生活紀錄

2026年1月2日星期五

vscode 的 vibe coding

點選左側 continue icon

拉寬 continue 視窗

點選 continue 視窗右上側齒輪

點選左側 Models

點選 Chat 右側齒輪

自動出現 config.yaml 檔案, 或手動開啟 %USERPROFILE%\.continue\config.yaml

name: Local Config

version: 1.0.0

schema: v1

models:

- name: gpt-oss-120b

provider: vllm

model: gpt-oss-120b

apiBase: http://192.168.0.108:8000/v1

title: gpt-oss-120b

roles:

- chat

- edit

- autocomplete

- apply

- name: Llama-3.1-8B-Instruct

provider: vllm

model: Llama-3.1-8B-Instruct

apiBase: https://www.sunhousetechnology.com.tw/trtllm-Llama-3.1-8B-Instruct/v1

title: Llama-3.1-8B-Instruct

roles:

- chat

- edit

- autocomplete

- apply

點選 continue 視窗右上 "Local Config v" 選擇 Reload

=========================

安裝 Cline 完成後選 Login to Cline, 開啟網頁, 同意授權

回 vscode, 有對話框 Allow 'Cline' extension to open this URL

按 Open

點選左側 cline icon

點選 cline 視窗右上側齒輪

API Provider: OpenAI Compatible

Base URL: http://192.168.0.108:8000

OpenAI Compatible API Key: token-abc123

Model ID: gpt-oss-120b

點選 cline 視窗右上 Done

=========================

安裝 Remote-SSH

點選左側 Remote Explorer

在 REMOTE/SSH 右側按齒輪

中間視窗上面選擇 C:/Users/user_name/.ssh/config

# Read more about SSH config files: https://linux.die.net/man/5/ssh_config

Host hostA

HostName user_ip

User user_name

Port 2201

Host hostB

HostName user_ip

User user_name

Port 2202

在 REMOTE/SSH/spark 右側可以選擇

Connect in Current Window... 或 Connect in New Window...

第一次登入時在中間視窗上面選擇 linux, 選擇 continue

中間視窗上面輸入密碼

DGX Spark 使用 LLM 經歷

同一模型使用 TRT LLM 比使用 vLLM 好, 不論有無轉成 nvfp4

10GB 以下 Qwen2.5-Coder-7B

10GB 以下 Qwen2.5-Coder-32B-Instruct

30GB 以下 gpt-oss-20b

30GB 以下 Llama-3.1-8B-Instruct

上述模型耗記憶體和反應速度都不錯，只是 Qwen2.5-Coder-7B 對話不行

gpt-oss-120b 耗記憶體，速度有些慢

Llama-3.3-70B-Instruct 耗記憶體，速度超慢

# 原本應該從 meta-llama/Llama-3.3-70B-Instruct 下載模型，再轉成 nvfp4

# 但是下載的模型不只無法轉成 nvfp4, 也無法執行

# 發現有 nvidia/Llama-3.3-70B-Instruct-NVFP4 直接下載使用

將 open webui 的 http 轉成 https

產生證書，需先執行一個 nginx 在 80 port 上，以便 cerbot 產生證書

$ sta_nginx_certbot.sh

$ docker run --rm -it \

-v $(pwd)/nginx/certs:/etc/letsencrypt \

-v $(pwd)/nginx/acme:/var/www/certbot \

certbot/certbot certonly \

--webroot \

-w /var/www/certbot \

-d www.sunhousetechnology.com.tw

證書產生在下列目錄

nginx/certs/live/www.sunhousetechnology.com.tw/fullchain.pem

nginx/certs/live/www.sunhousetechnology.com.tw/privkey.pem

停止 nginx_certbot

docker nginx 加入 nginx_certbot.conf, 以便在更新證書時，不用停止 nginx

server {

listen 80 default_server;

server_name _;

root /var/www/html;

index index.html index.htm index.nginx-debian.html;

location /.well-known/acme-challenge/ {

root /var/www/certbot;

}

location / {

return 200 "nginx certbot ok\n";

