job entrypoint 执行
+
+## 5. 已知限制（v3.5 不做）
+
+- 不提供“可视化” reward 配置面板（仅方式 A：用户自己写 command）。
+- 不支持 per-job 自定义 verl 代码快照/多版本共存（本轮不做 code_path 选择）。
+- 不支持断点续训一键 resubmit / IB(RDMA) / model serving（按 roadmap 后续版本推进）。
+

specs/mvp/v3.6/README.md

@@ -0,0 +1,9 @@
+# MVP v3.6
+
+本目录包含 v3.6 的需求与设计：
+
+- `Snipaste_2026-01-05_10-56-34.png`：v3.6 架构草图（在 v3.5 基础上增加 Weights & Biases；其余模块保持不变）
+- `requirements.md`：需求要点（W&B + Evaluation 模板）
+- `wandb.md`：W&B local server 的前期调研与资料（license、部署方式、VERL 配置要点等）
+- `v3.6_design.md`：v3.6 详细设计方案（基于 v3.5）
+- `v3.6_progress.md`：v3.6 里程碑进度记录

specs/mvp/v3.6/requirements.md

@@ -0,0 +1,3 @@
+1. 增加wandb功能
+2. 增加evaluation 模板
+

specs/mvp/v3.6/v3.6_design.md

@@ -0,0 +1,280 @@
+# MVP v3.6 详细设计方案（基于 v3.5）
+
+> 设计基线：当前线上已具备 v3.5 能力（PPO/GRPO/SFT + Advanced TaskSpec + SFTPGo 数据管理 + WebUI）。  
+> v3.6 的架构草图见：`specs/mvp/v3.6/Snipaste_2026-01-05_10-56-34.png`
+
+## 0. 目标与范围
+
+### 0.1 v3.6 目标
+
+1) **Weights & Biases（W&B）集成**
+- 训练/任务运行时自动打点到 W&B local server。
+- 采用“共享 W&B 账号（license 只支持 1 user） + 为每个 MVP 用户创建独立 project”的方式隔离可视化与检索体验。
+- 平台提供 W&B 的跳转链接、以及每个 task 对应 run 的可定位信息（最小闭环）。
+
+2) **New Task 增加 Evaluation 模板**
+- 在 New Task 页面提供一个最小可用的 “Evaluation” 任务模板（用于离线评估/打分），并能把结果落到 job 输出与（可选）W&B。
+
+### 0.2 非目标（v3.6 不做）
+
+- 不引入新的 node management 机制；保持 v3.5 的 head discovery + worker watchdog stateless pool。
+- 不做 Serving/IB/RDMA/断点续训/多版本 verl code_path 等（仍按 v3.5 的范围）。
+- 不做多租户安全隔离（W&B API Key 注入属于内部可信环境）。
+
+---
+
+## 1. W&B local server（部署与连通）
+
+> 资料参考：`specs/mvp/v3.6/wandb.md`。**文档中 license/token 属敏感信息，v3.6 设计不在代码/文档里写死。**
+
+### 1.1 部署方式（dev/h1）
+
+建议在 `src/mvp/docker-compose.yaml` 新增 `wandb` 服务（与现有 ray_head / sftpgo 同一 compose network）：
+
+- 镜像：`wandb/local:latest`
+- 容器端口：`8080`
+- 宿主机端口：建议 `8090:8080`（避免和 MVP API `8080`、SFTPGo `8081` 冲突）
+- 持久化：挂载到 NFS/共享目录（例如 `/private/common/wandb`）以持久化 runs/artifacts
+- 首次启动后由管理员在 W&B System Admin 页面粘贴 license（见 `wandb.md`）
+
+### 1.1.1 持久化策略（必须）
+
+v3.6 约定 **W&B server 的元数据必须持久化**（否则会丢 license/账号/API key、历史 runs/project 索引等）：
+
+- W&B server 数据目录（`/vol`）挂载到共享目录（NFS）：例如 `/private/common/wandb:/vol`
+- 这部分数据由平台/管理员长期保留（不跟随单个 job 清理）
+
+与之相对，**每个 Ray job 对应的本地 W&B run 文件**放在 job 目录下（见 §2.3 的 `WANDB_DIR`），并由现有 janitor 随 job 一起清理：
+
+- `WANDB_DIR=/private/users/<user_id>/jobs/<ray_submission_id>/wandb`
+- janitor 对 job 的策略是“结束后 3 天移入回收站、7 天后删除”，因此该目录会被一并处理
+
+> 说明：W&B 的最终“事实数据”在 server 侧持久化（runs/metrics/可视化）；job 目录下的 `WANDB_DIR` 更像运行期缓存/临时文件与调试材料。
+
+### 1.2 容器内访问 W&B 的 base_url
+
+在 v3.5 经验中，Ray head 容器对 docker 内部 DNS 名称解析不稳定（`Temporary failure in name resolution`）。  
+为避免再次踩坑，v3.6 统一采用 **“docker bridge 网关 + host 映射端口”** 的方式让容器访问 W&B：
+
+- `WANDB_BASE_URL=http://172.22.0.1:8090`（其中 `172.22.0.1` 为 `mvp_argus-ray-net` 网关）
+
+> 注意：如果未来 dev 环境 network 网段变化，需要把网关地址做成配置项（见 §2）。
+
+---
+
+## 2. 平台侧 W&B 集成（API/Scheduler/Ray Job runtime_env）
+
+### 2.1 配置设计（YAML）
+
