#3214 docs: Harbor runs on Modal

原始 PR 作者 nblintao 合并时间 2026-09-15 03:49 文件变更 1 提交数 1 评论 1 代码增减 +1 / -1

执行摘要

文档勾选 Modal 支持 Harbor 路径，附 B200 实测结论

PR body 明确写出动机：“Harbor's in-process path ran on Modal end to end, so the cell fills in.” 该表格自带约定——填格代表“该 provider × 路径组合上真的跑过一次 rollout”，所以空单元格意味着能力未被验证过。作者在 2×B200 上以 HARBOR_ENV_TYPE=modal 跑通 tests/e2e/agentic/test_harbor_rollout.py 后，认为证据足够把这一格补齐；PR 也声明 “No code change”，属于纯文档同步。作者还注明这是堆叠在 Harbor in-process 文档 PR 之上的收尾动作。

值得花几分钟读，但重点不在 diff（只有一行），而在 PR 描述里的两个工程信号：一是该仓库把“能力矩阵填 ✓”的举证责任放在人工运行记录上，若继续沿用，建议后续给表格补证据链接或在 provider 参数化的 e2e 上加定期跑批，否则表格会逐渐失真；二是 B200 上 --sglang-attention-backend triton 这一 workaround 值得单独沉淀——要么进 sglang_args 默认值并加硬件判断，要么在文档中显式标注前置条件，避免每个 Blackwell 用户重复排查首次 prefill 崩溃。若你的关注点是 Harbor × Modal 的可用性结论，请直接联系作者确认运行前提（attention backend、模型 head_dim）。

讨论亮点

唯一的自动评审来自 claude[bot]：先确认这是“trivial documentation update”，逐项核对后判定“the change is a pure markdown edit with no code or link changes”，并把审查强度定为 Low，理由是这类“mechanical, self-contained edit (a single markdown table cell)”不值得深审。同一段 review 也点出了关键限界：“the PR description also provides supporting evidence (a rollout test with HARBOR_ENV_TYPE=modal) for the claim being documented, though that evidence itself isn't verifiable from the diff”——即勾选的真实性只能靠 PR 描述背书。人工侧 Shi-Dong 直接 APPROVED，无 review comment，也没有人要求补 CI 或要求贴证据链接。触发方式为 issue 评论 “@claude review”，符合本仓库手动触发评审的配置。

实现拆解

唯一入口：能力对照表的一个单元格。改动位于 docs/user-guide/sandbox-providers.md 的 provider 比较表，Modal 行、Harbor 列由空单元格改为 ✓（+1/-1），其余三列与表头/列映射均未动，reviewer 也确认 “the table structure and header/column mapping are unaffected”。
单元格语义即承诺。表格约定“填格表示该组合上真实跑过一次 rollout”，因此这次勾选把 Modal 从“理论可行”提升为“已验证”，属于对外能力声明而非排版微调。
证据链写在 PR 描述而非代码里。验证方式是 tests/e2e/agentic/test_harbor_rollout.py 加 HARBOR_ENV_TYPE=modal，在 2×B200 上跑出 2 个 trial，均正常提交、TITO strict gate 干净；两个 trial 的 reward 都是 0.0（agent 在 turn 上限内未完成任务，verifier 在沙箱内报断言失败，单 trial 消耗 50k–115k 输入 token 的沙箱输出），对照的 golden episode reward 1.0、耗时 11 s。这份证据没有以测试、CI job 或配置的形式固化。
未落地的环境细节。作者在 body 中记录：B200 上 shipped sglang_args 在首次 prefill 就崩溃，原因是 flashinfer 的 sm100 FMHA 没有 head_dim=256 kernel，本次运行额外加了 --sglang-attention-backend triton；同时确认 e2e 的 hardware=["hopper"] 声明“exactly right”，因此未做任何硬件声明调整。该 workaround 既没有进入代码默认值，也没有补进本文档。
测试/配置配套：无。changed_files_count 为 1，无测试、无 schema、无部署改动，验证结论完全依赖作者的手动运行记录。

文件	模块	状态	重要度
`docs/user-guide/sandbox-providers.md`	沙箱文档	modified	1.72

分析完成后，这里会展示 LLM 生成的相对完整源码片段和详细注释。

评论区精华

机械性文档改动是否需要深审 style

claude[bot] 判定为 “trivial documentation update”，确认改动只是 Markdown 表格里一个单元格，表格结构、表头与列映射均未受影响，且不涉及代码或链接变更，因此将审查强度定为 Low，理由是这类 “mechanical, self-contained edit (a single markdown table cell)” 不值得深审；同时确认无安全风险、无 CLAUDE.md 约定适用、bug-hunting 系统无发现。

结论：直接 LGTM 通过，Shi-Dong 随后 APPROVED，无人要求补充材料。 · 已解决

勾选 ✓ 的证据无法从 diff 复核 documentation

claude[bot] 在 LGTM 中同时点明：“the PR description also provides supporting evidence (a rollout test with HARBOR_ENV_TYPE=modal) for the claim being documented, though that evidence itself isn't verifiable from the diff.” 本次证据是 2×B200 上 2 个 trial 的单次手动运行，两个 trial reward 均为 0.0，只能说明链路跑通。

