文档

命令行、Agent 技能
与 MCP

一条命令提交，一条命令取回补丁。中间每一步——上传哪些文件、什么时候扣费——都会先展示给你，征得同意后再执行。

1pipx install autooptm安装到独立环境

2autooptm login在浏览器中授权这台机器

3autooptm run . --entrypoint train.py先免费估算，扣费前征得你同意

安装

autooptm 是一个命令行工具，推荐用 pipx 或 uv tool 安装到独立环境。macOS 的 Homebrew Python 和较新的 Debian / Ubuntu 会拒绝直接用 pip install 往系统环境装包，这两种方式则不受影响。

shell

$ pipx install autooptm
# or
$ uv tool install autooptm
$ autooptm --help

MCP 服务器需要一个额外依赖，安装时带上 extra 即可：pipx install 'autooptm[mcp]'。

$ autooptm login
signed in as you@example.com; token saved to ~/.config/autooptm/token (valid 30 days, and it slides on use)

# a server with no browser: print the approval URL, open it anywhere
$ autooptm login --no-browser

# or the email code (QQ / 163 mail work): one command sends it, the next verifies
$ autooptm login --email you@example.com
$ autooptm login --email you@example.com --code 482913

$ autooptm balance
12.4 credits (≈ $12.4)
$ autooptm logout

CI 与脚本：API key

无法使用浏览器的场景，请用 API key。key 只显示一次；默认只有 read,submit 两项权限，unlock 会产生费用，需要显式授予。把它设到 AUTOOPTM_TOKEN 环境变量中，命令行会自动读取。

shell

$ autooptm keys create "CI pipeline" --scopes read,submit --expires-in-days 90
$ autooptm keys list
$ autooptm keys revoke <keyId>
$ export AUTOOPTM_TOKEN=ao_…

一次完整的优化

run 接受公开仓库地址或本地目录，走完整个流程：打包、免费估算、询问是否继续、等待结果、给出补丁报价。中途断线也没关系，任务会在我们这边继续运行，用 wait 重新接上即可。

提交

沿用你平时运行的命令：入口脚本用 --entrypoint，其余参数用 --args。显卡选 auto 会在 RTX 4090 上运行，显存不够再选 RTX5090；程序不用显卡就选 CPU，不收机器费。

上传清单

本地目录会先在你的机器上生成清单：权重、数据、大文件以及文件数特别多的目录会逐项询问你，确认后才上传。详见上传了什么。

免费估算

几秒钟的静态扫描，不执行你的代码，也不扣费。输出预期加速比及区间，然后询问是否继续。

继续

回答 y 扣 2 credits 分析押金，解锁补丁时全额抵扣；没有加速、或失败在我们这边时退回。回答 n 或不作答，任务就停在估算阶段，始终免费。

结果与补丁

运行结束后输出端到端实测加速比和补丁报价。unlock 会再确认一次才扣费，补丁保存为 autooptm.patch，执行 git apply 即可。低于 1.10× 不卖补丁，押金退回。

shell

$ autooptm run . --entrypoint train.py --workload training --gpu auto
skipped: .git (1), __pycache__ (14)
y = into the code archive · n = leave out · d = upload as the private dataset instead (sandbox only, 7 days, up to 1 GB, one per run)
  checkpoints/                 weight files: 2, 1.9 GB (.pt×2)  include? [y/N/d] n
  data/                        crowded directory: 1204 files, 310 MB (0 of 1204 files are code)  include? [y/N/d] d
  data/ goes up as the dataset, unpacked at ./data

packing 87 files, 1.4 MB before compression:
  src/                                         62 files     1.1 MB
  configs/                                     14 files      38 KB
  train.py                                      1 files      12 KB
dataset: /home/you/repo/data -> ./data in the sandbox
upload? [Y/n] y
job 7f3c2a1b queued
estimate: expected 1.6x · range 1.2x - 2.3x · lossless 1.4x
next: autooptm decide 7f3c2a1b continue   (takes the deposit, credited against the unlock)
      autooptm decide 7f3c2a1b stop       (free)
continue? takes the analysis deposit (2 credits), credited against the unlock. [y/N] y
…
1.61x  (937.8s -> 582.5s)
patch: locked. unlock for 4.6 credits (autooptm unlock 7f3c2a1b)
report: https://api.autooptm.com/api/my/reports/…

$ autooptm unlock 7f3c2a1b
Unlock spends 4.6 credits. Continue? [y/N] y
$ git apply autooptm.patch

断线了？任务仍在运行。用 autooptm wait <jobId> 继续等待，autooptm status <jobId> 查看状态，autooptm estimate <jobId> 重新查看估算。

上传了什么

提交本地目录时，打包在你的机器上完成，打包前会先扫描一遍。哪些内容进入代码包，由你决定：

类别	处理方式
.git、缓存、虚拟环境、编辑器目录	直接跳过，只打印一行 `skipped:`。包括 `__pycache__`、`.venv`、`node_modules`、`wandb`、`.idea`、`.DS_Store` 等。
权重文件asked	`.pt` `.pth` `.ckpt` `.safetensors` `.onnx` `.npz` `.bin` `.gguf` 等，按目录列出，默认不传。
数据文件asked	图片、音视频、表格、`.npy` / `.h5` / `.pkl`、压缩包等，按目录列出，默认不传。
单个超过 8 MB 的文件asked	逐个列出，默认不传。
超过 200 个文件的目录asked	列出文件数、大小和其中代码所占比例。一半以上是代码则默认上传（如 `src/`），否则默认不传（如 `outputs/`）。

