training-qat 怎么安装？

在已安装 dsh CLI 引擎的环境中，进入插件页复制安装命令一键执行即可；尚未跑自动兼容性验证，可查看页面内的依赖与入口分析。

training-qat 兼容性怎么样？

尚未跑自动兼容性验证，可查看页面内的依赖与入口分析。

training-qat 有中文文档吗？

已提供中文翻译 README（由 DeepSeek 最新模型翻译生成），本站可切换中英文对照阅读。

training-qat 还在维护吗？

GitHub 0 星。最近一次上游提交在 2026/10/20。

量化感知训练 xiciyang/training-qat

DeepSeek Harness

xiciyang11 天前有提交已提供中文文档扫描：含敏感能力

在 GitHub 查看 ↗

在真实 GPU 上训练量化模型并严格验收产物

30/100

综合分

GitHub 星标

—

npm 周下载

—/5

用户评分

数据截至 2026/10/21 · 周下载取自 npm 全网（含 CI / 镜像），非本站安装数；综合分由星标、活跃度与兼容性检查合成。

安装命令 · 需先装 dsh CLI 引擎

dsh plugin --profile web add xiciyang/training-qat

该包不可直接 npm 安装，改从 GitHub 源安装（明细见下方安装检查）

状态速览

判定依据：实装验证 · 静态安装检查 · 自动扫描 · 仓库维护状态

信任档位：仅索引

是什么

dsh 原生插件 · dev

装得上吗

本站尚未做安装检查

L4 · 真实安装等级说明 →

安全吗

本站尚未对该插件做风险分级

暂未覆盖，不等同于无风险

还在维护吗

活跃：最近一次提交在 11 天前

档位由哪些信号合成

本站实装验证（真实安装 L4 覆盖全站；L5 为运行时冒烟或实机截图，覆盖范围小于 L4） · 验证所用 dsh 版本 · 静态安装检查 · 风险分级 · 仓库维护状态。下方各区块是它的证据明细。

验证判据与等级说明 →

社区实装还没有人打卡 · 装过的第一个就是你

安全扫描自动 · 静态分析源码

v2.7.0

🔵 扫描：含敏感能力尚无人工评估

展开查看扫描说明与证据 ↓

静态扫描发现插件具备触达本地系统的能力：执行外部命令、读写/删除本地文件、读取剪贴板或密钥类环境变量（至少其一）。这是能力清单，不是危险判定——具体能力项与证据见下方，安装前请自行判断是否需要。

