ARIS GPU 实验环境配置实战：在 CLAUDE.md 中声明远程、本地与 Vast.ai 三种模式，让自动审稿循环替你跑实验

AI 技能/插件AI 评测科研人工智能MCP 服务dsh-plugin【免费下载链接】Auto-claude-code-research-in-sleepARIS ⚔️ (Auto-Research-In-Sleep) — Lightweight Markdown-only skills for autonomous ML research: cross-model review loops, idea discovery, and experiment automation. No framework, no lock-in — works with Claude Code, Codex, OpenClaw, or any LLM agent.项目地址https://gitcode.com/gh_mirrors/au/Auto-claude-code-research-in-sleep点击查看免费下载本文围绕 ARISAuto-Research-In-Sleep项目中 docs/GPU_SETUP_CN.md 一文展开系统讲解如何在项目CLAUDE.md中声明 GPU 服务器打通审稿人提出实验 → Agent 自动写脚本 → 部署 GPU → 监控结果 → 反哺论文的自动化闭环并深入剖析 Vast.ai 按需租 GPU 的完整流程与底层 skill 实现。导读ARIS 的自动审稿循环auto-review-loop中GPT-6-Astra 这类外部审稿人只负责判断做什么实验补一个消融、加一个 baseline而真正怎么跑——写实验脚本、SSH 到服务器、激活 Conda 环境、用screen后台启动、轮询结果——全部由 Claude Code 依据你项目CLAUDE.md里声明的 GPU 环境信息自动完成。本文以 docs/GPU_SETUP_CN.md 为骨架覆盖远程 SSHgpu: remote、本地 GPUgpu: local、Vast.ai 按需租赁gpu: vast三种模式的完整配置方法并结合仓库中的vast-gpu、run-experiment、monitor-experiment等 skill 源码讲清参数含义、选型逻辑、成本控制与底层调用链让你配一次、整夜无人值守跑实验。一、ARIS 自动跑实验的整体工作方式先理解整条链路再动手配置。ARIS 的自动研究循环中当审稿模型给出需要补一个消融实验或加一个 baseline 对比之类的修改意见时Claude Code 会读取项目CLAUDE.md确定实验环境gpu: remote/gpu: local/gpu: vast/gpu: modal依据实验计划或现有脚本自动编写/补全实验代码通过 SSH或本地直连把代码同步到目标机器激活环境后以screen会话后台启动训练通过/monitor-experiment轮询进度、收集结果必要时同步 WB 指标将结果写回论文进入下一轮审稿。这一设计的分工原则在 docs/GPU_SETUP_CN.md 里写得很清楚GPT-6-Astra审稿人只决定做什么实验Claude Code 根据你的CLAUDE.md搞定怎么跑。因此你配置的核心产出物就是一份结构化的CLAUDE.md服务器声明。二、三种 GPU 模式选型remote / local / vastARIS 支持三种 GPU 模式按 docs/GPU_SETUP_CN.md 与 docs/integrations/VAST_GPU_GUIDE_CN.md 的说明各自的适用场景与成本模型如下选项适用场景成本模型gpu: remote你自己有或实验室提供固定的 SSH 服务器沉没成本ARIS 当免费用gpu: local你已经在 GPU 主机上沉没成本省 SSHgpu: vast没 GPU或偶尔需要比自己拥有的更大的硬件跑单次实验按小时计费Vast.ai 自动扣款Vast.ai 模式尤其适合一次性消融实验、跑 baseline、或者为单个实验临时上 A100/H100如果训练需要一周以上自购/固定服务器通常更划算。三、模式 A远程 SSH 服务器gpu: remote如果你有一台固定的 GPU 服务器在项目CLAUDE.md中添加如下配置块原文完整保留字段注解为仓库 skill 源码补充## 远程服务器 - gpu: remote # 声明使用远程 SSH 服务器 - SSHssh my-gpu-server密钥免密登录 - GPU4x A100 - Conda 环境researchPython 3.10 PyTorch - 激活eval $(/opt/conda/bin/conda shell.bash hook) conda activate research - 代码目录/home/user/experiments/ - 后台运行用 screenscreen -dmS exp0 bash -c ...