verl-feature-deploy

Verl Deploy - 训练服务一键拉起

在 NPU 集群上拉起 Verl 分布式训练服务，并灵活配置加速特性，支持 DAPO/GRPO 等 RLHF 算法。

核心原则

1. 用户配置优先：用户明确指定 > 自动检测 > 默认值
2. 配置必须验证：路径、镜像等运行前检测有效性，不猜测
3. 用户确认是阻断点：执行前展示配置清单并等待确认
4. 严格区分宿主机/容器内：docker cp 在宿主机执行，进入容器后不再使用 docker 前缀命令

整体流程

1. 环境预检查 → 2. 用户交互 → 3. 配置确认 → 4. 镜像准备+容器拉起 → 5. SwanLab 配置 → 6. 生成双脚本 → 7. 复制+执行 → 8. 验证

阶段 1：环境预检查

执行以下 bash 命令自动探测机器环境：

# NPU 信息
npu-smi info
npu-smi info -t board 2>/dev/null

# Docker 和镜像
docker ps -a | grep verl
docker images | grep -E "verl|ascend"

# 模型权重
find /mnt/public /mnt2 /mnt/project -maxdepth 4 -type d -name "Qwen*" 2>/dev/null

# 数据集
find /mnt /mnt2 -name "*.parquet" 2>/dev/null | head -20

# 网卡和 IP
hostname -I

将检测结果记录，供阶段 2 使用。

阶段 2：用户交互收集信息

通过 AskUserQuestion 分轮次收集，每轮提供预填值（来自阶段 1 检测结果）。

轮次 1：基础配置

• 训练模式：单机 / 多机
• NPU 卡号（预填检测结果，用户可改）
• 模型路径（列出检测到的模型供选择，或手动指定路径）
• 训练数据集路径
• 测试数据集路径
• Checkpoint 保存路径

轮次 2：镜像与容器配置

• 容器处理方式：使用已有容器 / 新建容器
• 如新建：
  • 镜像选择：列出本地已有 verl 镜像 / 手动输入 / 从 quay.io 拉取
  • 默认拉取地址：quay.io/ascend/verl:verl-8.3.rc1-910b-ubuntu22.04-py3.11-v0.7.0

轮次 3：SwanLab 配置

• 是否开启 SwanLab 日志（是/否）

如果开启，逐项询问（提供默认值）：