}

更新證書

$ docker run --rm \

-v $(pwd)/nginx/certs:/etc/letsencrypt \

-v $(pwd)/nginx/acme:/var/www/certbot \

certbot/certbot renew

測試證書

$ docker run --rm \

-v $(pwd)/nginx/certs:/etc/letsencrypt \

-v $(pwd)/nginx/acme:/var/www/certbot \

certbot/certbot renew --dry-run

# 1. Nginx 是否在 webnet

docker network inspect webnet

# 2. open-webui 是否在 webnet

docker ps

# 3. Nginx 內部能否解析

docker exec -it nginx getent hosts open-webui

# 4. Nginx 內部直連測試

docker exec -it nginx curl http://open-webui:8080

# nginx.conf 修改後 nginx 重開

docker restart nginx

# 測試命令

curl -k -H "Cache-Control: no-cache" \

-H "Pragma: no-cache" \

https://www.sunhousetechnology.com.tw/

為了避免一些 docker 沒有啟動，造成 nginx 無法啟動，將

location /sub-path/ {

proxy_pass http://sub-path:8001;

}

改成

location /sub-path/ {

set $p8001 http://sub-path:8001;

rewrite ^/sub-path/(.*)$ /$1 break;

proxy_pass $p8001;

}

open-webui 無法掛到 https://www.sunhousetechnology.com.tw/open-webui 必須使用 /

location / {

set $webui http://open-webui:8080;

# 無法使用 rewrite, 只能用 location /

proxy_pass $webui;

# 避免下列 WebSocket 錯誤

# "GET /ws/socket.io/?EIO=4&transport=websocket HTTP/1.1" 400 46

proxy_set_header Upgrade $http_upgrade;

proxy_set_header Connection "upgrade";

}

原先也要加入 dashboard, 但兩者同時都使用 WebSocket, 而且是 GET /ws 開頭，所以只好放棄

location /dashboard/ {

set $dashboard http://dashboard:8080;

rewrite ^/dashboard/(.*)$ /$1 break;

proxy_pass $dashboard;

# 避免下列 WebSocket 錯誤

# "GET /ws HTTP/1.1" 500 21

proxy_set_header Upgrade $http_upgrade;

proxy_set_header Connection "upgrade";

}

2025年12月30日星期二

DGX Spark 使用 TRT LLM

參考 https://build.nvidia.com/spark 之下的

TRT LLM for Inference

NVFP4 Quantization

參考 https://nvidia.github.io/TensorRT-LLM/1.0.0rc2/commands/trtllm-serve.html

# Configure Docker permissions

$ sudo usermod -aG docker $USER

$ newgrp docker

$ id

uid=1000(spark) gid=988(docker) groups=988(docker),4(adm),27(sudo),29(audio),30(dip),46(plugdev),100(users),122(lpadmin),1000(spark)

$ ps

PID TTY TIME CMD

6123 pts/1 00:00:00 bash

24590 pts/1 00:00:00 bash

24597 pts/1 00:00:00 ps

# Verify environment prerequisites

$ nvidia-smi

$ docker run --rm --gpus all nvcr.io/nvidia/tensorrt-llm/release:spark-single-gpu-dev nvidia-smi

$ export HF_TOKEN=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

$ docker run --rm -it --gpus all \

nvcr.io/nvidia/tensorrt-llm/release:spark-single-gpu-dev \

python -c "import tensorrt_llm; print(f'TensorRT-LLM version: {tensorrt_llm.__version__}')"

倒數兩行的輸出

[TensorRT-LLM] TensorRT-LLM version: 1.1.0rc3

TensorRT-LLM version: 1.1.0rc3

# Create Hugging Face cache directory

$ mkdir -p $HOME/.cache/huggingface/

## 若有需要改變目錄位置

$ export HF_HOME=/mnt/Data/huggingface

$ export MODEL_HANDLE="openai/gpt-oss-20b"