+在 `configs/dev.yaml`（以及生产配置）中新增一段 W&B 配置，建议结构：
+
+```yaml
+tracking:
+  wandb:
+    enabled: true
+    base_url: "http://172.22.0.1:8090"
+    api_key_env: "WANDB_API_KEY"
+    entity: ""              # 可选；verL 通过 env WANDB_ENTITY 读取
+    project_suffix: "_project"  # 例如 alice_project
+    # 可选：代理（verL 支持 trainer.wandb_proxy）
+    proxy: null
+```
+
+平台读取 `api_key_env` 对应的环境变量，并在 job 维度注入 `WANDB_API_KEY`。  
+**不在配置文件中存明文 API KEY**（避免泄露）。
+
+### 2.2 项目/命名规范（共享账号 + user project）
+
+由于 W&B local license 限制 “最多 1 user”，v3.6 采用：
+
+- **同一个 W&B 账号**（同一个 `WANDB_API_KEY`）
+- 每个 MVP user 使用不同 project：
+  - `project_name = <user_id> + project_suffix`
+  - 示例：`alice_project`
+- 每个 Ray job attempt 对应一个 run：
+  - `experiment_name = <ray_submission_id>`（保证 attempt 唯一；也便于从 dashboard 反查）
+
+verL 内部 `wandb.init(project=project_name, name=experiment_name, entity=$WANDB_ENTITY)`（见 `verl/utils/tracking.py`）。
+
+### 2.3 Ray Job 注入（runtime_env env_vars）
+
+当 `tracking.wandb.enabled=true` 时，在 scheduler 提交 ray job 时，统一注入：
+
+- `WANDB_BASE_URL`（来自配置）
+- `WANDB_API_KEY`（来自 env `tracking.wandb.api_key_env`）
+- `WANDB_ENTITY`（可选）
+- `WANDB_MODE=online`（默认在线；可在 dev/离线时切换）
+- `WANDB_DIR=/private/users/<user_id>/jobs/<ray_submission_id>/wandb`（保证每个 job 的本地 run 文件落到对应 job 目录；便于随 job 一起被 janitor 清理）
+
+> 对 Advanced TaskSpec：平台无法替用户改 command，但仍可注入上述 env，让用户在 command 中自行启用 wandb。
+
+### 2.4 verL 训练任务自动开启 wandb logger
+
+对平台内置 workload（PPO/GRPO/SFT），平台将 hydra overrides 改为：
+
+- `trainer.logger=[console,wandb]`（替代 v3.5 的 `trainer.logger=console`）
+- `trainer.project_name=<user_id>_project`
+- `trainer.experiment_name=<ray_submission_id>`
+- 可选：如果配置了 `tracking.wandb.proxy`，注入 `trainer.wandb_proxy=...`
+
+兼容性说明：
+- `trainer.logger` 在 verL 的 ppo/sft config 中本身是 list（示例为 `["console","wandb"]`），因此不会破坏 verL 配置解析。
+- 现有 v3.5 的 checkpoint/log dir 仍按 job_dir 注入，不依赖 `trainer.default_local_dir`。
+
+### 2.5 数据库存储与 API 输出（最小闭环）
+
+v3.6 需要让用户能在 WebUI/Task 详情中 “点一下跳转到 W&B”：
+
+建议在 DB（sqlite）里新增 attempt 级字段（或 metadata JSON）：
+
+- `wandb_project`：如 `alice_project`
+- `wandb_run_name`：如 `<ray_submission_id>`
+- `wandb_base_url`：如 `http://<host>:8090`
+- `wandb_url`：拼出来的最终链接（若 W&B local 的 URL 结构不稳定，可只存前 3 项，由前端拼接）
+
+API 侧在：
+- `GET /api/v2/tasks/<task_id>` 的 `latest_attempt` 增加 `wandb` 字段（或顶层增加 `tracking` 字段）
+- `GET /api/v2/me` 增加 `wandb` 信息（base_url、project_name），便于页面展示 “Open W&B”
+
+> W&B local 的 URL 路径结构需要在接入时确认；若不确定，先只提供 base_url + project/run 名称，用户可在 W&B UI 搜索。
+
+---
+
+## 3. WebUI 变更（v3.6）
+
+### 3.1 Data / Login 页
+
+- 在 Data 或 Login 页新增：
+  - “Open W&B” 链接（跳转到 `tracking.wandb.base_url` 的 Web UI）
+  - 展示当前用户的 project 名称（例如 `alice_project`），并提供 Copy 按钮
+
+### 3.2 Tasks / Task Detail
+
+- Task list 无需大改；Task detail 页面增加：
+  - W&B run 信息（project / run name / link）
+  - 若任务失败，W&B 仍可用于查看已上报的中间日志（对训练类任务有价值）
+
+### 3.3 New Task 增加 Evaluation 模板
+
+New Task 页面新增一个 “Evaluation example”：
+
