Preserve live FMA smoke state for fast session restart

Capture the current real-FMA CPU smoke checkpoint, restart path, and delivery handoff so the next session can resume without re-diagnosing an expected long-running training stage.

Constraint: Real FMA smoke is still running on CPU with no GPU available
Rejected: Wait for final smoke completion before documenting | would delay a usable handoff artifact
Confidence: high
Scope-risk: narrow
Directive: Keep staging explicit; do not include datasets, smoke outputs, checkpoints, or caches
Tested: git diff review; live process check; validate-splits on /tmp/fma_real_smoke_stopcheck/fma/manifests
Not-tested: Final FMA smoke metrics after Epoch 1 completion

@@ -72,6 +72,29 @@
    - `hybrid` 波动收敛
    - 更接近商用的数据集组合评测
 
+## 5.5 最新真实 FMA smoke 运行态（2026-06-02）
+
+- 真实 FMA 数据已本地就绪：`acr-engine/data/raw/fma_small_audio/`
+- 已验证：
+  - `num_audio_files=8000`
+  - `eligible_query_files=7994`
+  - `ready_for_smoke=true`
+- 当前有一条真实 FMA 端到端 smoke 正在运行：
+  - 进程：`src/data/external_adapters.py smoke-local fma ...`
+  - 输出：`/tmp/fma_real_smoke_stopcheck`
+  - 训练子进程：`train.py --data /tmp/fma_real_smoke_stopcheck/fma/manifests ...`
+- 最新 checkpoint（2026-06-02 12:09 UTC）：
+  - `train.py` 仍在运行
+  - `ELAPSED=12:00`
+  - `catalog_references=8000`
+  - `train_queries=6401`
+  - `test_queries=1593`
+  - `fma_models_smoke/` 仍为空，这在当前实现中是正常现象，因为 `best_model.pt` 只会在 `Epoch 1` 结束后首次保存
+- 环境确认无 GPU：
+  - `nvidia-smi` 不可用
+  - `torch.cuda.is_available() = false`
+- 因此当前最真实的卡点不是 bug，而是 **CPU-only 真实 FMA smoke 耗时长**。
+
 ## 6. 高风险注意事项
 
 - `git status` 中通常会有大量：

+## 2026-06-02 交付包补齐最新真实 FMA 运行态与重启接力说明 checkpoint
+
+完成项：
+- 更新 `docs/session-handoff.md`，补齐真实 FMA smoke 的最新运行态、卡点与重启后第一优先级动作。
+- 更新 `docs/delivery-handoff-2026-06-02.md`，把当前最关键卡点切换为“真实 FMA CPU 长训练仍在执行中”。
+- 更新 `docs/changelist-2026-06-02.md`，记录本次交付包的新增证据与下一步。
+- 更新 `AGENT.md`，写入最新真实 FMA smoke 运行态记忆。
+- 修正 `docs/README.md` 中“4 组/5 组主文档”的表述不一致。
+
+验证结果：
+- `ps -p 311629 -o pid,etime,%cpu,%mem,cmd` 显示 `train.py` 仍在运行。
+- `validate-splits /tmp/fma_real_smoke_stopcheck/fma/manifests` => `ok=true`
+- `/tmp/fma_real_smoke_stopcheck/fma_models_smoke/` 当前为空目录，符合 `Epoch 1` 结束后首次保存的实现逻辑。
+
+结论：
+- 当前可交付的最新事实已经被沉淀进 handoff 包，新 session 重启后无需重复排查“是否卡死”。
+- 现阶段最真实的 blocker 是 **无 GPU 环境下真实 FMA 全量 smoke 训练耗时长**，而不是流程错误。
+
 ## 2026-06-02 真实 FMA smoke 启动并进入 CPU 长训练 checkpoint
 
 完成项：

@@ -4,7 +4,7 @@
 
 ## 一页结论
 
-当前文档入口过多，现统一浓缩为 **4 组主文档**：
+当前文档入口过多，现统一浓缩为 **5 组主文档**：
 
 1. **项目与架构**
 2. **数据与评测**

@@ -110,3 +110,31 @@ cd /workspace/acr-engine
   - manifest 校验通过：`catalog_references=8000`, `train_queries=6401`, `test_queries=1593`
   - 当前环境无 GPU，真实 smoke 正在 CPU 上进入长训练阶段
   - 训练中途 `fma_models_smoke/` 为空是正常现象，因为 `train.py` 在 `Epoch 1` 结束后才首次保存 `best_model.pt`
+
+
+## 本次收尾补充（12:09 UTC fresh evidence）
+
+- 已确认真实 FMA smoke 仍在 CPU 训练中：`train.py` `ELAPSED=12:00`。
+- 已再次确认 manifest 校验通过：
+  - `catalog_references=8000`
+  - `train_queries=6401`
+  - `test_queries=1593`
+  - `val_queries=0`
+- 已确认 `/tmp/fma_real_smoke_stopcheck/fma_models_smoke/` 仍为空目录，但这符合当前 `train.py` 的 epoch-end 保存逻辑。
+- 已将这些状态同步写入：
+  - [./session-handoff.md](./session-handoff.md)
+  - [./delivery-handoff-2026-06-02.md](./delivery-handoff-2026-06-02.md)
+  - [./CHANGELOG.md](./CHANGELOG.md)
+  - [../AGENT.md](../AGENT.md)
+
+### 现在的真正卡点
+
+1. 无 GPU，真实 FMA 全量 smoke 训练时间长。
+2. MTG-Jamendo 本地目录尚未就绪，无法进入同级 smoke。
+3. 工作区有大量数据噪音，必须继续精准暂存。
+
+### 重启后的直接动作
+
+1. 先看 [./session-handoff.md](./session-handoff.md)。
+2. 再检查真实 FMA smoke 是否已经产出 `best_model.pt` 或进入 `build-index/evaluate`。
+3. 若完成，则先补文档、changelog、commit、push，再继续下一轮 benchmark。