结论：接受 PR 描述作为依据并合并，未要求把证据固化为测试或链接；该疑虑在仓库层面仍未闭环。 · unresolved

B200 需要 triton attention backend，与 e2e 的 hopper 声明并存 正确性

PR body 记录 shipped sglang_args 在 B200 首次 prefill 即崩溃（flashinfer 的 sm100 FMHA 无 head_dim=256 kernel），本次运行靠 `--sglang-attention-backend triton` 绕过；作者同时确认 e2e 的 `hardware=["hopper"]` 声明 “exactly right”，因此未改任何硬件声明，也未把 workaround 写入文档。

结论：作者认定属于运行环境差异而非代码缺陷，选择只记录在 PR 描述中；此细节未进入文档或代码，后续 Blackwell 用户仍有踩坑风险。 · unresolved

风险与影响

文档承诺强于实际证据（docs/user-guide/sandbox-providers.md）：✓ 会被使用者读成“Modal 可用”的稳定承诺，但支撑它的是单次手动运行，且两个 trial 的 reward 都是 0.0，只能证明链路连通、不能证明任务成功率；没有任何 CI job 定期复跑该组合，Modal 侧 SDK/镜像变化导致回归时不会有人发现。
硬件口径不一致：B200 上必须追加 --sglang-attention-backend triton 才能跑通（flashinfer sm100 FMHA 无 head_dim=256 kernel），而 tests/e2e/agentic/test_harbor_rollout.py 的 hardware=["hopper"] 声明保持不变，文档也没记录该 workaround。结果是 Blackwell 用户按文档选 Modal 时，很可能在首次 prefill 就撞上未被说明的崩溃，而 CI 覆盖的 hopper 路径无法提前暴露它。
可追溯性缺失：表内其它行的 ✓ 大多带示例链接，本行新勾选没有附带证据链接或运行记录，后续维护者难以判断该结论的时效与前提（例如是否只在 triton attention backend 下成立）。
回归风险为零：纯 Markdown 单元格改动，不含代码、凭据或可执行内容，对运行时行为无影响。

用户侧：想用 Modal 承载 Harbor / agentic rollout 的用户会依据这张表选择 provider，从而把 B200 上的 attention backend 坑也一并继承；影响面限于文档可读性与选型决策。系统侧：无代码路径变化，训练/rollout 行为完全不受影响。团队侧：能力矩阵多一格 ✓，Modal 与 E2B、Daytona 并列成为 Harbor 的可选 provider，但 Modal 走的是 in-process 路径，与沙箱提供方类问题（如 #3215 处理的 Daytona 孤儿沙箱回收、存储配额）不构成同一风险面，相关结论不可互相迁移。流程侧：本 PR 强化了“能力表勾选靠 PR 描述举证”的既有做法，短期内节省成本，长期会稀释表格作为事实来源的可信度。

文档承诺依赖单次手测证据不可从 diff 复核 B200 需 triton attention 但未记录硬件声明与验证环境不一致无 CI 守护该结论

关联 Issue

未识别关联 Issue

当前没有检测到明确关联的 Issue 链接，后续同步到相关引用后会出现在这里。

完整报告

PR#3214 分析报告：docs: Harbor runs on Modal

1. 执行摘要

这是一次严格意义上的单行文档改动：docs/user-guide/sandbox-providers.md 的 provider 能力对照表中，Modal 行的 Harbor 列由空单元格变成 ✓（+1/-1），用来宣告 Harbor 的 in-process 路径已在 Modal 上端到端跑通。代码零变更、回归风险为零，但它在能力矩阵层面把 Modal 正式纳入 Harbor 支持列表，而支撑这一格的证据只是一次手动运行，且运行环境（B200）与 e2e 声明的 hardware=["hopper"] 并不一致，这两点构成本 PR 真正值得关注的部分。

2. 功能与动机

动机在 PR body 里写得很直接：“Harbor's in-process path ran on Modal end to end, so the cell fills in.” 该表格的约定是——某格填 ✓ 表示“这个 provider × 运行路径组合上真实跑过一次 rollout”，空单元格即代表未验证。作者于 2026-09-11 用 test_harbor_rollout.py 加 HARBOR_ENV_TYPE=modal 在 2×B200 上跑出 2 个 trial，两者均正常提交、TITO strict gate 干净，于是把这一格补齐。PR 同时声明 “No code change”，并注明堆叠在 Harbor in-process 文档 PR 之上。