+#### 方案 A（推荐，最小改动）：作为 Advanced TaskSpec 模板
+
+- 直接提供 `kind: advanced` 的模板，command 运行 verL 自带评估入口：
+  - `python3 -m verl.trainer.main_eval data.path=... custom_reward_function.path=... +ray_kwargs.ray_init.address=auto`
+- 优点：不需要扩展 TaskSpec schema / scheduler 逻辑
+- 缺点：Evaluation 在平台侧不可结构化（仍属于 advanced）
+
+#### 方案 B（更产品化）：新增内置 workload: evaluation（后续可选）
+
+若希望在任务分类/队列中把 evaluation 作为一类“内置任务”，可新增：
+
+```yaml
+workload: evaluation
+code_path: /private/common/code/verl/verl_repo
+nnodes: 1
+n_gpus_per_node: 0
+data_path: $HOME/common/datasets/<...>.parquet
+response_key: responses
+data_source_key: data_source
+reward_model_key: reward_model
+custom_reward_path: $HOME/code/reward.py   # 可选
+custom_reward_name: compute_score          # 可选
+```
+
+平台把它编译成 `verl.trainer.main_eval` 的 hydra overrides + ray init address；并可选择把结果解析后上报 W&B。
+
+v3.6 建议先落地 **方案 A**（模板即可），方案 B 作为 v3.7+ 的演进。
+
+---
+
+## 4. 验收标准（v3.6）
+
+### 4.1 W&B（训练任务）
+
+- 提交 PPO/GRPO/SFT 任一任务：
+  - W&B local server 能看到对应 project（如 `alice_project`）
+  - 能看到 run 名称为该任务 attempt 的 `ray_submission_id`
+  - run 内能持续刷新 metrics（至少包含 loss/step 等 verL 默认上报）
+- WebUI：
+  - 能打开 W&B UI 链接
+  - Task detail 能展示 project/run（或至少可检索信息）
+
+### 4.2 Evaluation 模板
+
+- New Task 中出现 “Evaluation example”
+- 复制模板提交后：
+  - 任务能在 Ray 上运行（CPU 即可，`+ray_kwargs.ray_init.address=auto` 连接集群）
+  - 输出 metrics（`main_eval.py` 默认 print dict）
+  - （可选）若用户在 command 里启用 wandb，则能在对应 project 下看到评估 run
+
+---
+
+## 5. 兼容性影响评估
+
+- 对现有 v3.5 功能：
+  - 默认行为改变：PPO/GRPO/SFT 会默认多一个 logger（wandb），并对外发起 HTTP 请求到 W&B server。
+  - 若 W&B server 不可用/配置缺失：
+    - 建议行为：平台自动降级为 `trainer.logger=[console]` 并在 task 状态中给出 warning（避免训练直接失败）。
+    - 初版也可选择 fail-fast：缺少 `WANDB_API_KEY` 时拒绝开启 wandb（由配置开关控制）。
+- 对资源/存储：
+  - W&B server 自身会写入一定量数据（license 限制 10GB）；需配合 retention 策略做清理（v3.6 先手动，后续可自动）。
+  - job 目录下的 `WANDB_DIR` 会随 jobs retention 被清理；不会无限增长。
+
+---
+
+## 6. 已确认的落地约定
+
+- W&B server 对外端口：`8090`
+- Project 命名：`<user_id>_project`（不使用 `WANDB_ENTITY`）
+- Evaluation：先只提供 **Advanced 模板**（New Task 页面提供示例即可）
+
+---
+
+## 7. 运维与验收流程（dev/h1）
+
+### 7.1 启动服务（docker compose）
+
+1) 启动/重启 compose（Ray head/worker + SFTPGo + W&B）：
+
+```bash
+cd /home2/argus/infra/mvp/src/mvp
+docker compose up -d
+```
+
+2) 访问 UI：
+- MVP WebUI：`http://<HOST>:8080/ui`
+- Ray Dashboard：`http://<HOST>:8265`
+- SFTPGo Web：`http://<HOST>:8081/web/`
+- W&B Web：`http://<HOST>:8090`
+
+> W&B 容器数据目录已挂载到共享盘：`/private/common/wandb`（容器内 `/vol`）。
+
+### 7.2 初始化 W&B（管理员一次性操作）
+
+1) 打开 `http://<HOST>:8090/system-admin` 粘贴 license（详见 `specs/mvp/v3.6/wandb.md`）。
+2) 进入 W&B UI 创建/登录到共享账号（license 只支持 1 user）。
+3) 在 W&B UI 的用户设置页面生成 API Key（通常位于 “User Settings / API Keys”）。
+
+### 7.3 启动 API server（需要注入 WANDB_API_KEY）
+
+平台不会把 `WANDB_API_KEY` 写入配置文件；必须在启动 API server 时通过环境变量提供。
+
+示例（在宿主机）：
+
+```bash
+export MVP_INTERNAL_TOKEN="my-dev-token"
+export WANDB_API_KEY="...从 W&B UI 复制..."