$ docker run \

-e MODEL_HANDLE=$MODEL_HANDLE \

-e HF_TOKEN=$HF_TOKEN \

-v $HOME/.cache/huggingface/:/root/.cache/huggingface/ \

--rm -it --ulimit memlock=-1 --ulimit stack=67108864 \

--gpus=all --ipc=host --network host \

nvcr.io/nvidia/tensorrt-llm/release:spark-single-gpu-dev \

bash -c '

export TIKTOKEN_ENCODINGS_BASE="/tmp/harmony-reqs" && \

mkdir -p $TIKTOKEN_ENCODINGS_BASE && \

wget -P $TIKTOKEN_ENCODINGS_BASE https://openaipublic.blob.core.windows.net/encodings/o200k_base.tiktoken && \

wget -P $TIKTOKEN_ENCODINGS_BASE https://openaipublic.blob.core.windows.net/encodings/cl100k_base.tiktoken && \

hf download $MODEL_HANDLE && \

python examples/llm-api/quickstart_advanced.py \

--model_dir $MODEL_HANDLE \

--prompt "Paris is great because" \

--max_tokens 64

==================

# Serve LLM with OpenAI-compatible API

$ export MODEL_HANDLE="openai/gpt-oss-20b"

$ export MODEL_HANDLE="openai/gpt-oss-120b"

$ export MODEL_HANDLE="meta-llama/Llama-3.3-70B-Instruct"

$ export MODEL_HANDLE="Qwen/Qwen3-4B-Instruct-2507"

$ export MODEL_HANDLE="deepseek-ai/DeepSeek-R1-Distill-Llama-8B'"

$ docker run --name trtllm_llm_server --rm -it --gpus all --ipc host --network host \

-e HF_TOKEN=$HF_TOKEN \

-e MODEL_HANDLE="$MODEL_HANDLE" \

-v $HOME/.cache/huggingface/:/root/.cache/huggingface/ \

nvcr.io/nvidia/tensorrt-llm/release:spark-single-gpu-dev \

bash -c '

export TIKTOKEN_ENCODINGS_BASE="/tmp/harmony-reqs" && \

mkdir -p $TIKTOKEN_ENCODINGS_BASE && \

wget -P $TIKTOKEN_ENCODINGS_BASE https://openaipublic.blob.core.windows.net/encodings/o200k_base.tiktoken && \

wget -P $TIKTOKEN_ENCODINGS_BASE https://openaipublic.blob.core.windows.net/encodings/cl100k_base.tiktoken && \

hf download $MODEL_HANDLE && \

cat > /tmp/extra-llm-api-config.yml <<EOF

print_iter_log: false

kv_cache_config:

dtype: "auto"

free_gpu_memory_fraction: 0.4

cuda_graph_config:

enable_padding: true

disable_overlap_scheduler: true

EOF

trtllm-serve "$MODEL_HANDLE" \

--max_batch_size 8 \

--trust_remote_code \

--host 0.0.0.0 \

--port 8000 \

--extra_llm_api_options /tmp/extra-llm-api-config.yml

$ curl -s http://localhost:8000/v1/chat/completions \

-H "Content-Type: application/json" \

-d '{

"model": "'"$MODEL_HANDLE"'",

"messages": [{"role": "user", "content": "請你自我介紹"}],

"max_tokens": 64

# Cleanup and rollback

sudo chown -R "$USER:$USER" "$HOME/.cache/huggingface"

rm -rf $HOME/.cache/huggingface/

docker image prune -f

docker rmi nvcr.io/nvidia/tensorrt-llm/release:spark-single-gpu-dev

==================

# NVFP4 Quantization

$ mkdir -p ./output_models

$ chmod 755 ./output_models

# 使用 huggingface 的模型，轉換模型

$ docker run --rm -it --gpus all --ipc=host --ulimit memlock=-1 --ulimit stack=67108864 \

-v "./output_models:/workspace/output_models" \

-v "$HOME/.cache/huggingface:/root/.cache/huggingface" \

-e HF_TOKEN=$HF_TOKEN \

nvcr.io/nvidia/tensorrt-llm/release:spark-single-gpu-dev \

bash -c "

git clone -b 0.35.0 --single-branch https://github.com/NVIDIA/Model-Optimizer.git /app/TensorRT-Model-Optimizer && \

cd /app/TensorRT-Model-Optimizer && pip install -e '.[dev]' && \

export ROOT_SAVE_PATH='/workspace/output_models' && \

/app/TensorRT-Model-Optimizer/examples/llm_ptq/scripts/huggingface_example.sh \

--model $MODEL_HANDLE \

--quant nvfp4 \

--tp 1 \

--export_fmt hf

# 出現 pynvml.NVMLError_NotSupported: Not Supported 錯誤，不用怕

# 使用本地端的模型，轉換模型

$ docker run --rm -it --gpus all --ipc=host --ulimit memlock=-1 --ulimit stack=67108864 \

