入库与重训
校验采样批次、去重并写入参考库，再离线重训排名器与置信度校准。
入库
fpd enroll ./my-run --dry-run
fpd enroll ./my-run交互模式从当前目录向上查找本仓库，也识别外层目录下的 projects/。识别依赖包名、workspace 和正式数据文件，不依赖 Git，也从不使用安装目录。预览显示完整目标路径、新增及去重数量；确认默认为“否”。
仓库外或非交互模式需要显式指定目标：
mkdir -p ./reference-data
fpd enroll ./my-run --data-dir ./reference-data --dry-run --json
fpd enroll ./my-run --data-dir ./reference-data --json目标必须是已有目录；空目录可以建立单独的参考库。显式路径无效时直接报错，不回退到自动识别的结果。--yes 只在指定 --data-dir 时跳过交互确认，不能与 --dry-run 同用。采样时加 --enroll，也可以在完整采样后直接进入入库流程。
入库重新解析原始响应，校验请求、文本、型号、批次哈希及正式库哈希，然后去重、重建和写入。相同模型、渠道、条件、题目和文本的重复记录不会再次计数；不同渠道的证据不互相吞并。写入使用锁和可恢复事务，收据与备份位于目标目录的 .enrollments/。
存在未完成的事务时，预览核对暂存文件和正式文件的哈希，按恢复后的状态计算数量，但不写文件；确认入库后才完成恢复。发现事务之外的改动时拒绝覆盖。
随 CLI 安装的参考库始终只读。入库会重建目标参考库，但不会自动重训排名器和置信度校准；入库后参考库与检测器不再匹配，用该参考库检测会报错，直到运行 fpd retrain。
重训
fpd retrain --data-dir ./reference-data在仓库内更新正式数据后，也可以在根目录运行 bun run retrain --data-dir ./data。重训需要 uv 和 Python；CLI 用 Bun 管理目录锁、参数和进程，数值拟合由包内的 offline/ 模块完成。命令不请求模型 API，也不读取固定评估集。
重训先检查参考库与指纹库的哈希，再按固定参考环境重新拟合排名器和置信度温度。训练的计划、指标和冻结源码保存在目标目录的 .training/；已有参数时，同一运行目录还保存 before-shared-detector.bin。校准必须通过嵌套留出验收，才会原子替换 shared_detector.bin；失败时保留原参数，该参考库仍不能用于检测。--data-dir 必须指向已有目录，发布包自带的库仍然只读。
评估数据不能进入参考库
固定评估集不得用于建库、训练或校准，也不能加入参考库或模型中心。在完整的研究仓库中，每次入库前保存基线评估，入库时为该模型补齐两组三条独立评估回答。沿用固定挑战，记录实际渠道、推理参数和全部尝试。
从 research/ 运行 bun run rebuild-bank，再重训，最后运行 bun run evaluate:holdout。检查 reports/holdout/latest.md 的覆盖率，分别报告旧评估组的前后变化和新增模型的识别结果。rebuild-bank 必须在重训之前运行，重训之后不能再改动参考库。
发布
在根目录运行 bun run build 构建网站数据，运行 bun run build:cli 打包独立 CLI；这两个命令本身不发布。自动发布见打包与发布。
入库的退出码：0 完成或校验通过，1 参数、文件或运行错误，2 在交互步骤中取消。
最后更新于