+cd /home2/argus/infra/mvp/src/mvp/scripts
+./60_start_api.sh
+```
+
+> 说明：`./60_start_api.sh` 会把 `WANDB_API_KEY` 透传给 head 容器内运行的 API server。
+
+### 7.4 验收（最小闭环）
+
+1) 在 WebUI Login 页面能看到 W&B 区块（Open W&B + project copy）。
+2) 提交一个 PPO/GRPO/SFT 任务（任意一个即可）：
+   - W&B project 为 `<user_id>_project`（如 `alice_project`）
+   - run name 为该 attempt 的 `ray_submission_id`
+3) 提交 Evaluation 模板（Advanced）能在 Ray 上运行并输出评估结果（stdout / logs）。

specs/mvp/v3.6/v3.6_dev_plan.md

@@ -0,0 +1,194 @@
+# MVP v3.6（基于 v3.5）开发计划（TDD）
+
+> 设计依据：`specs/mvp/v3.6/v3.6_design.md`  
+> 本计划默认已确认：  
+> 1) W&B host 端口：`8090`；2) project：`<user_id>_project`；3) evaluation 先做 Advanced 模板；4) 不使用 `WANDB_ENTITY`。
+
+## 总体原则
+
+- **TDD**：每个里程碑先补齐单测（或契约测试）再实现功能；保证覆盖率门槛不回退。
+- **最小闭环**：先做到“可用+可验证”，再做体验优化；不做超出 v3.6 scope 的扩展。
+- **配置不落盘敏感信息**：`WANDB_API_KEY` 只能来自运行环境变量，不写入仓库配置文件。
+
+---
+
+## Milestones
+
+### M1：配置层（tracking.wandb）与解析
+
+**目标**
+- 在服务配置中新增 `tracking.wandb`，支持开关、base_url、api_key_env。
+- 不引入 `WANDB_ENTITY`（保持为空即可）。
+
+**开发任务**
+- 在 `src/mvp/py/argus/service/config.py`：
+  - 新增 `TrackingConfig/WandbConfig` dataclass（或等价结构）。
+  - `V2Config.from_root_dict()` 解析 `tracking.wandb.*`（缺省为 disabled）。
+  - 校验：`enabled=true` 时 `base_url` 不能为空；`api_key_env` 默认 `WANDB_API_KEY`。
+
+**测试（先写）**
+- `test_config_parses_wandb_defaults`：没有 tracking 字段时，默认 disabled。
+- `test_config_parses_wandb_enabled`：enabled=true 能读到 base_url/api_key_env。
+- `test_config_rejects_empty_base_url_when_enabled`：enabled=true 且 base_url 空时报错（或记录 warning，取决于实现选择）。
+
+**验收**
+- 仅通过 config 即能决定是否启用 W&B，且不会破坏 v3.5 现有配置解析。
+
+---
+
+### M2：Ray Job runtime_env 注入（WANDB_* env）
+
+**目标**
+- 当 `tracking.wandb.enabled=true` 时：平台在 job 粒度注入 `WANDB_BASE_URL/WANDB_API_KEY/WANDB_MODE/WANDB_DIR` 等 env。
+- `WANDB_API_KEY` 从 API server 进程环境变量中读取：`os.environ[api_key_env]`。
+
+**开发任务**
+- 在 scheduler / ray job builder（`src/mvp/py/argus/service/scheduler.py` 或 `src/mvp/py/argus/ray/builders.py`）：
+  - 构造 job runtime_env.env_vars 的 merge 逻辑：
+    - 现有 `ray.runtime_env.env_vars` 为基础；
+    - 追加 W&B env（不覆盖用户显式指定的同名变量，或按“平台优先”策略二选一并写清楚）。
+  - 注入：
+    - `WANDB_BASE_URL=<cfg.tracking.wandb.base_url>`
+    - `WANDB_API_KEY=<os.environ[cfg.tracking.wandb.api_key_env]>`
+    - `WANDB_MODE=online`
+    - `WANDB_DIR=/private/users/<user_id>/jobs/<ray_submission_id>/wandb`（本地 run 文件随 job 一起由 janitor 清理）
+
+**测试（先写）**
+- `test_scheduler_injects_wandb_env_when_enabled`：
+  - mock env 中存在 `WANDB_API_KEY`；
+  - 提交一个内置任务（ppo/sft 任意），断言构造出来的 runtime_env 含以上 env_vars。
+- `test_scheduler_sets_wandb_dir_under_job_dir`：
+  - 断言 `WANDB_DIR` 位于该 attempt 的 job 目录下（而不是 common 目录），避免无法跟随 job retention 清理。
+- `test_scheduler_does_not_inject_wandb_env_when_disabled`。
+- `test_scheduler_wandb_missing_api_key_behaviour`：
+  - enabled=true 但缺少 env 时的行为：
