lql341/dsh-scnet

DSH-SCNet

简体中文

DSH-SCNet（npm 上的 dsh-scnet）是一个由社区维护的 DSH 捆绑包，用于操作超级计算网络（SCNet）集群。它打包了规范的 scnet-hpc 技能、感知配置文件的 shell 工具，以及七个用于 SSH 设置、Slurm 作业生成、集群发现和计算节点诊断的确定性工具。

这是一个独立的社区项目。它与 DeepSeek Harness 兼容，但并非 DeepSeek 官方产品，也不意味着 DeepSeek 的认可、合作或授权。

要求

- Node.js 22.19 或更高版本
- DeepSeek Harness（dsh）
- 用于原生 shell 执行的 Linux 或 macOS
- 通过 WSL2 使用 Windows；捆绑的 Bash 脚本不支持原生 Windows 执行
- 用于远程操作的 SCNet 账户和集群凭据

安装

dsh plugin --profile web add dsh-scnet

然后验证捆绑包层是否存在：

dsh --profile web --dump-config

有关 npm、GitHub 和本地检出工作流，请参阅安装。

包含的功能

| 组件 | 用途 |
| --- | --- |
| scnet-hpc 技能 | 针对 SSH、Slurm、离线计算节点和加速器验证的基于配置文件的作指导 |
| scnet_list_clusters | 列出打包的集群配置文件 |
| scnet_show_cluster | 在报告资源约束之前读取选定的配置文件 |
| scnet_generate_job | 生成感知配置文件的加速器或仅 CPU 的 Slurm 脚本 |
| scnet_setup_ssh | 在用户明确确认的情况下配置本地 SSH 密钥和主机条目 |
| scnet_probe_cluster | 从只读登录节点探测生成初始配置文件 |
| scnet_refresh_cluster | 刷新时间敏感的配置文件字段；计算探测为可选加入 |
| scnet_run_compute_probe | 提交一个最小的计算节点能力探测 |

打包的配置文件目前涵盖郑州、昆山、乌镇和西安 SCNet 环境。集群规格和调度器策略仍因配置文件而异，应针对目标环境进行验证。

捆绑包结构

.
├── package.json
├── cordis.patch.yml
├── index.mjs
├── skills/scnet-hpc/
│   ├── SKILL.md
│   ├── clusters/
│   ├── references/
│   └── scripts/
├── scripts/validate-package.mjs
├── docs/
├── sync.sh
└── .github/workflows/

该包是一个 DSH 捆绑包：package.json 声明了 dsh.bundle.patch，而 cordis.patch.yml 通过 @deepseek-ai/dsh-skill-filesystem 同时挂载工具插件和打包的技能目录。

源同步

skills/scnet-hpc/ 目录是从规范的 scnet-hpc 仓库生成的：

./sync.sh --src ../scnet-hpc

不要独立维护生成的目录。同步会排除规范安装程序和本地探测缓存，因为两者都不属于 npm 运行时包。

验证

npm install --no-package-lock --ignore-scripts
npm run validate
npm pack --dry-run

本地包安装和按风险排序的运行时检查请参见测试。

安全边界

- 仓库和 npm 包不得包含私钥、令牌、用户名、私有端点或本地探测缓存。
- SSH 配置、远程探测和 Slurm 提交属于会改变状态的操作，需要明确的目标和用户授权。
- 生成的 Slurm 文件可能包含本地用户名，并已被 Git 忽略。
- 加速器兼容性声明需要来自目标计算节点的证据。

品牌

本项目在其名称中使用缩写 DSH 生态系统标识符。对“DeepSeek Harness”的引用仅为描述性兼容性声明。本包不分发任何官方徽标或其他 DeepSeek 品牌资产。

命名和归属政策遵循 DeepSeek Harness 品牌指南。

许可证

本项目基于 MIT 许可证发布。在遵守许可证条款的前提下，本软件可被使用、复制、修改、合并、发布、再许可和分发，包括用于商业目的。

再分发必须保留版权声明和 MIT 许可证声明。本软件按“原样”提供，不附带任何形式的保证；用户有责任评估该捆绑包、技能指令、集群配置文件、脚本及生成输出对其自身环境的适用性和风险。