各字段的实际用途可以在 skills/run-experiment/SKILL.md 的部署逻辑中得到印证SSH 别名run-experiment的 pre-flight 检查会执行ssh server nvidia-smi --query-gpuindex,memory.used,memory.total --formatcsv,noheader把空闲 GPUmemory.used 500 MiB筛选出来用于分配Conda 激活命令部署时每个实验会创建独立的screen会话会话内先执行激活钩子再运行训练命令即screen -dmS exp_name bash -c eval $(conda_path/conda shell.bash hook) conda activate env CUDA_VISIBLE_DEVICESgpu_id python script args 21 | tee log_file代码目录作为 rsync 的远端目标目录screen每个实验一个独立 screen 会话便于隔离、后台运行与screen -ls巡检见 skills/monitor-experiment/SKILL.md。除上述字段外run-experiment还支持以下可选增强配置- code_sync: rsync # 代码同步方式默认 rsync可设为 git 走 git push/pull - wandb: false # 设为 true 自动为实验脚本注入 WB 日志 - wandb_project: my-project # WB 项目名wandb: true 时必须 - wandb_entity: my-team # WB 团队/用户可选code_sync: git时Agent 会先本地git add -A git commit git push再在服务器上git pull适合多机同步wandb: true时run-experiment会自动检查脚本中是否有import wandb没有则注入wandb.init(...)与wandb.log({...})并在目标机验证wandb status登录状态。四、模式 B本地 GPUgpu: local如果你已经身处 GPU 服务器上或本机就有 GPU不需要 SSH配置如下原文完整保留## GPU 环境 - gpu: local # 声明使用本机 GPU - 这台机器有直接 GPU 访问不需要 SSH - GPU4x A100 80GB - 实验环境YOUR_CONDA_ENVPython 3.x PyTorch - 激活前任何 Python 命令激活实验环境的命令uv, conda 等 - 代码目录/home/YOUR_USERNAME/YOUR_CODE_DIRECTORY/本地模式下run-experiment的 pre-flight 会直接执行nvidia-smiLinux CUDA对 Mac 则检查torch.backends.mps.is_available()部署时直接用CUDA_VISIBLE_DEVICESgpu_id python script args 21 | tee log_file前台/后台运行无需 rsync 与 screen 远端命令。对本地长任务可在配置中开启run_in_background: true保持对话响应。五、模式 CVast.ai 按需 GPUgpu: vast没有 GPU 服务器时ARIS 支持从 Vast.ai 按需租赁。核心思路是用户不指定 GPU 型号或硬件配置ARIS 分析你的训练任务模型大小、数据集、预估时间找到能放下的最便宜 GPU并按总成本而非仅 $/hr排序展示随后租 → 跑 → 收 → 销毁全自动。在项目CLAUDE.md添加原文完整保留并补充 skill 中支持的额外字段## Vast.ai - gpu: vast # 从 vast.ai 按需租 GPU - auto_destroy: true # 实验跑完自动销毁默认 - max_budget: 5.00 # 可选估算超过这个数会警告 - image: pytorch/pytorch:2.1.0-cuda12.1-cudnn8-devel # 可选覆盖默认 Docker 镜像参数语义依据 skills/vast-gpu/SKILL.mdgpu: vast告诉run-experiment走 Vast.ai 通道检测到vast-instances.json中有运行中的实例时直接复用否则调用/vast-gpu provision分析任务并给出选项auto_destroy: true默认实验完成后自动下载结果、销毁实例并更新状态文件杜绝闲置扣费设为false则保留实例方便你 SSH 进去查看max_budgetARIS 估算总成本超过该值时警告并在租用前再次确认不是硬阻断image可选覆盖默认的pytorch/pytorch:2.1.0-cuda12.1-cudnn8-devel镜像。