最佳实践

本节汇总 Rise 智算平台常见业务场景下的推荐配置与操作路径，帮助用户少走弯路。

端到端操作手册

以下三篇是从环境准备到上线使用的完整链路指南（源自管理员手册，适配 2.2 版本）：

• 推理服务上线全流程：镜像上传 → 模型下载 → 部署模板 → 模型仓库 → 启动推理 → Web/API 访问 → 运维排错。
• 容器实例开发环境：开发镜像标签 → 创建实例 → Web 终端 / VS Code → 保存镜像 → 实例管理。
• 分布式训练任务：训练镜像/数据/调度策略/队列准备 → 创建任务（含 torchrun 参数示例）→ 观察训练 → 任务管理。

安全配置

• 二次验证安全配置：管理员开启短信/邮箱/MFA 三种二次验证方式，配置受保护接口，设置登录二次验证；用户绑定 MFA 认证器、使用验证码登录与操作验证。

场景一：为新团队开通算力

1. 平台管理员 在 平台管理 > 平台与成员 中创建/纳管集群。
2. 在 AI 智算管理 > 工作空间与项目 中新建工作空间，分配项目。
3. 为工作空间配置 资源配额（Quota）与 资源池 绑定。
4. 邀请成员加入工作空间/项目，并分配角色（如项目管理员、开发者）。
5. 成员登录后即可在 AI 智算开发 中创建实例与任务。

场景二：从模型广场一键部署推理服务

1. 进入 大模型服务 > 模型广场，筛选需要的模型（按引擎、芯片、场景、价格）。
2. 点击「一键部署」，选择目标项目、规格与实例数。
3. 部署完成后，在 AI 智算开发 > 算力服务 > 推理服务 中查看服务状态。
4. 复制调用地址与 API Key，即可在 Playground 或本地代码中调用。

场景三：训练任务排错

1. 任务提交后，在列表中观察状态；若长时间 Pending，查看详情页 事件/调度事件。
2. 常见原因：
   • 资源池配额不足 → 联系管理员扩容或调整 Quota。
   • 镜像拉取失败 → 检查镜像地址、凭证与网络。
   • 启动命令错误 → 查看 日志 页签修正启动命令。
3. 任务运行后可开启 TensorBoard 监控训练曲线。

场景四：数据准备闭环

1. 在 AI 智算开发 > 数据管理 > 数据集 中创建数据集并上传文件。
2. 如数据质量不佳，创建 数据清洗 任务（基于 Data-Juicer）。
3. 如需要扩充样本，创建 数据增强 任务（LLM 生成式增强）。
4. 清洗/增强完成后产生新的数据集版本，可直接在微调任务中引用。

场景五：API 渠道成本对账

1. 平台管理员在 AI 智算管理 > AI 网关 > API 渠道 中接入外部渠道。
2. 在 计量计费 > API 渠道 中查看渠道总览与调用记录。
3. 对比上游账单与平台记录的 cost_microcents，定位差异。
4. 如需调整采购价，在 渠道成本策略 中维护 API 渠道级价格。

通用建议

• 命名规范：实例/任务/服务名称使用语义化命名，便于后续检索与成本归因。
• 定期清理：对不再使用的实例、服务与任务及时释放，避免资源浪费。
• 回收站兜底：误删资源后先在回收站中恢复；确认不需要后再彻底清除。
• 配额告警：在 告警中心 中配置资源分配率/使用率告警，提前发现瓶颈。