远程实验运维 xianyu9n/dsh-exp-ops

@deepseek-ai/dsh-exp-ops

远程实验运维插件（DeepSeek Harness / dsh）。让 agent 在远端机器上跑长训练/评测时被信号唤醒，而不是靠轮询；同时让操作者在 GUI 右侧边栏里盯着这些机器。

痛点

- 看不见：训练进程死了、显存爆了、机器失联了，agent 只能反复发命令去猜。
- 等不到：等一个 rollout gate 报告落盘，agent 只能写 sleep 循环轮询，既浪费轮次又漏事件。
- 改不动：换一台机器、改一个轮询间隔，都得改组合文件再重启 harness。

大概怎么做

- 服务器注册表只存凭据引用：配置里写的是凭据名字，值在带外写入并在主机进程内解析，经 stdin 交给探针，不进配置、不进命令行、不进环境变量。
- 看门狗替代轮询：signal_watch / gpu_watch / rollout_watch 跑在同一套轮询引擎上，条件满足时通过后台任务结算唤醒 agent，而不是让 agent 自己 sleep 等。
- 一台机器的状态可读：按需 + 定期采样的 GPU / CPU / 内存 / 磁盘 / 进程快照，以及按服务器隔离的 rollout gate 报告读取与趋势标记。
- 一个面板管三件事：右侧边栏统一面板（监控 / Rollout / 配置三个子视图），配置改动热生效，不需要重启。

安装

面向 DSH 0.1.6-alpha.2 开发与验证（peer 依赖 @deepseek-ai/* 均为该版本），其他版本未做验证。

组合里必须同时挂载 @deepseek-ai/dsh-tool-jobs，否则三个看门狗会以 background jobs unavailable 失败。探针 probe/ssh_probe.py 需要 Python 3 与 paramiko。

本包尚未声明 dsh.bundle.patch，所以 dsh plugin --profile add 不适用，它通过 profile 的 cordis.patch.yml 以 insert 挂载（patch 层热生效，刷新页面即可）。完整配置示例见 docs/reference.md。

开发

npm run typecheck # tsc --noEmit
npm test # vitest run
npm run build # tsc（host 半边）+ tsdown（client bundle）

当前 240 个测试通过（9 个测试文件）。构建脚本目前复用 DeepSeek Harness 检出里的 typescript / vitest / tsdown（package.json 里是绝对路径），peer 依赖也写成 workspace:^——也就是说本仓库当前面向「在 Harness 检出旁的开发者工作区」，而不是 npm install 开箱即用。

文档

- docs/reference.md —— 完整参考：配置全表、探针契约、工具与路由细节、安全承诺与边界、已知限制、代码结构。

许可

MIT，见 LICENSE。