runtime/training/ — 训练流水线包

def main():
    args = parse_args()
    ctx = TrainingContext(args=args)
    phases.bootstrap.run(ctx)
    phases.models.run(ctx)
    phases.dataset.run(ctx)
    phases.optimizer.run(ctx)
    phases.resume.run(ctx)
    loop.run(ctx)
    phases.finalize.run(ctx)

runtime/training/
├── context.py              ← TrainingContext dataclass（43 字段 + emit / get_next_sample_prompt / handle_interrupt 方法）
├── loop.py                 ← 主训练循环：for epoch / for batch / 累积 / forward / loss / 周期 IO
├── sample_runner.py        ← run_sample(ctx, prompt, path, ...) helper，消掉原 3 处重复的 sample 块
│
├── bootstrap.py            ← deps 检测 / yaml 加载 / 进度条 init（被 phases.bootstrap 调）
├── cli.py                  ← parse_args / interactive helpers
├── observability.py        ← WandBMonitor + loss 曲线 ASCII / Rich 渲染
├── model_loading.py        ← prefix 推断 / safetensors / 路径解析 / xformers / forward checkpoint
├── models.py               ← load_anima_model / load_vae / load_text_encoders（sister script 也用）
├── text_encoding.py        ← Qwen / T5 加权 tokenize
├── state.py                ← save / load_training_state
├── dataset.py              ← BucketManager + ImageDataset + 5 衍生类 + collate
├── sampling.py             ← 推理用 sample_image + sigma 调度（被 sister script 也用）
├── timestep_sampling.py    ← 训练 step 用 sample_t（logit_normal / uniform / mode）；
│                            被 timestep_samplers/baseline.py 复用
├── noise.py                ← make_noise（offset + pyramid）
├── loss_weighting.py       ← compute_loss_weight（min_snr / cosmap / detail_inv_t）；
│                            注意：是 *loss 权重*（Flow Matching 步级缩放系数），
│                            跟 *loss 类型*（mse / huber，见 losses/）正交
│
├── phases/                 ← main() 的 6 个 phase；每个 run(ctx) in-place mutate
│   ├── bootstrap.py        ← yaml + 交互 + seed + device + wandb + monitor_state writer +
│   │                          调 6 个 plugin 子包的 validate_schema_consistency
│   ├── models.py           ← path resolve + 加载 transformer/vae/text encoders + LoRA inject
│   ├── dataset.py          ← build 主集 + 正则集 + dataloader + VAE roundtrip 自检
│   ├── optimizer.py        ← build_optimizer + validate + scheduler + total_steps +
│   │                          build_timestep_sampler + build_loss
│   ├── resume.py           ← init_progress + state recovery + SIGINT + sample prompts + baseline
│   └── finalize.py         ← 最终 LoRA save + 清理 progress + 最终 loss curve + wandb finish
│
└── ── 6 个 plugin 子包 ──（加变体本地化的关键）
    ├── adapters/           ← LoRA 变体
    │   ├── protocol.py     ← AdapterProtocol + StepContext
    │   ├── lycoris.py      ← build_adapter for lokr/loha/lora
    │   └── __init__.py     ← BUILDERS dict + build_adapter + validate_schema_consistency
    │
    ├── optimizers/         ← AdamW / Prodigy / PPSF
    │   ├── adamw.py / prodigy.py / prodigy_plus_schedulefree.py
    │   └── __init__.py     ← BUILDERS + VALIDATORS + build_optimizer + validate_optimizer
    │
    ├── schedulers/         ← cosine / cosine_with_restart（"none" 是 schema-only 不开文件）
    │   ├── cosine.py / cosine_with_restart.py
    │   └── __init__.py     ← BUILDERS + build_scheduler
    │
    ├── inference_samplers/ ← er_sde（未来加 euler / dpmpp 直接塞文件）
    │   ├── er_sde.py
    │   └── __init__.py     ← BUILDERS + build_inference_sampler
    │
    ├── timestep_samplers/  ← 训练 timestep 采样器（PR #66 引入）
    │   ├── protocol.py     ← TimestepSamplerProtocol（1 必需 + 3 可选 hook）
    │   ├── baseline.py     ← sample_t 4 mode 的 thin wrapper（非自适应）
    │   ├── infonoise.py    ← InfoNoise I-MMSE 自适应采样器（arxiv 2602.18647）
    │   └── __init__.py     ← BUILDERS + build_timestep_sampler（bool 派发，非 Literal）
    │
    └── losses/             ← 训练 loss 类型（mse / huber / ...）
        ├── protocol.py     ← LossProtocol（compute(pred, target, t) → Tensor）
        ├── mse.py          ← F.mse_loss 包装（默认）
        ├── huber.py        ← Huber loss with constant/snr/sigma delta schedule
        └── __init__.py     ← BUILDERS + build_loss + validate_schema_consistency

parse_args()                          ┐
        ↓                              │
TrainingContext(args=args)             │
        ↓                              │
phases.bootstrap.run(ctx)              │  填 device / dtype / output_dir / wandb / monitor
        ↓                              │
phases.models.run(ctx)                 │  填 repo_root / model / vae / qwen* / t5_tok / injector
        ↓                              ├─ 一次性 setup
phases.dataset.run(ctx)                │  填 bucket_mgr / dataset / reg_dataset / dataloader
        ↓                              │
phases.optimizer.run(ctx)              │  填 optimizer / scheduler / total_steps / trainable_params
        ↓                              │
phases.resume.run(ctx)                 │  填 progress / live / global_step / sample_prompts；
        ↓                              ┘  跑 baseline 采样；注册 SIGINT
loop.run(ctx)                          ──  for epoch / for batch（read+write 几乎所有 ctx.*）
        ↓
phases.finalize.run(ctx)               ──  final save + cleanup

class AdapterProtocol(Protocol):
    # 必需 4 个
    def inject(self, model) -> None
    def get_param_groups(self, weight_decay) -> list[dict]
    def save(self, path)
    def load(self, path)

    # 可选 3 个 hook（默认 no-op）
    def on_step_begin(self, ctx: StepContext) -> None
    def regularization_loss(self, ctx) -> Optional[Tensor]
    def excludes_weight_decay(self, name) -> bool

training/adapters/lycoris.py            ← 5 行 build 壳子
        ↓ import
utils/lycoris_adapter.py                ← 算法实现层
        ↓ import
utils/lycoris_patch.py                  ← lycoris-lora 上游 bug 补丁
utils/lokr_preset.py                    ← DiT 层选择规则

from training.adapters import validate_schema_consistency as _va
from training.optimizers import validate_schema_consistency as _vo
from training.schedulers import validate_schema_consistency as _vs
from training.losses import validate_schema_consistency as _vl
_va(); _vo(); _vs(); _vl()

# 跟 training/ 直接相关的单测
pytest tests/test_anima_train_migration.py        # CLI / YAML / parse_args 契约
pytest tests/test_anima_generate_xy.py            # sister script `_T.X` 访问模式
pytest tests/test_plugin_registry.py              # registry 三件套 + Protocol hook
pytest tests/test_infonoise.py                    # InfoNoise EMA 公式 + 状态机 + factory（含
                                                  # 论文 Algorithm 1 公式 codify，防 P0-2 类回归）