+    - 方案 A（推荐）：**自动降级**为 console（不注入 wandb），并在 task/attempt message 记录 warning；
+    - 或方案 B：fail-fast（返回 500/400）。  
+  - 需在实现前确认采用哪种策略；建议 v3.6 选 A 提升可用性。
+
+**验收**
+- 任意内置任务提交后，在 Ray job runtime_env 中能看到 `WANDB_*`。
+
+---
+
+### M3：内置训练任务自动开启 wandb logger（PPO/GRPO/SFT）
+
+**目标**
+- 当 W&B enabled 时，平台默认把内置训练任务改成 `trainer.logger=["console","wandb"]`，并设置 project/run 命名。
+
+**开发任务**
+- 在 job 构建（PPO/GRPO/SFT 的 overrides 生成处）：
+  - 将 `trainer.logger` 从 `console` 改为 list：`[console,wandb]`（hydra 语法按现有实现方式拼接）。
+  - `trainer.project_name=<user_id>_project`
+  - `trainer.experiment_name=<ray_submission_id>`
+  - 保持 v3.5 的 job_dir/checkpoint/log dir 注入方式不变。
+
+**测试（先写）**
+- `test_job_overrides_include_wandb_logger_when_enabled`：
+  - 断言 entrypoint/overrides 包含 `trainer.logger=[console,wandb]`（或等价写法）。
+  - 断言包含 `trainer.project_name=<user>_project`、`trainer.experiment_name=<submission_id>`。
+- `test_job_overrides_keep_console_only_when_wandb_disabled_or_missing_key`。
+
+**验收**
+- 训练任务 run 会自动出现在 W&B 对应 project 下（E2E 验证在 M6）。
+
+---
+
+### M4：API 输出与 WebUI 链接（最小闭环）
+
+**目标**
+- 用户可以在 UI 里“知道去哪看 W&B”，以及知道本 task 对应哪个 project/run。
+
+**开发任务**
+- API：
+  - `GET /api/v2/me` 增加 `wandb` 信息（仅当 enabled 时返回）：
+    - `base_url`
+    - `project_name`（`<user_id>_project`）
+  - `GET /api/v2/tasks/{task_id}`（或 attempt 结构）增加 `wandb_project` / `wandb_run_name`（run_name=ray_submission_id）。
+- WebUI：
+  - Login/Data 页增加 “Open W&B” 链接（跳 `base_url`），展示 project_name + Copy。
+  - Task detail 增加 wandb 字段展示（project/run/可点击链接或可复制文本）。
+
+**测试（先写）**
+- `test_me_includes_wandb_when_enabled`（mock config + env）。
+- `test_task_detail_contains_wandb_fields_when_enabled`（mock task/attempt）。
+- `test_ui_contains_wandb_link`（渲染 HTML 断言包含 base_url/project_name 字样）。
+
+**验收**
+- WebUI 能一键跳转 W&B；Task detail 能定位到 run。
+
+---
+
+### M5：New Task 增加 Evaluation 模板（Advanced）
+
+**目标**
+- New Task 页面增加一个 Evaluation 模板按钮/示例（先按 Advanced TaskSpec 提供）。
+
+**开发任务**
+- 在 `src/mvp/py/argus/service/ui.py`：
+  - YAML 模式增加 “Evaluation example”。
+  - 表单模式本轮可选（不要求）：
+    - 如果要支持：把 evaluation 作为 advanced 模板的一种预填 command（仍 `kind: advanced`）。
+- 模板建议使用 verL 自带入口：
+  - `python3 -m verl.trainer.main_eval ... +ray_kwargs.ray_init.address=auto`
+  - `data.path=$HOME/common/datasets/...`（按 v3.5 的宏规则）
+
+**测试（先写）**
+- `test_ui_new_task_contains_evaluation_example`：断言页面包含 `main_eval` 与关键字段。
+
+**验收**
+- 用户复制 evaluation 模板可提交成功并在 Ray 上运行（E2E 在 M6）。
+
+---
+
+### M6：端到端（dev/h1）部署与验收流程
+
+> 里程碑 M6 以脚本/手工步骤为主；不强制写 e2e 自动化测试。
+
+**部署任务**
+- compose 增加 `wandb` 服务：
+  - `wandb/local:latest`
+  - host 端口 `8090:8080`
+  - 数据挂载到 `/private/common/wandb:/vol` 持久化（W&B 元数据/账号/API key/历史 runs）
+- API 启动方式：
+  - 在宿主机 export：`WANDB_API_KEY=<从 W&B UI 生成的 key>`
+  - 启动 API（确保 env 透传到容器内）
+- 首次初始化：