5.1 五步准备工作完整准备流程见 docs/integrations/VAST_GPU_GUIDE_CN.md英文版见 docs/integrations/VAST_GPU_GUIDE.md注册 Vast.ai 账号并充值信用卡或加密货币安装vastaiCLI要求 Python ≥ 3.10版本较旧时用conda create/pyenv/uv venv建 ≥ 3.10 虚拟环境pip install vastai设置 API keyvastai set api-key YOUR_API_KEY上传 SSH 公钥——租任何实例前必须先做因为 key 在实例创建时就写死了ssh-keygen -t ed25519 -C your_emailexample.com cat ~/.ssh/id_ed25519.pub # 复制到 Vast.ai验证配置——测试搜索能否跑通vastai search offers gpu_ram24 reliability0.95 -o dph --limit 3其中key 在创建时写死这条规则在 skills/vast-gpu/SKILL.md 中被反复强调如果实例创建后才上传 key 导致 SSH 报Permission denied (publickey)只能销毁实例、上传 key 后重建——没有给运行中实例补 key 的办法。5.2 ARIS 如何挑选 GPU 并展示成本排序表ARIS 不要求你指定 GPU 型号而是通过vast-gpuskill 做四步分析详见 skills/vast-gpu/SKILL.mdStep 1分析任务需求。优先从实验计划refine-logs/EXPERIMENT_PLAN.md读取计算预算、硬件提示、模型架构与数据集规模其次扫描已写好的实验脚本模型类、num_parameters、batch size、序列长度、是否使用DataParallel/DistributedDataParallel/accelerate/deepspeed最后才回退到用户的一句话描述如 fine-tune LLaMA-7B。Step 2估算硬件需求。核心估算规则因素估算方法最小 VRAM模型参数量 × 4 字节fp32或 × 2fp16/bf16 优化器状态 激活值经验值7B ≈ 16 GBfp16、13B ≈ 28 GB、70B ≈ 140 GB需多卡、ResNet/ViT ≈ 4–8 GB另加 20% 余量GPU 数量默认 1 张除非单卡放不下、脚本用了 DDP/FSDP/DeepSpeed、或计划明确多卡预估时长来自计划成本列或(数据集大小 × epochs) / (吞吐 × batch_size)再加 30% 缓冲最小磁盘20 GB 基础 模型 checkpoint 数据集默认 50 GBCUDA 版本匹配 PyTorchPyTorch 2.x 需要 CUDA ≥ 11.8默认 12.1Step 3跨档位搜索报价。skill 要求广泛搜索、不要限定单一 GPU 型号分预算档gpu_ramMIN_VRAM num_gpusN reliability0.95 inet_down100与高显存档VRAM 24 GB 时gpu_ram48分别执行vastai search offers。Step 4按预估总成本排序展示 3 个选项。展示时必须给出总价$/hr × 预估时长并给出任务分析摘要例如Task analysis: - Model: [model name/size] → estimated VRAM: ~[X] GB - Training: ~[Y] hours estimated - Requirements: [N] GPU(s), ≥[X] GB VRAM, ~[Z] GB disk Recommended options (sorted by estimated total cost): | # | GPU | VRAM | $/hr | Est. Hours | Est. Total | Reliability | Offer ID | |---|-------------|-------|--------|------------|------------|-------------|-----------| | 1 | RTX 3060 | 12 GB | $0.04 | ~6h | ~$0.25 | 99.4% | 25831376 | ← cheapest | 2 | RTX 4090 | 24 GB | $0.28 | ~4h | ~$1.12 | 99.2% | 6995713 | ← best value | 3 | A100 SXM | 80 GB | $0.95 | ~2h | ~$1.90 | 99.5% | 7023456 | ← fastest为跨档位估算时长skill 内置了一张相对速度FP16对照表RTX 3060 0.5×、RTX 3090 1.0×、RTX 4090 1.6×、A100 SXM 2.0×、H100 SXM 3.3× 等。选择时遵循的关键规则包括可靠性低于 0.97 的便宜选项要标注中断风险约 3%小于 1 小时的小任务推荐中断定价进一步降本可靠性低于 0.95 的主机可能中途崩溃不推荐。