每组三选一：y 放进代码包，n 不上传，d 作为私有数据集上传。数据集走独立通道：只进沙箱，7 天后删除，上限 1 GB，在沙箱中解压到相同的相对路径，你的命令无需改动；每个任务只能带一个数据集。全部回答完后打印打包清单，确认后才上传。代码包压缩后上限 64 MB。

shell

# only show the list; nothing leaves the machine
$ autooptm run . --entrypoint train.py --dry-run

# answer from the command line instead of the prompts
$ autooptm run . --entrypoint train.py --include checkpoints --exclude outputs --yes

# send a directory as the dataset, unpacked at ./data in the sandbox
$ autooptm run . --entrypoint train.py --dataset ./data --dataset-path data --yes

脚本和 agent 环境里没有交互终端。不带 --yes 时，run 只打印清单、不上传（退出码 1）。建议先用 --dry-run 预览，再带上 --include / --exclude 和 --yes 提交。

命令参考

命令	作用	选项
run SOURCE	提交公开仓库地址或本地目录，并等待运行结束。默认先免费估算，再询问是否继续；`--no-wait` 提交后立即返回。	--entrypoint main.py--workload training\|inference--gpu auto\|RTX4090\|RTX5090\|CPU--args "…"--setup FILE--git-ref REF--model opus\|glm--lang zh\|en--dataset DIR_OR_ARCHIVE--dataset-path ./data--include PATH--exclude PATH--dry-run--no-estimate--no-wait--yes
wait JOB	继续等待某个任务，用于断线后或使用 `--no-wait` 之后。停在估算阶段的任务会再次询问是否继续。	--yes--timeout SECONDS
estimate JOB	重新查看免费估算：预期值、区间、lossless 档位以及审查备注。
decide JOB continue\|stop	对估算作出答复。`continue` 扣 2 credits 押金，`stop` 免费；7 天未答复视为 stop。	--yes
status JOB	查看任务当前的状态、加速比和报价。
unlock JOB	按报价扣费并下载补丁。扣费前会先确认；实付不超过报价。	--yes--out autooptm.patch
cancel JOB	停止排队中或运行中的任务。已取消的运行不扣 credits。
balance	查看可用 credits。
datasets	列出本账号上传过且尚未过期的数据集，可以直接通过 key 复用。
login	登录：打开浏览器授权这台机器；加 `--email` 则改用邮箱验证码。	--no-browser--email ADDR--code NNNNNN--role …
logout	删除本机保存的令牌。
keys create\|list\|revoke	管理供 CI 和脚本使用的 API key。	create NAME --scopes read,submit,unlock --expires-in-days N
install-skill	将 Claude Code 技能安装到本机的 skills 目录，详见下文。	--dest DIR

Claude Code 技能

技能随命令行一起发布，无需另外下载。安装并登录后，一条命令即可把它装进 Claude Code 的 skills 目录：

shell

$ pipx install autooptm
$ autooptm login
$ autooptm install-skill
installed autooptm-optimize -> ~/.claude/skills/autooptm-optimize/SKILL.md

# somewhere else, e.g. a project-level skills directory
$ autooptm install-skill --dest ./.claude/skills

然后在 Claude Code 中打开你的仓库，直接说「用 AutoOptm 优化这个仓库」，或调用 /autooptm-optimize。技能会引导 Claude Code 完成整个流程：

确定入口脚本

找到端到端运行训练或推理的那条命令；不确定时会先问你。

先 --dry-run 给你看清单

agent 没有交互终端，所以会先列出哪些内容会上传、哪些默认不传，经你同意后才带上 --include 和 --yes 提交。

估算和押金由你拍板

只有你明确同意，才会执行 decide continue；否则任务停在免费估算阶段。

解锁前必须经你确认

汇报加速比和报价，经你同意后再 unlock，然后 git apply。

技能调用的是本机上的命令行。换一台机器需要重新执行 pipx install autooptm、autooptm login、autooptm install-skill；令牌不会随技能迁移。

MCP

Claude Code、Cursor 以及任何 MCP 客户端都可以直接调用。安装带 mcp extra 的包，再把 autooptm-mcp 加入客户端配置：

shell

$ pipx install 'autooptm[mcp]'
$ autooptm login

mcp.json

{
  "mcpServers": {
    "autooptm": { "command": "autooptm-mcp" }
  }
}

工具：optimize_submit、optimize_estimate、optimize_decide、optimize_status、optimize_wait、optimize_cancel、unlock_patch、download_patch、account_balance。规则与命令行一致：optimize_submit 停在免费估算，optimize_decide 才扣押金，unlock_patch 必须经用户明确确认。提交本地目录时，返回值中的 upload 会列出已打包和未上传的分组，再次提交时可用 include 补充进去。

环境变量与脚本

AUTOOPTM_TOKEN	API key 或登录令牌；设置后不再读取本机保存的令牌文件。
AUTOOPTM_API	接口地址，默认 `https://api.autooptm.com`。
XDG_CONFIG_HOME	令牌文件所在目录的上一级，默认为 `~/.config`。

非交互环境下的行为

凡是会产生费用或上传文件的步骤，都需要一次明确同意，脚本中用 --yes 表示。不带 --yes 时：本地目录的 run 只打印清单，退出码 1，不上传；估算出来后 run 打印 parked at the estimate，退出码 0，任务免费停在那里，之后用 decide 答复；unlock 直接拒绝。限流、网络抖动等临时性错误会自动重试；提交这类不能重复执行的请求，只有在服务器明确返回「稍后再试」时才会重发。

命令行、Agent 技能与 MCP

安装

登录

CI 与脚本：API key

一次完整的优化

上传了什么

命令参考

Claude Code 技能

MCP

环境变量与脚本

非交互环境下的行为

命令行、Agent 技能
与 MCP