3. 实现拆解

变更入口：docs/user-guide/sandbox-providers.md 中 provider 比较表的 Modal 行、Harbor 列，单元格由空改为 ✓；同行其余三列、表头与列映射均未改动，reviewer 也确认 “the table structure and header/column mapping are unaffected”。
语义即承诺：这不是排版微调，而是把 Modal 从“理论可行”提升为“已实测”，表格的 ✓ 会被下游使用者直接当作可用性结论。
证据链留在 PR 描述而非工程资产：验证运行是 tests/e2e/agentic/test_harbor_rollout.py + HARBOR_ENV_TYPE=modal，2 个 trial 的 reward 都是 0.0（agent 在 turn 上限内未完成任务，verifier 在沙箱内报断言失败，单 trial 消耗 50k–115k 输入 token 的沙箱输出），对照的 golden episode 是 reward 1.0、耗时 11 s。没有测试、CI job 或配置把这份结论固化下来。
披露但未落地的环境细节：B200 上 shipped sglang_args 在首次 prefill 即崩溃，原因是 flashinfer 的 sm100 FMHA 没有 head_dim=256 kernel，本次运行额外加了 --sglang-attention-backend triton；作者同时判定 e2e 的 hardware=["hopper"] 声明“exactly right”，因此未调整任何硬件声明，也未把 workaround 写入代码或文档。
测试/配置/部署配套：无。changed_files_count 为 1、commits 为 1，全部影响局限在该 Markdown 文件。

本次没有可执行代码变更，唯一“源码”是被修改的 Markdown 表格行。下面按现有表格语义重新整理了该行及其上下文说明，注释直接写在片段内。

<!-- docs/user-guide/sandbox-providers.md：provider × 运行路径的能力对照表。
     表内自带约定——某格填 ✓ 代表“该组合上真的跑过一次 rollout”，
     所以每一次勾选都是一次对外承诺，而不是理论可行性。 -->

| [Modal](https://modal.com/) | ✓ | | | ✓ |
<!--  ↑ Modal 行的 Harbor 列：本 PR 的唯一改动，由空单元格改为 ✓。
     依据写在 PR body 而不是 CI 里：2026-09-11 在 2×B200 上以
     HARBOR_ENV_TYPE=modal 跑 tests/e2e/agentic/test_harbor_rollout.py，
     2 个 trial 均正常提交、TITO strict gate 干净；两个 trial 的 reward 都是 0.0
     （agent 在 turn 上限内没完成任务，verifier 在沙箱内报断言失败），
     作为对照的 golden episode 是 reward 1.0、耗时 11 s。 -->

<!-- 同一行其余三列本次未动，表头与列映射保持不变。
     需要留意的前提：该次运行额外加了 --sglang-attention-backend triton，
     因为 B200 上 shipped sglang_args 会在首次 prefill 因
     flashinfer sm100 FMHA 缺少 head_dim=256 kernel 而崩溃；
     这条 workaround 没有写进表格，也没有写进代码。 -->

5. 评论区精华

claude[bot]：“LGTM — trivial documentation update.” 审查范围是 docs/user-guide/sandbox-providers.md 的单行 diff，“Confirmed the table structure and header/column mapping are unaffected, and the change is a pure markdown edit with no code or link changes.”

claude[bot]（同一段 review 的关键限界）：“the PR description also provides supporting evidence (a rollout test with HARBOR_ENV_TYPE=modal) for the claim being documented, though that evidence itself isn't verifiable from the diff.”

claude[bot]（审查强度自陈）：这是 “exactly the kind of mechanical, self-contained edit (a single markdown table cell) that doesn't warrant deep review”，安全风险 None，bug-hunting 系统无发现。

Shi-Dong：直接 APPROVED，无评论；触发方式为 issue 评论 “@claude review”，符合本仓库手动触发评审的配置。

6. 风险与影响

文档承诺强于证据：✓ 会被读作“Modal 可用”，但依据只有 2 个 trial 的单次手测，且两个 trial reward 均为 0.0——能证明链路连通，不能证明任务成功率；没有 CI 定期复跑，Modal 侧 SDK/镜像变化引发回归时无人察觉。
硬件口径不一致：B200 必须加 --sglang-attention-backend triton 才能跑通，而 tests/e2e/agentic/test_harbor_rollout.py 仍声明 hardware=["hopper"]，文档也未记录该前置条件。Blackwell 用户在首次 prefill 就可能撞上文档未提及的崩溃，CI 覆盖的 hopper 路径无法提前暴露。
可追溯性缺失：这一格的 ✓ 没有附带证据链接或运行记录，后续难以判断结论的时效与前提。
影响面：仅文档与选型决策；训练/rollout 运行时行为完全不受影响，回归风险为零。

7. 关联脉络

#3215：同一份 sandbox-providers.md 的表格，处理 Daytona 孤儿沙箱回收与存储配额 override——与本 PR 是能力矩阵上的并行演进（一个补 Daytona 运维语义，一个补 Modal 覆盖）。
#3195：把沙箱测试从 e2b 专用改为凭据注册表驱动的任意 provider，本 PR 的 HARBOR_ENV_TYPE=modal 运行正建立在这一测试形态之上。
#2837：Harbor in-process 模式的文档，本 PR 主张的正是该路径在 Modal 上可用，作者也说明本 PR 堆叠在其之上。
#2876：Harbor 在真实 E2B 沙箱上的全链路 e2e，是“按 provider 逐个铺开验证”这条路线的前一站，Modal 是延续。
#2701：为 CUDA 测试声明支持 GPU 世代的改造，hardware=["hopper"] 即来自它；本 PR 在 B200 上验证后仍认为 hopper 声明正确，凸显“实际验证硬件”与“声明硬件”之间的口径需要更清晰的约定。