5.3 手动控制/vast-gpu 命令不想走/run-experiment自动流程时可以用专门的vast-gpuskill 手动控制skills/vast-gpu/SKILL.md/vast-gpu # 交互式搜索、挑选、租用 /vast-gpu provision # 分析任务 展示成本排序选项 /vast-gpu rent offer_id # 租用指定 offer /vast-gpu list # 列出当前所有租用中的实例 /vast-gpu destroy instance-id # 手动销毁 /vast-gpu destroy-all # 销毁全部实例租用实例的关键步骤provision之后的rent动作用vastai create instance OFFER_ID --image DOCKER_IMAGE --disk DISK_GB --ssh --direct --onstart-cmd apt-get update apt-get install -y git screen rsync创建实例输出中的new_contract值就是实例 ID随后每 20 秒轮询vastai show instances --raw直到状态从loading变为running通常 30–60 秒最长约 5 分钟连接信息必须通过vastai ssh-url INSTANCE_ID获取返回ssh://rootHOST:PORT格式不要依赖show instances里的ssh_host/ssh_port它们可能指向代理服务器最后用ssh -o StrictHostKeyCheckingno -o ConnectTimeout15 -p PORT rootHOST nvidia-smi echo CONNECTION_OK验证连通性。所有活跃实例都会记录在项目根目录的vast-instances.json状态文件中它是/run-experiment与/monitor-experiment连接实例的事实来源source of truth[ { instance_id: 33799165, offer_id: 25831376, gpu_name: RTX_3060, num_gpus: 1, dph: 0.0414, ssh_url: ssh://root1.208.108.242:58955, ssh_host: 1.208.108.242, ssh_port: 58955, created_at: 2026-03-29T21:12:00Z, status: running, experiment: exp01_baseline, estimated_hours: 4.0, estimated_cost: 0.17 } ]5.4 成本预期与止损手段按 docs/integrations/VAST_GPU_GUIDE_CN.md 给出的典型工作负载花费区间小型消融实验单 GPU1–4 小时约 $0.30–$2 / 次RTX 3090/4090较大的 baseline 重跑40–80 GB VRAM多小时约 $2–$10 / 次A100/H100Spot 价格波动较大vastai search offers反映实时市场价。止损手段设置max_budget让 ARIS 在超预算前确认auto_destroy: true让实例跑完即销毁/vast-gpu list或vastai show instances随时核查没有静默扣费的实例——Vast.ai 按秒计费闲置实例就是浪费。六、部署全链路从 /run-experiment 到自动销毁理解了三种模式的配置后再看完整部署链skills/run-experiment/SKILL.md检测环境读CLAUDE.md确定模式gpu: vast时优先复用vast-instances.json中运行中的实例无则调用/vast-gpu provision完全找不到服务器信息则询问用户Pre-flight 检查确认目标机 GPU 可用nvidia-smi空闲 memory.used 500 MiB同步代码remote 走 rsync 或 gitVast.ai 实例固定 rsync 到/workspace/project/默认排除大文件与数据*.pt、*.pth、*.ckpt、__pycache__、.git、data/、wandb/、outputs/部署remote 用screen -dmS exp_name bash -c ...在远端后台启动Vast.ai 无需 condaDocker 镜像自带环境在/workspace/project/下直接启动每个实验独立 screen 会话 独立 GPU日志用tee落盘验证启动screen -ls确认会话存在飞书通知可选若配置了~/.claude/feishu.json发送experiment_done通知自动销毁gpu: vast且auto_destroy: true时实验结束后 rsync 回收results/、scp 回收日志、vastai destroy instance ID、更新状态文件并报告实际成本。监控侧skills/monitor-experiment/SKILL.md会读取vast-instances.json的ssh_host/ssh_port连入实例screen -ls查看运行状态、screen -S name -X hardcopy截取最近输出、检查 JSON 结果文件并在wandb: true时通过 Python API 拉取 loss 曲线、eval 指标与学习率调度最后以对比表形式汇总实验/指标/相对 baseline 的 Delta/状态并提示闲置实例的实时成本。