提交提案之前，请先检索仓库内是否已有相同的提案，如已有请在同一提案中进行讨论。
需求背景 MindSpeed-LLM 的 FSDP2 框架支持的模型持续增加，每个模型都需配套 pretrain 系统测试（ST）用例来验证数值稳定性并固化 CI 回归基线。但目前补 ST 全靠人工，流程重复且易错。
当前现状 ST 用例分散在 tests/pipeline/st/ 和 tests/st/shell_scripts/ 两个路径，需对照 model_registry.py 人工排查缺失；YAML 配置要逐模型参考官方 example 调参，漏切模块（如 MoE experts、ngram）直接 OOM；权重未开源的模型（如 mamba3）还要特殊处理；三次执行+基线入库全手工。经扫描，当前 mamba3、qwen3_moe 两个模型缺失 FSDP2 ST 用例。
期望实现 沉淀一个 Agent Skill，端到端自动完成：识别缺失模型 → 检查权重/数据集 → 生成规范的 .sh/.yaml → 8 卡三次执行生成基线，并在关键节点设人工确认卡点。
设计方案 Skill 五步工作流：①读注册表+扫两路径识别缺失；②查权重数据集，缺失按 HF下载→自生成 处理；③生成用例，YAML 优先跟随官方 example，复用已有模型子目录；④包装脚本 cd 到项目根目录三次执行，比对 lm loss/grad norm/吞吐量稳定性后入库 baseline；⑤pytest 验证。内置 mamba3、longcat_flash、qwen3_moe 等模型的差异化配置指南。
欢迎加入社区，感谢您对社区的贡献 🎉!
提交提案之前，请先检索仓库内是否已有相同的提案，如已有请在同一提案中进行讨论。
💻 需求背景、当前现状、期望实现的功能内容、具体的设计方案、以及测试方案
需求背景 MindSpeed-LLM 的 FSDP2 框架支持的模型持续增加，每个模型都需配套 pretrain 系统测试（ST）用例来验证数值稳定性并固化 CI 回归基线。但目前补 ST 全靠人工，流程重复且易错。
当前现状 ST 用例分散在 tests/pipeline/st/ 和 tests/st/shell_scripts/ 两个路径，需对照 model_registry.py 人工排查缺失；YAML 配置要逐模型参考官方 example 调参，漏切模块（如 MoE experts、ngram）直接 OOM；权重未开源的模型（如 mamba3）还要特殊处理；三次执行+基线入库全手工。经扫描，当前 mamba3、qwen3_moe 两个模型缺失 FSDP2 ST 用例。
期望实现 沉淀一个 Agent Skill，端到端自动完成：识别缺失模型 → 检查权重/数据集 → 生成规范的 .sh/.yaml → 8 卡三次执行生成基线，并在关键节点设人工确认卡点。
设计方案 Skill 五步工作流：①读注册表+扫两路径识别缺失；②查权重数据集，缺失按 HF下载→自生成 处理；③生成用例，YAML 优先跟随官方 example，复用已有模型子目录；④包装脚本 cd 到项目根目录三次执行，比对 lm loss/grad norm/吞吐量稳定性后入库 baseline；⑤pytest 验证。内置 mamba3、longcat_flash、qwen3_moe 等模型的差异化配置指南。
替代方案
补充说明
欢迎加入社区，感谢您对社区的贡献 🎉!