标签列表
聚合结果
修复 Daytona 孤儿沙箱永不回收，新增存储配额 override
值得精读。核心看点是 `_environment_config()` 中“业务上限 + 安全缓冲 + 显式拒绝危险值”的防御性配置模式，以及只对特定后端生效的隔离方式。测试围绕 WHY 组织（如 docstring 说明为何必须回收又不能误停活 trial），对在 Harbor/沙箱供应商上做资源配置的团队有参考价值。改动精炼，风险集中在默认行为变更与派生默认值的验证深度上，合并前建议补齐非整型 `auto_stop_interval_mins` 的测试。
文档勾选 Modal 支持 Harbor 路径，附 B200 实测结论
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）。
重组沙箱 provider 文档，新增用户与开发者双页面
值得快速浏览，不必精读。本 PR 的借鉴价值在于信息架构决策：按读者（用户 vs 开发者）切割文档、用“网格 + 勾选自带链接”表达跨模块兼容矩阵、以及“注册表条目即 provider 契约”的抽象。维护 agentic rollout 相关代码或文档的工程师，应在后续 provider 相关 PR 中同步更新这两个新页面，避免事实漂移。
新增 Harbor in-process 模式完整指南文档，更新用户指南以区分两种执行模式。
此 PR 作为纯文档增强，其价值在于提升用户对新功能的理解。建议技术管理者和工程师关注其展示的文档组织原则：“一个模式一个完整指南”，以及文档应严格基于实际验证过的用例（作者关于 Modal 的决策）。对于正在采用 Harbor in-process 模式的团队，此文档是必读材料。Review 过程展示了如何通过仔细审查确保技术文档的准确性，值得借鉴。
新增 Harbor E2B 沙箱端到端测试，验证 agentic 路径完整链路，为 CI 自动化铺路。
本 PR 值得精读，尤其是测试脚本的设计和演进。它展示了如何为复杂的 agentic 路径构建端到端测试，包括环境预检、资源准备、执行和结果验证的清晰分离。其中关于解决 Qwen3 模型特定问题、处理陈旧状态和增强预检逻辑的迭代过程（通过提交历史可见）具有学习价值。最终的 `--debug-rollout-only` 方法巧妙地降低了测试的资源需求（仅需 2 GPU）。对于从事 agentic 系统、沙箱集成或端到端测试开发的工程师，此 PR 提供了实用的模式参考。
新增 Harbor in-process 路径的启动器，并提取共享的沙箱提供商凭证配置逻辑。
此 PR 值得精读。它不仅仅是一个新功能（启动器）的添加，更重要的是它通过重构解决了跨示例的代码重复和配置漂移问题。关键设计决策在于：1) 将提供商配置序列提取为 `provision_provider`，这是一个清晰的、单一职责的公共抽象；2) 创建 `launch_common.py` 作为 Harbor 启动逻辑的共享层，确保配方与测试的一致性；3) 在 `harbor_env_vars` 中实施早期、明确的环境校验和规范化。这些模式（早期校验、共享配置层、行为保持的重构）可以借鉴到仓库中其他示例的维护中。建议关注 `provision_provider` 的实现和它如何简化了 `openenv_launch_common.py`，以及 `harbor_env_vars` 中的环境校验逻辑。
新增手动运行的沙箱冒烟测试脚本，验证真实沙箱平台完整链路。
这是一个设计良好、文档齐全的基础设施补充。它填补了测试覆盖的关键空白，且风险可控。建议所有负责沙箱集成或部署验证的工程师精读此 PR，尤其是： 1. **`run.py` 的整体架构**: 学习其正交参数设计、懒加载基准任务和清晰的连接器抽象。 2. **凭证处理模式**: 理解其强制使用文件凭证以模拟真实训练路径的考量。 3. **README 中的使用示例和验证矩阵**: 了解如何利用此工具进行快速验证。
新增进程内 Harbor 代理函数，让 rollout worker 直接在云端沙箱运行 Harbor 试验。
该 PR 值得精读。它引入了重要的新架构路径，并展示了良好的设计模式：将配置构建、试验执行和结果映射职责清晰分离。测试策略（使用 fake 包进行快速迭代，同时用真实包进行契约验证）尤其值得借鉴。核心实现 `harbor_agent_function.py` 的注释详尽，解释了每个决策的权衡（如为什么 `abort` 策略优于 `recover`）。审阅者发现的 `total_tool_time` 缺失和 `HARBOR_AGENT_MAX_ITERATIONS=0` 问题是实际集成中可能出现的真实 bug，具有学习价值。