+  - 打开 `http://<h1_ip>:8090/system-admin` 粘贴 license（管理员操作）
+
+**验收用例**
+1) **训练类任务自动打点**
+   - 用 alice 提交一个 SFT（或 PPO）任务（内置 workload）
+   - 在 W&B UI 中看到 project：`alice_project`
+   - run name 为 `ray_submission_id`，metrics 可见
+2) **Advanced task 可手动打点**
+   - 提交一个 Advanced（用户自己写 command）并在 command 中启用 `trainer.logger=["console","wandb"]`（如需）
+   - 确认 env 注入生效（W&B 记录出现）
+3) **Evaluation 模板**
+   - 用 New Task 的 Evaluation example 提交
+   - 任务成功运行并输出 metrics（stdout/logs）
+   - （可选）如果 evaluation 也启用 wandb，则能出现在对应 project 下
+
+**回归**
+- v3.5 的三类任务（ppo/grpo/sft）在 W&B disabled 或缺少 key 时仍可跑通（至少 console 输出不受影响）。
+
+**Retention 联动检查**
+- 提交一个短任务生成 `WANDB_DIR`，结束后确认：
+  - `WANDB_DIR` 位于 `/private/users/<user>/jobs/<ray_submission_id>/wandb`
+  - janitor 运行后该目录会随 job 一起进入 trash / 被 purge（与 jobs retention 一致）
+
+---
+
+## 交付物清单（v3.6）
+
+- 文档：
+  - `specs/mvp/v3.6/v3.6_design.md`（已存在，必要时补充操作流程）
+  - `specs/mvp/v3.6/v3.6_dev_plan.md`（本文）
+- 代码（预期变更点）：
+  - `src/mvp/py/argus/service/config.py`
+  - `src/mvp/py/argus/service/scheduler.py` / `src/mvp/py/argus/ray/builders.py` / `src/mvp/py/argus/ray/ray_job_tool.py`
+  - `src/mvp/py/argus/service/app.py`（/me 与 task detail 输出）
+  - `src/mvp/py/argus/service/ui.py`（Open W&B + Evaluation template）
+  - `src/mvp/docker-compose.yaml`（wandb service）
+  - `src/mvp/configs/dev.yaml`（tracking.wandb 配置）
+  - `src/mvp/scripts/*`（API 启动时 env 透传，必要时补充）

specs/mvp/v3.6/v3.6_progress.md

@@ -0,0 +1,42 @@
+# MVP v3.6 进度记录
+
+> 基线：v3.5 已完成（Advanced TaskSpec + Custom reward（方式A）+ WebUI + SFTPGo + stateless ray node pool）。
+> 本文件用于记录 v3.6 每个 milestone 的完成情况与关键改动点。
+
+## M1（完成）
+
+- 新增 `tracking.wandb` 配置解析与校验（enabled/base_url/api_key_env）。
+
+## M2（完成）
+
+- Ray job 维度注入 `WANDB_*` env（含 `WANDB_BASE_URL/WANDB_API_KEY/WANDB_MODE/WANDB_DIR`），缺少 key 时降级并记录 warning。
+
+## M3（完成）
+
+- PPO/GRPO/SFT 内置训练任务在 wandb 可用时自动追加 overrides：
+  - `trainer.logger=[console,wandb]`
+  - `trainer.project_name=<user_id>_project`
+  - `trainer.experiment_name=<ray_submission_id>`
+
+## M4（完成）
+
+- API 输出增加 W&B 定位信息：
+  - `/api/v2/me` 返回 `wandb.{enabled,base_url,project_name}`
+  - `/api/v2/tasks/{task_id}` 在 `latest_attempt.wandb` 返回 `{base_url,project_name,run_name}`
+- WebUI：
+  - Login 页面增加 W&B 区块（跳转 8090、copy project）
+  - Task detail 页面增加 W&B 区块（copy run）
+
+## M5（完成）
+
+- WebUI New Task 增加 Evaluation 模板（Advanced）：
+  - 使用 `python3 -m verl.trainer.main_eval ... +ray_kwargs.ray_init.address=auto`
+  - 以占位符路径示例（用户替换 `<RAY_SUBMISSION_ID>/<EVAL_PARQUET>`）
+
+## M6（完成）
+
+- `docker-compose.yaml` 集成 W&B local server：
+  - host 端口 `8090`
+  - 持久化目录 `/private/common/wandb`（容器内 `/vol`）
+- dev 配置新增 `tracking.wandb` 默认开启（缺 key 自动降级并记录 warning）。
+- API 启动脚本支持把 `WANDB_API_KEY` 从宿主机透传到 head 容器中的 API server。

specs/mvp/v3.6/v3.6_summary.md

@@ -0,0 +1,126 @@