-v "./output_models:/workspace/output_models" \

-v /mnt/models:/mnt/models \

-v "$HOME/.cache/huggingface:/root/.cache/huggingface" \

-e HF_TOKEN=$HF_TOKEN \

nvcr.io/nvidia/tensorrt-llm/release:spark-single-gpu-dev \

bash -c "

git clone -b 0.35.0 --single-branch https://github.com/NVIDIA/Model-Optimizer.git /app/TensorRT-Model-Optimizer && \

cd /app/TensorRT-Model-Optimizer && pip install -e '.[dev]' && \

export ROOT_SAVE_PATH='/workspace/output_models' && \

/app/TensorRT-Model-Optimizer/examples/llm_ptq/scripts/huggingface_example.sh \

--model /mnt/models/Qwen2.5-Coder-7B \

--quant nvfp4 \

--tp 1 \

--export_fmt hf

$ ls -la ./output_models/

$ find ./output_models/ -name "*.bin" -o -name "*.safetensors" -o -name "config.json"

$ export MODEL_PATH="./output_models/saved_models_DeepSeek-R1-Distill-Llama-8B_nvfp4_hf/"

$ export MODEL_PATH="./output_models/saved_models_Qwen3-4B-Instruct-2507_nvfp4_hf/"

# 使用轉換完成的模型

$ docker run \

-e HF_TOKEN=$HF_TOKEN \

-v $HOME/.cache/huggingface/:/root/.cache/huggingface/ \

-v "$MODEL_PATH:/workspace/model" \

--rm -it --ulimit memlock=-1 --ulimit stack=67108864 \

--gpus=all --ipc=host --network host \

nvcr.io/nvidia/tensorrt-llm/release:spark-single-gpu-dev \

bash -c '

python examples/llm-api/quickstart_advanced.py \

--model_dir /workspace/model/ \

--prompt "Paris is great because" \

--max_tokens 64

# Serve the model with OpenAI-compatible API

$ docker run \

-e HF_TOKEN=$HF_TOKEN \

-v "$MODEL_PATH:/workspace/model" \

--rm -it --ulimit memlock=-1 --ulimit stack=67108864 \

--gpus=all --ipc=host --network host \

nvcr.io/nvidia/tensorrt-llm/release:spark-single-gpu-dev \

trtllm-serve /workspace/model \

--backend pytorch \

--max_batch_size 4 \

--host 0.0.0.0 \

--port 8000

$ curl -X POST http://localhost:8000/v1/chat/completions \

-H "Content-Type: application/json" \

-d '{

"model": "openai/gpt-oss-20b",

"messages": [{"role": "user", "content": "What is artificial intelligence?"}],

"max_tokens": 100,

"temperature": 0.7,

"stream": false

==================

# trtllm-serve 使用本地端模型

$ export MODEL_HANDLE="/mnt/models/gpt-oss-20b" # 0.8:42.6GB 48W 16s | 0.4:26.1GB 48W 21s | 0.2:26.6GB 46W 17s

$ export MODEL_HANDLE="/mnt/models/gpt-oss-120b" # 0.8: 72GB 50W 35s | 0.5:70.4GB 49W 40s | 0.4:68.7GB 49W 39s

$ docker run --name trtllm_llm_server --rm -it --gpus all --ipc host --network host \

-e MODEL_HANDLE="$MODEL_HANDLE" \

-v /mnt/models:/mnt/models \

-v $HOME/.cache/huggingface/:/root/.cache/huggingface/ \

nvcr.io/nvidia/tensorrt-llm/release:spark-single-gpu-dev \

bash -c '

export TIKTOKEN_ENCODINGS_BASE="/tmp/harmony-reqs" && \

mkdir -p $TIKTOKEN_ENCODINGS_BASE && \

wget -P $TIKTOKEN_ENCODINGS_BASE https://openaipublic.blob.core.windows.net/encodings/o200k_base.tiktoken && \