可执行外部命令读写/删除本地文件发起外部网络请求

查看扫描证据（共 56 处，展示前 35 条）

读取本地文件
src/index.mjs:60
if (!existsSync(p)) continue
读取本地文件
src/index.mjs:67
if (!existsSync(p)) continue
读取本地文件
src/core.mjs:45
function schemaPath() { return existsSync(SCHEMA_FILE) ? SCHEMA_FILE : null }
读取本地文件
src/core.mjs:106
if (!datasetDir || !existsSync(join(datasetDir, 'train.jsonl'))) throw new ToolError(ERROR_CODES.E_DATASET_INVALID, { hint: `语料未就绪：${datasetDir}（先调 tr
读取本地文件
src/core.mjs:107
const lg = JSON.parse(readFileSync(join(datasetDir, 'lineage.json'), 'utf8'))
读取本地文件
src/core.mjs:109
if (!existsSync(join(baseModel, 'config.json'))) throw new ToolError(ERROR_CODES.E_BASE_MODEL_NOT_FOUND, { hint: `基座模型目录不合法：${baseModel}`, recoverable
读取本地文件
src/core.mjs:150
dataset: { dir: datasetDir, trainRows: lg.calib?.count ?? null, valRows: lg.test?.count ?? null, lineageHash: `sha256:${contentHash(readFileSync(join(
读取本地文件
src/core.mjs:173
const cpPayload = JSON.parse(readFileSync(join(runDir, 'checkpoints', lastName, 'payload.json'), 'utf8'))
写入本地文件
src/core.mjs:222
writeFileSync(join(exportDir, 'provenance.json'), `${JSON.stringify(provenance, null, 2)}\n`)
写入本地文件
src/core.mjs:223
writeFileSync(join(runDir, 'provenance.json'), `${JSON.stringify(provenance, null, 2)}\n`)
写入本地文件
src/core.mjs:224
if (r.floatDir) { try { writeFileSync(join(r.floatDir, 'provenance.json'), `${JSON.stringify(provenance, null, 2)}\n`) } catch { } }
写入本地文件
src/core.mjs:713
writeFileSync(join(p.runsDir, runId, 'eval-result.json'), `${JSON.stringify(evalResult, null, 2)}\n`)
执行外部命令固定命令
src/core.mjs:826
gpu = execFileSync('nvidia-smi', ['--query-gpu=name,driver_version,memory.used,memory.total', '--format=csv,noheader'], { encoding: 'utf8', timeout: 2
执行外部命令固定命令
src/core.mjs:831
imageId = execFileSync('docker', ['images', '-q', QAT_IMAGE], { encoding: 'utf8', timeout: 20000 }).trim() || null
读取本地文件
src/train.mjs:94
if (!existsSync(cfgPath)) return { ok: false, reason: '产出缺 config.json' }
读取本地文件
src/train.mjs:96
try { cfg = JSON.parse(readFileSync(cfgPath, 'utf8')) } catch (e) { return { ok: false, reason: `config.json 解析失败：${e.message}` } }
执行外部命令固定命令
src/worker.mjs:59
this.child = spawn('docker', this.args(), { stdio: ['pipe', 'pipe', 'pipe'] })
读取本地文件
src/data/prepare.mjs:32
const text = readFileSync(p, 'utf8')
读取本地文件
src/data/prepare.mjs:60
if (existsSync(join(dir, trainFile)) && existsSync(join(dir, valFile))) return { trainFile, valFile }
读取本地文件
src/data/prepare.mjs:67
if (!existsSync(p)) return null
读取本地文件
src/data/prepare.mjs:69
const doc = JSON.parse(readFileSync(p, 'utf8'))
读取本地文件
src/data/prepare.mjs:94
if (!existsSync(datasetsRoot)) return null
读取本地文件
src/data/prepare.mjs:96
for (const d of readdirSync(datasetsRoot).sort()) {
写入本地文件
src/data/prepare.mjs:199
mkdirSync(OUT, { recursive: true, mode: 0o700 })
写入本地文件
src/data/prepare.mjs:201
writeFileSync(join(OUT, 'train.jsonl'), `${trainRows.map(line).join('\n')}\n`, { mode: 0o600 })
写入本地文件
src/data/prepare.mjs:202
writeFileSync(join(OUT, 'val.jsonl'), `${valRows.map(line).join('\n')}\n`, { mode: 0o600 })
写入本地文件
src/data/prepare.mjs:203
writeFileSync(join(OUT, 'lineage.json'), `${JSON.stringify(lg, null, 2)}\n`, { mode: 0o600 })
读取本地文件
src/evaluate.mjs:43
for (const c of cands) if (existsSync(c)) return c
读取本地文件
src/serving-client.mjs:23
if (existsSync(cfg)) {
读取本地文件
src/serving-client.mjs:24
const p = readFileSync(cfg, 'utf8').trim()
读取本地文件
src/serving-client.mjs:25
if (p && existsSync(p)) return { root: p, serverPath: join(p, 'mcp', 'server.mjs'), from: 'config file', tried }
读取本地文件
src/serving-client.mjs:31
if (existsSync(join(cand, 'mcp', 'server.mjs'))) return { root: cand, serverPath: join(cand, 'mcp', 'server.mjs'), from: 'sibling/env', tried }
执行外部命令来自配置/变量
src/serving-client.mjs:48
this.child = spawn(process.execPath, [this.serverPath], { stdio: ['pipe', 'pipe', 'pipe'] })
发起网络请求
src/serving-client.mjs:66
await this.request('initialize', { protocolVersion: '2024-11-05', capabilities: {}, clientInfo: { name: 'training-qat', version: '0.1.0' } })
发起网络请求
src/serving-client.mjs:88
const res = await this.request('tools/call', { name, arguments: args })