+# MVP v3.6 迭代研发总结（基于 v3.5）
+
+> 时间基线：2026-01（H20 dev 环境：`argus@h1:/home2/argus/infra/mvp`）  
+> v3.6 架构草图：`specs/mvp/v3.6/Snipaste_2026-01-05_10-56-34.png`
+
+## 1. 迭代目标回顾
+
+v3.6 在 v3.5（WebUI + API server + Ray stateless node pool + SFTPGo + Advanced TaskSpec）基础上，新增两块能力：
+
+1) **Weights & Biases（W&B）local server 集成**
+- 训练任务（PPO/GRPO/SFT）默认可写入 W&B。
+- 采用“共享 W&B 账号 + 按用户拆分 project（`<user_id>_project`）”的隔离策略。
+
+2) **New Task 增加 Evaluation 示例**
+- New Task 页面新增一个最小可用的 evaluation 模板（以 Advanced command 方式运行 `verl.trainer.main_eval`）。
+
+## 2. 交付内容（代码/配置/脚本）
+
+### 2.1 部署形态（docker compose）
+
+v3.6 在 `src/mvp/docker-compose.yaml` 新增 W&B 服务：
+
+- 服务名：`wandb`（容器名：`argus-wandb`）
+- 宿主机端口：`8090:8080`
+- 持久化：`../../shared/common/wandb:/vol`
+- 同 network：`argus-ray-net`（便于 Ray 容器内访问）
+
+### 2.2 平台配置（YAML）
+
+在 `src/mvp/configs/dev.yaml` 增加/启用 W&B 配置：
+
+```yaml
+tracking:
+  wandb:
+    enabled: true
+    base_url: "http://172.22.0.1:8090"
+    api_key_env: "WANDB_API_KEY"
+    project_suffix: "_project"
+```
+
+说明：
+- `base_url` 采用 docker bridge 网关 + 宿主机映射端口的方式，规避容器内 DNS 偶发解析失败问题。
+- 不在 config 中写明文 key，统一通过启动 API server 时注入 `WANDB_API_KEY`。
+
+### 2.3 Ray Job runtime_env 注入（核心）
+
+v3.6 在**每个 Ray job attempt**提交时注入两类环境变量：
+
+1) **始终注入（无论是否启用 W&B）**：便于 Advanced command 在不改模板的情况下能运行
+- `MVP_TRAINER_LOGGER`：`console` 或 `[console,wandb]`
+- `MVP_WANDB_PROJECT`：`<user_id>_project`（例如 `alice_project`）
+- `MVP_WANDB_RUN`：`<ray_submission_id>`（每次 attempt 唯一）
+
+2) **当 W&B 有效启用时注入**
+- `WANDB_BASE_URL`
+- `WANDB_API_KEY`
+- `WANDB_MODE=online`
+- `WANDB_DIR=<job_dir>/wandb`（例如 `/private/users/alice/jobs/<ray_sid>/wandb`）
+
+降级策略：
+- 当 `tracking.wandb.enabled=true` 但缺少 `WANDB_API_KEY` 时，平台会**降级为 console**（并在 attempt.message 中记录 warning），避免训练失败。
+
+### 2.4 WebUI 变更
+
+1) **Login 页面**
+- 增加 “Open W&B” 跳转（指向 `tracking.wandb.base_url`）
+
+2) **New Task 页面**
+- 新增 **Evaluation example**
+- Advanced example 更新为 v3.6：
+  - `command: |` 内不再包含任何注释（避免 YAML/命令解析报错）
+  - W&B 参数不再让用户手填，改为引用平台注入的 `${MVP_*}` env：
+    - `trainer.logger=${MVP_TRAINER_LOGGER}`
+    - `trainer.project_name=${MVP_WANDB_PROJECT}`
+    - `trainer.experiment_name=${MVP_WANDB_RUN}`
+
+> 备注：driver 日志里会打印 `MVP_DRIVER_EXEC: bash -lc '...'`，此处看到 `${MVP_*}` 仍是“未替换”的字符串是正常现象；变量替换发生在 `bash` 执行阶段，而不是打印 argv 阶段。
+
+### 2.5 启动脚本
+
+`src/mvp/scripts/60_start_api.sh` 支持将宿主机的 `WANDB_API_KEY` 透传进 head 容器内启动的 API server：
+
+- 宿主机设置：`export WANDB_API_KEY=...`
+- 启动 API：脚本会 `docker exec -e WANDB_API_KEY=...` 进入 head 容器启动 `python3 /workspace/mvp/py/server.py`
+
+## 3. 用户侧操作流程（v3.6）
+
+### 3.1 一次性初始化（只在首次启用/清空 /vol 时需要）
+
+1) 打开 W&B UI：`http://<h1机器IP>:8090`
+2) 在 System Admin 页面粘贴 license 完成初始化
+3) 生成并记录 `WANDB_API_KEY`（local key）
+4) 以后启动 API server 时注入该 key（`WANDB_API_KEY=...`）
+