wget -P $TIKTOKEN_ENCODINGS_BASE https://openaipublic.blob.core.windows.net/encodings/cl100k_base.tiktoken && \

cat > /tmp/extra-llm-api-config.yml <<EOF

print_iter_log: false

kv_cache_config:

dtype: "auto"

free_gpu_memory_fraction: 0.5

cuda_graph_config:

enable_padding: true

disable_overlap_scheduler: true

EOF

trtllm-serve "$MODEL_HANDLE" \

--max_batch_size 8 \

--max_seq_len 65536 \

--max_num_tokens 131072 \

--trust_remote_code \

--host 0.0.0.0 \

--port 8000 \

--extra_llm_api_options /tmp/extra-llm-api-config.yml

DGX Spark 使用 vLLM server

經測試發現 vLLM 在記憶體和功耗上都比 TRT LLM差

$ sudo mount -t nfs 192.168.0.107:/mnt/Data/LangGraph/HuggingFace/models /mnt/models

$ export MODEL_HANDLE="/mnt/models/gpt-oss-20b" # 0.8:96.9GB 43W 148s | 0.4:49.4GB 39W 120s

$ export MODEL_HANDLE="/mnt/models/gpt-oss-120b" # 0.8:97.9GB 41W 75s | 0.7:86.5GB 40W 104s

$ docker run --rm --name vllm_server -it --gpus all \

-p 8000:8000 \

-v /mnt/models:/models \

nvcr.io/nvidia/vllm:25.11-py3 \

vllm serve "/models/gpt-oss-20b" \

--trust_remote_code \

--max-num-seqs 2 \

--quantization mxfp4 \

--gpu-memory-utilization 0.3 \

--served-model-name llm_chat \

--api-key token-abc123

若執行失敗，可清除記憶體，再試一遍

$ sudo sh -c 'sync && echo 3 > /proc/sys/vm/drop_caches'

DGX Spark 之 Open WebUI 配合 vLLM 或 TRT LLM

# ollama 連接 vllm 或 trt_llm

# 參考 DGX Spark 使用 vLLM server 和 DGX Spark 使用 TRT LLM

$ docker run -d --rm \

--name open-webui-vllm \

-p 8501:8080 \

-v open-webui:/app/backend/data \

-e OPENAI_API_BASE_URL=http://192.168.0.108:8000/v1 \

-e OPENAI_API_KEY=token-abc123 \

ghcr.io/open-webui/open-webui:main

其中 8080 為固定，不需改變

開啟 Open WebUI（http://localhost:8501）

登入後點選左下使用者 → Admin Panel → Settings → Connections → OpenAI

你會看到已自動配置的 OpenAI 連線（指向 vLLM）

上述命令只可使用單一 vLLM 模型

改用下述命令，由網頁手動輸入多組 vLLM 模型

$ docker run -d --rm --gpus=all \

-p 8501:8080 \

-v open-webui:/app/backend/data \

-v open-webui-ollama:/root/.ollama \

--name open-webui ghcr.io/open-webui/open-webui:ollama

若啟動失敗，應該是 open-webui volume 不一致，使用下列命令

$ docker volume rm open-webui

網頁左下使用者名稱/Admin Panel/Settings/Connections/ +

URL: http://192.168.0.108:8000/v1

按 Save

DGX Spark 使用 dashboard

參考 https://github.com/DanTup/dgx_dashboard

可以觀察記憶體使用量，溫度，功耗，Docker Container

$ docker run -d --gpus all \

-v /var/run/docker.sock:/var/run/docker.sock \

-p 8080:8080 \

--pull=always \

--restart=unless-stopped \

--name dashboard \

ghcr.io/dantup/dgx_dashboard:latest

$ docker stop dashboard && docker rm dashboard

firefox http://192.168.0.108:8080/

訂閱：意見 (Atom)

網頁

2026年1月2日 星期五

vscode 的 vibe coding

DGX Spark 使用 LLM 經歷

將 open webui 的 http 轉成 https

2025年12月30日 星期二

DGX Spark 使用 TRT LLM

DGX Spark 使用 vLLM server

DGX Spark 之 Open WebUI 配合 vLLM 或 TRT LLM

DGX Spark 使用 dashboard

2026年1月2日星期五

2025年12月30日星期二