@@ -16,9 +16,35 @@
 - cap48 结果已明确存在 seed sensitivity。
 - 文档已经浓缩为可导航结构。
 
+## 当前最关键交付事实（12:09 UTC checkpoint）
+
+- 真正还在持续执行的是 **真实 FMA 全量 smoke**，不是 toy benchmark。
+- 当前主训练进程：
+  - `PID=311629`
+  - `ELAPSED=12:00`
+  - `%CPU≈615`
+- 当前 manifest 规模：
+  - `catalog_references=8000`
+  - `train_queries=6401`
+  - `test_queries=1593`
+- 当前模型目录 `/tmp/fma_real_smoke_stopcheck/fma_models_smoke/` 仍为空，但这是符合当前 `train.py` 实现的正常现象：`best_model.pt` 会在 `Epoch 1` 结束后首次保存。
+- 所以这轮交付最重要的不是“最终精度”，而是**把正在跑的真实大规模 smoke 状态、卡点和续跑方式明确记录下来**。
+
 ## 当前卡点
 
-### 卡点 1：还没有单一全局默认策略
+### 卡点 1：真实 FMA 全量 smoke 仍在 CPU 长训练中
+
+当前最新状态：
+- 真实 FMA smoke 已启动并持续运行
+- 当前环境无 GPU
+- `fma_models_smoke/` 为空不代表失败，而是 epoch-end 保存逻辑所致
+
+真正待做：
+- 等待 `Epoch 1` 结束并确认首个模型文件
+- 继续捕获 `build-index` / `evaluate` 转场证据
+- 完成后立即回写文档、commit、push
+
+### 卡点 2：还没有单一全局默认策略
 
 当前最新状态：
 - cap48 三 seed 聚合：`high_energy` 更稳
@@ -31,7 +57,7 @@
 - 补 cap64 multi-seed
 - 继续降低 `hybrid` 波动
 
-### 卡点 2：工作区噪音很大
+### 卡点 3：工作区噪音很大
 
 当前有大量未跟踪或变更的数据/产物文件，提交时必须精准暂存文档文件。
 

@@ -53,6 +53,50 @@
 
 ---
 
+### 最新 checkpoint（2026-06-02 12:09 UTC）
+
+- 真实 FMA smoke 主进程仍在运行：
+  - `PID=311494`：`src/data/external_adapters.py smoke-local fma ...`
+  - `PID=311629`：`train.py --data /tmp/fma_real_smoke_stopcheck/fma/manifests ...`
+- 最新观测：
+  - `train.py ELAPSED=12:00`
+  - `%CPU≈615`
+  - `%MEM≈10.4`
+- manifest 仍有效：
+  - `catalog_references=8000`
+  - `train_queries=6401`
+  - `test_queries=1593`
+  - `val_queries=0`
+- `/tmp/fma_real_smoke_stopcheck/fma_models_smoke/` 当前仍为空目录。
+- 这是**符合当前 train.py 保存逻辑**的：`best_model.pt` 要到 `Epoch 1` 结束后才会首次落盘。
+
+### 当前卡点（最新）
+
+1. **真实 FMA smoke 尚未出首个模型文件**
+   - 原因不是异常，而是当前环境无 GPU，且本次使用真实 FMA 全量 8000 首参考。
+2. **MTG-Jamendo 目录仍未就绪**
+   - `data/raw/mtg_jamendo_audio` 当前仍缺少可用音频文件，暂时无法进入同级别 smoke。
+3. **工作树噪音依旧很大**
+   - 提交时必须继续只显式暂存文档 / 脚本，不能误带 `data/external_smoke`、`data/raw`、checkpoint、`__pycache__`。
+
+### 重启后第一优先级动作
+
+1. 先检查真实 FMA smoke 是否完成：
+```bash
+ps -p 311629 -o pid,etime,%cpu,%mem,cmd
+find /tmp/fma_real_smoke_stopcheck/fma_models_smoke -maxdepth 2 \( -type f -o -type d \) | sort
+pgrep -af 'train.py --data /tmp/fma_real_smoke_stopcheck|run_demo.py build-index --data /tmp/fma_real_smoke_stopcheck|evaluate.py --data /tmp/fma_real_smoke_stopcheck'
+```
+2. 如果 smoke 完成：
+   - 收集 `report.json` / metrics / artifacts
+   - 回写 `docs/open-dataset-workflow.md`
+   - 回写 `docs/CHANGELOG.md`
+   - commit + push
+3. 如果 smoke 仍在跑：
+   - 不要误判为空模型目录是 bug
+   - 继续等待 `Epoch 1` 结束或切换到 `build-index/evaluate`
+
+
 ## 1. 项目是什么
 
 这是一个面向**音乐片段识别 / 音乐检索**的 ACR 引擎，核心路线是：