envd 开发环境

这个 Agent 能做什么，适合哪些场景？

envd 是一个面向 AI/ML 开发环境的命令行工具，使用 Python 风格的 build.envd 清单描述基础环境、语言、软件包、Shell 和 Jupyter 配置。它解析清单并借助 BuildKit 构建隔离的、符合 OCI 镜像规范的环境，再通过 envd up 启动或连接环境。构建结果既可在本机 Docker 上运行，也可通过 context 切换到 Kubernetes 集群；项目还支持远程构建、软件缓存以及向容器镜像仓库推送镜像。团队可以通过 include 导入 Git 仓库中的可复用 envd 函数，集中维护 TensorBoard 等环境组件。它适合需要统一复杂 Python、CUDA、系统软件和交互式工具配置的工程团队，但不是聊天机器人或模型推理代理。

用户在 build.envd 的 build() 函数中调用 base、install.conda、install.python、install.python_packages、shell、config.jupyter 等接口声明环境。envd up 读取该文件、解析并下载或复用依赖缓存，通过默认的 moby-worker 和 BuildKit 构建 OCI 兼容镜像，然后启动并连接容器环境；envd up --detach 可在后台运行。envd envs ls 列出运行状态、Jupyter 地址、SSH 目标、镜像、GPU/CUDA 信息和容器 ID。envd context use local 与 envd context use cluster 用于在本机和 Kubernetes 集群之间切换执行位置。include 可从 Git 仓库载入共享函数；runtime.mount、runtime.daemon 和 runtime.expose 可配置挂载、后台服务与端口，例如运行 TensorBoard。远程构建路径可以在另一台机器上完成构建并将镜像推送到容器仓库。

1. AI/ML 工程师需要用统一清单固定 Python、Conda、NumPy、Shell 和 Jupyter 环境，减少成员之间的环境差异。
2. 使用 CUDA 和复杂系统依赖的团队希望用隔离容器承载训练、微调或服务环境。
3. 本地计算资源有限的开发者需要把构建移到远程高性能机器，并将生成的 OCI 镜像推送到镜像仓库。
4. 同时使用个人电脑和 Kubernetes 集群的团队希望通过 context 切换运行位置，同时保留一致的 envd up 工作流。
5. 频繁重建环境的团队希望复用 PyPI、APT 等缓存，避免重复下载依赖。
6. 平台团队希望将 TensorBoard 等通用配置封装为可从 Git 仓库导入的 envd 函数。

这个 Agent 有哪些优点和局限？

如何安装或部署这个 Agent？

前置条件是 Docker 20.10.0 或更高版本。使用 PyPI 安装时执行：

pip install --upgrade envd

envd bootstrap

如需配置 docker.io 镜像源，可执行：

envd bootstrap --dockerhub-mirror https://docker.mirrors.sjtug.sjtu.edu.cn

项目也提供可直接下载的二进制发行版，但给定材料未列出对应平台的具体下载命令。

如何使用这个 Agent？

先取得示例项目并进入目录：

git clone https://github.com/tensorchord/envd-quick-start.git
cd envd-quick-start

确认 build.envd 至少包含：

def build():

base(dev=True)
install.conda()
install.python()
install.python_packages(name=["numpy"])
shell("fish")

执行 envd up 构建并进入容器环境。需要 Jupyter 时，在 build() 中加入 config.jupyter()，然后运行 envd up --detach，并用 envd envs ls 获取本地访问地址。使用 envd context use local 选择本机；已配置集群环境时，可用 envd context use cluster 切换到 Kubernetes 集群。安装依赖、克隆示例、拉取基础镜像或推送镜像均需要网络；材料未说明需要任何模型 API 凭据。

这个 Agent 与同类方案有什么区别？

常见问题