扫描于 2026/11/1（0 天前） · 范围入口闭包 + 发布文件清单 · 来源 GitHub 仓库

静态扫描只反映源码中出现的调用，不构成安全背书；人工评估与自动扫描相互独立、互不覆盖。

依赖的 DSH / Cordis 模块

@deepseek-ai/dsh-tools

给这个插件打分还没有人投票↓

用户评分

还没有人投票，来当第一个

广告精选好物

飞利浦 TAH6519 主动降噪耳机 ¥299

头戴式无线 anc 主动降噪，蓝牙连接，久戴舒适向。

·anc 主动降噪 · 头戴式无线
·价格与库存以商品页实时为准

去淘宝看看→

广告MCP 兼容手册

装完插件，给 AI 接上 MCP

Cursor、Claude Code、VS Code 逐个核对：能不能装、配置怎么写、装不上是什么原因。

·按客户端逐格核对
·结论标注依据与风险等级

查 MCP 兼容性→

README

由 DeepSeek 最新模型翻译生成

@xiciyang/training-qat 量化感知训练（QAT）：在真实 GPU 上按可选 scheme 训练，产出一个可被量化流程直接消费的 checkpoint，并且拒绝把「看起来没掉点」当成验收通过。 DSH（DeepSeek Harness）插件包，同时可作为普通 Node 库使用。它解决的问题 QAT 最常见的两个假象： 1. 模拟精度 ≠ 部署精度——训练时用的伪量化粒度和真正部署时的格式不一致，训练 loss 好看但落地产物不可用。本包在产物侧断言方案与粒度的对应关系，而不是只看训练曲线。 2. 空操作——和 SFT/预训练同族：权重指纹缺失或前后相同会被判失败，不记成功。

展开完整文档（README 剩余 1 节）

@xiciyang/training-qat

量化感知训练（QAT）：在真实 GPU 上按可选 scheme 训练，产出一个可被量化流程直接消费的 checkpoint，并且拒绝把「看起来没掉点」当成验收通过。

DSH（DeepSeek Harness）插件包，同时可作为普通 Node 库使用。

它解决的问题

QAT 最常见的两个假象：

1. 模拟精度 ≠ 部署精度——训练时用的伪量化粒度和真正部署时的格式不一致，训练 loss 好看但落地产物不可用。本包在产物侧断言方案与粒度的对应关系，而不是只看训练曲线。
2. 空操作——和 SFT/预训练同族：权重指纹缺失或前后相同会被判失败，不记成功。

安装

dsh plugin add github:xiciyang/training-qat

要求：

- Node.js >= 20，engines.dsh >= 0.2.0 < 0.3.0
- 真实训练需要 NVIDIA GPU + 容器运行时 + 训练镜像；training_qat_health 会逐项报告
- Python 框架在 optionalDependencies 中显式声明

工具面（DSH）

| 工具 | 作用 |
| training_qat_prepare | 量化前准备：校准集与测试集不得相交，切分与血缘落盘 |
| training_qat_train | 训练：scheme/粒度、预算闸门、权重指纹、checkpoint 保留、审计链 |
| training_qat_validate | 验收：精度与性能双侧门禁，先判测量有效性再判数值 |
| training_qat_rollback | 回退到指定 run；purge 只允许删本插件 run 目录 |
| training_qat_get_report | 取人类可读报告 |
| training_qat_health | 环境自检：GPU / 容器 / 镜像 / 基座 / 依赖 |

配置（不把本机布局写死）

| 环境变量 | 用途 |
| DSH_BASE_MODEL | 基座模型本地目录 |
| TRAINING_QAT_ROOT | 运行目录根（默认 ~/.ai-infra） |

量化器镜像等重型依赖缺失时，工具会返回 E_METHOD_UNAVAILABLE 并说明缺哪一层，而不是静默降级成一次「成功的训练」。

测试

node tests/run.mjs

纯逻辑与契约测试应全绿；依赖本机历史 payload 的判据自检在产物缺失时显式 SKIP 并写明原因，不伪装成通过。

安全边界

- 训练需显式确认令牌；预算超限直接拒绝
- 回退只作用于本插件自己的 run 目录
- 审计链可第三方复算

许可

BSD-3-Clause。见 LICENSE。