终端、Git 与实验目录：让每次训练都可复现

2.1 你必须会的终端命令

pwd 看当前目录，ls 看文件，cd 切换目录，mkdir 创建目录，cp 复制，mv 移动，rm 删除。你不需要成为 Linux 管理员，但训练模型大量工作发生在终端里；真正的 GPU 服务器通常也没有你熟悉的图形界面。

2.2 为什么 Git 很重要

模型实验不是“改完就完了”。你可能今天改 prompt，明天改清洗规则，后天换数据集。没有版本记录，你无法知道性能变化来自哪里。Git 至少要学会 init、status、add、commit、log、diff。大模型权重本身通常不直接塞进 Git，而是记录下载地址、哈希、配置和脚本。

2.3 一个规范实验目录

推荐每个实验都至少有 README.md、config.yaml、train.py、eval.py、data/、outputs/、logs/。README 记录目标和结论；config 保存超参数；outputs 放 adapter 或 checkpoint；logs 放 loss 和 eval 结果。以后每次训练都复制模板，而不是临时乱建文件。

2.4 Experiment ID

给每个实验唯一编号，例如 EXP-003-qwen3b-qlora-v2。编号应写进日志和评测结果。实验失败也不能删除，因为失败就是资产：它告诉你哪些参数、数据或环境组合不值得再试。

本课最小代码 / 结构

personal-ai-lab/
  experiments/
    EXP-001-first-model/
      README.md
      config.yaml
      train.py
      eval.py
      data/
      outputs/
      logs/