七、计算环境契约让环境就绪不再是玄学对每次实验都要重建环境的 Vast.ai 场景ARIS 用 skills/shared-references/compute-env-contract.md 定义了一套计算环境契约把环境描述成一份声明式 specbase基础镜像、system_pkgs系统包、有序的pip_phases、env环境变量、smoke探针并按内容哈希记录在.aris/compute/provider.md账本里——spec 没变就 warm-reuse变了才重建。pip_phases的有序性是关键每个 phase 是一次独立的pip install先把最容易打架的包如torch2.8.0固定在最前面的 phase后面再装flash-attn --no-build-isolation、transformers等避免后装包把 torch 拖到错误的 wheel 上。验证分三级import成功最弱→kernel-dispatch witness跑一个带固定种子的前向传播打印 sentinel 行捕获torch 看得到 GPU 但 kernel 按更老的 SM 编译这类问题→agent-follows-doc让一个全新 subagent 只凭文档原文逐字执行其卡住之处就是文档的谎言。诊断表则覆盖常见症状no kernel image is available、ModuleNotFoundError、.so加载失败、线程风暴、输出目录为空等并给出对应修复层。八、没有 GPU 服务器怎么办按照 docs/GPU_SETUP_CN.md 的说明没有 GPU 服务器时Review 和改写功能不受影响——/auto-review-loop、/research-review、/paper-writing、/paper-compile等 skill 完全不依赖 GPU只有需要跑实验的修复会被跳过并标记为需人工跟进。同时ARIS 自动循环内置了成本护栏见 README_CN.md预估超过4 GPU-小时的实验会直接跳过并标记需人工跟进避免 Agent 深夜盲目启动超大任务。再配合max_budget、auto_destroy与vastai show instances巡检即可在无人值守的前提下把 GPU 开销锁在可控范围内。相关资源导航docs/GPU_SETUP_CN.md —— 本文主文档英文版 docs/GPU_SETUP.mddocs/integrations/VAST_GPU_GUIDE_CN.md —— Vast.ai 集成完整指南英文版 docs/integrations/VAST_GPU_GUIDE.mdskills/vast-gpu/SKILL.md —— GPU 租赁控制 skill 完整源码skills/run-experiment/SKILL.md —— 实验部署 skill含三种模式完整配置示例skills/monitor-experiment/SKILL.md —— 结果监控 skillskills/shared-references/compute-env-contract.md —— 计算环境契约skills/serverless-modal/SKILL.md —— 另一种无 GPU 方案Modal 无服务器 GPU赞分享AI 技能/插件AI 评测科研人工智能MCP 服务dsh-plugin【免费下载链接】Auto-claude-code-research-in-sleepARIS ⚔️ (Auto-Research-In-Sleep) — Lightweight Markdown-only skills for autonomous ML research: cross-model review loops, idea discovery, and experiment automation. No framework, no lock-in — works with Claude Code, Codex, OpenClaw, or any LLM agent.项目地址https://gitcode.com/gh_mirrors/au/Auto-claude-code-research-in-sleep点击查看免费下载相关推荐ARIS 按需 GPU 实验自动化Vast.aigpu: vast集成实战指南ARIS 按需 GPU 实验自动化Vast.aigpu: vast集成实战指南 本文是 ARIS 项目 GPU 服务器配置 https://link.giAI 技能/插件AI 评测科研人工智能MCP 服务dsh-pluginARIS 按需 GPU 租用实战在 Vast.ai 上零硬件完成实验自动化ARIS 按需 GPU 租用实战在 Vast.ai 上零硬件完成实验自动化 本指南以 ARIS 的 VAST_GPU_GUIDE.md https://linAI 技能/插件AI 评测科研人工智能MCP 服务dsh-pluginARIS 计算环境契约实战指南用声明式 Spec、内容哈希台账与三级验证终结 Agent 环境漂移ARIS 计算环境契约实战指南用声明式 Spec、内容哈希台账与三级验证终结 Agent 环境漂移 本文以 skills/shared references/AI 技能/插件AI 评测科研人工智能MCP 服务dsh-plugin创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考