跳转到主要内容
TunePlane 分离提交、执行控制与遥测。训练框架负责训练，平台负责准入、放置、执行身份及观测。

​
控制流与数据流

Node 主动建立出站控制连接。训练指标通过独立的遥测监听器上报，不经过 Node 控制通道。两个网关目前都是独立的 Python 进程，独立采集器使用 Rust。Rust 网关或 LLM API 代理属于后续架构扩展，不是已经交付的推理流量转发能力。

​
提交时发生什么

  1. CLI 或控制台提供 recipe、源码归档或镜像加命令三种输入之一。
  2. 服务端校验并解析 JobSpec、集成产物、运行镜像、资源、存储和策略。不可变预览不会创建 Job。
  3. 确认携带预览 ID、摘要和固定重试键。重复确认返回同一个 Job 回执；修改输入需要新预览。
  4. 准入后的 Job 等待资源。持久化启动预留在执行前持有完整的资源预算。
  5. 后端准备经过验证的 Job Capsule 和已完成输入。Node 的所有成员 Prepare 后，才持久化 Commit 决策。冷镜像异步准备；资源释放前必须核实不确定的执行状态。
  6. runner 校验锁定的运行时并执行集成产物。框架专属代码不进入控制面。
  7. 原生 TensorBoard/JSONL 输出可独立采集；已配置的 SDK 上报路径仍可使用。控制台读取有界指标查询，完成的产物携带可验证的清单。
连接断开不能证明任务已停止。指标、生命周期和产物完成各有不同的验收要求。参见提交、Node 执行和原生遥测。

​
后端执行方式

不会隐式切换后端。软件契约支持不等于实际 GPU、网络或存储部署已经认证。节点间网络及共享输出存储需要独立于控制连接进行验证。

​
身份与存储

Node 在工作负载挂载之外保存私有、自动轮换的控制凭据。采集器使用单独绑定 run/attempt/member 的最小权限凭据。工作负载不会拿到集群管理凭据。服务端 TLS 校验保持开启，常规部署不需要为每台 Node 签发客户端证书或引入独立 PKI 服务。 源日志可以位于共享存储；采集器的持久化队列必须位于私有的主机本地存储。共享挂载和对象交付是后端明确声明的能力。启用对象 Capsule 交付不代表所有后端都不再需要共享输出或缓存。参见存储。

​
控制台工作流

Fleet 页面区分调度状态与控制连接，并展示上报的 CPU/内存容量。提交对话框在确认前概览解析后的 Fleet、后端和 GPU 申请。Job 的 Charts 支持标准指标，以及按 attempt 和来源选择的原始标量检查器。插件按用途分组，同时明确能力和执行位置。 参见Fleet、观测和插件。