+只要保留 `shared/common/wandb`（即 `/vol` 持久化目录），重建容器无需再次进入 8090 配置。
+
+### 3.2 日常使用
+
+1) WebUI 登录：`http://<h1机器IP>:8080/ui/login`（输入 user token）
+2) New Task 提交任务：`http://<h1机器IP>:8080/ui/tasks/new`
+3) 到 Tasks 查看状态/日志：`/ui/tasks` 与 task detail
+4) 打开 W&B：`http://<h1机器IP>:8090`，在 `<user_id>_project` 下查看 runs/metrics
+
+## 4. 验收结果（本迭代应达成）
+
+1) PPO/GRPO/SFT 任一任务运行后：
+- W&B local server 可见对应 project（如 `alice_project`）
+- run name 与 `ray_submission_id` 对齐（便于追踪每次 attempt）
+
+2) Evaluation 示例：
+- 可作为 Advanced 任务提交并在 Ray 上执行 `verl.trainer.main_eval`
+- 支持用户在 command 内自行加入 reward overrides（平台不做封装）
+
+## 5. 已知限制与后续建议
+
+1) **W&B 初始化自动化**
+- 当前：首次仍需在 8090 页面粘贴 license、生成 key（更稳、侵入最小）。
+- 若需要“从零部署也完全免页面操作”，可进一步调研 W&B local 的可用管理 API/启动参数（自动注入 license + 自动创建 key）。
+
+2) **Advanced command 的自由度**
+- 平台只负责：
+  - `$HOME` 宏替换
+  - runtime_env env_vars 注入
+  - 任务队列与 Ray job 提交
+- command 的语义正确性仍由用户负责（例如 PPO 必需的 micro batch 等参数）。
+

specs/mvp/v3.6/wandb.md

@@ -0,0 +1,70 @@
+
+# License
+
+License:
+eyJhbGciOiJSUzI1NiIsImtpZCI6InUzaHgyQjQyQWhEUXM1M0xQY09yNnZhaTdoSlduYnF1bTRZTlZWd1VwSWM9In0.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.VADnc0PExWhGDAxMIbu0vlmPN423B398of4HFl6BMJ1vqGA9H1ESElOZfk0VQ0YnYgwZc_CZF9k0HRyfCBgRhtRKyB1PpGnaKT_kKNVQryykWRpNhnpDqhmTa-wfTUBXNxhu1ktNPKBFNaEbaYuPsLN_aXPGW0dDwp6coGnGEXEqdRmuvekE6ytu7t6IA6flYs35WqCojvvjAmfBdovo2zPTfmlqKeaz7GPrApMo9JBpmb1a6bZEjCoRhhUx_k-v2rbvE3hd9ix9_UMZ6siJ5IKtNuXy_cprcCXXIFVUMcfTnt78RRXY0jCRMQqWkNq9ZGF0Mgcjsh3ts9xSxPgWnw
+
+# License 限制
+Add License to your Local Instance
+Create up to 0 teams
+Create up to 1 users
+Store up to 10 GB of data
+Create up to 2 Registered Models
+
+Quickstart
+On a machine with Docker and Python installed, run:
+1 pip install wandb --upgrade
+2 wandb server start
+Generate a free license from the Deployer.
+Add it to your W&B Server's localhost's settings.
+Paste the license in the /system-admin page on your localhost
+
+# docker 部署
+
+deployment:
+version: "3.8"
+
+services:
+  wandb:
+    image: wandb/local:latest
+    container_name: wandb-local
+    ports:
+      - "8080:8080"
+    volumes:
+      - wandb_data:/vol
+    restart: unless-stopped
+
+volumes:
+  wandb_data:
+
+
+
+# 连接方式：
+方式 B：环境变量（适合容器/批处理/CI）
+
+通过 ray job的runtime_env来设置环境变量
+
+export WANDB_BASE_URL=http://<服务器IP或域名>:8080
+export WANDB_API_KEY=<你的API_KEY>
+
+
+官方文档说明可以用 WANDB_BASE_URL + WANDB_API_KEY 代替 wandb login --host ..
+
+
+# verl配置：
+在 verl 里打开 wandb（你只需要配 trainer）
+
+verl 的配置里，最关键是这三个字段：trainer.logger、trainer.project_name、trainer.experiment_name。文档里也写了 logger 用于 console + tracking（tracking 会初始化 wandb）。
+veRL Documentation
++1
+
+推荐写法（新版本）：
+
+trainer:
+  logger: ["console", "wandb"]
+  project_name: my_project  #  用argus的用户名_project ，譬如 alice_project
+  experiment_name: exp_001  #  用 task id 作为实验名
+
+
+
+