为什么不直接用 ray job submit、kubectl 或 sbatch？
有凭据的话，你可以。TunePlane 是替你持有它们，换来的是这次运行拿到配额约束、一条审计轨迹、指标
落在一个地方，以及它来自哪个 commit 的记录。代理提交唯一拿走的东西，是跳过配额的能力。
为什么提交需要一个干净的工作树？
每次运行都记录它的 commit、一份配置快照和 recipe 摘要。三个月后，那是唯一可靠地复现那个好结果的 方式。lock 文件能自己升级吗？
不能。一次升级可能改变入口、默认值和镜像，所以它必须是某个人做的决定。我能用哪些框架版本？
怎么跑我自己的框架或私有代码？
custom/custom，配一个在白名单上的镜像和实验里的一个 train.sh。镜像需要 Python、你的框架和你的
依赖 —— 不需要 CLI。
已发布的 custom recipe 声明 external observability，所以要传 --observability-url，想要控制台
曲线的话还要装 tuneplane wheel。见自带训练器。
训练数据该放哪？
三个选项，按推荐顺序：
作业能读、但没人能下载的材料，用一个 Volume。
GPU 时间怎么计？
每个作业记录gpu_seconds，即持卡的墙钟时间乘卡数。排队时间免费；容器起来之后才开始计。它显示在
控制台的 Usage 页上。
我能在没有 GPU 的机器上工作吗？
除了训练，都能。tp init、tp new、tp validate、tp methods 和 tp job logs 都是本地或只读的。
整条从提交到 ingest 的回路也能在没有 GPU 的情况下跑，调度与配额语义完好 —— 见
冒烟测试。