致所有 DGX Spark 新用户：https://t.co/BTPc41Uf9V https://t.co/7RwueWZo1x — # joeynyc/spark-doctor 来源：https://github.com/joeynyc/spark-doctor

Spark Doctor

NVIDIA DGX Spark 本地诊断命令行工具。收集系统、GPU、内存、Docker、运行时、网络和配方数据，应用 DGX Spark 特定规则，并输出简短结论：出了什么问题、原因以及下一步该尝试什么。
只读工具。无仪表盘。无自动修复。无遥测。

为什么需要它

DGX Spark 是一个新平台。当故障发生时，排查信息分散在 nvidia-smi、/proc/pressure/*、dmesg、docker info、后端日志、论坛帖子和现场诊断工具中。用户会反复遇到同样的问题——GPU 卡在 14W 低功耗状态、统一内存压力导致推理停滞、热关机、Docker 运行时未注册、配方中 tensor_parallel_size 设置为多 GPU 主机参数。
Spark Doctor 通过一条命令收集这些信号，应用 DGX Spark 特定规则，告诉你可能的原因和下一步操作——用简单的英文说明，并附带证据。

安装

git clone && cd spark-doctor
python3 -m venv .venv && source .venv/bin/activate
pip install -e .

需要 Python 3.11+。

命令

spark-doctor scan                     # 完整扫描 + 诊断
spark-doctor scan --json scan.json --markdown report.md
spark-doctor doctor --from scan.json   # 对已保存扫描重新应用规则
spark-doctor report --from scan.json --format {markdown,forum,github}
spark-doctor recipe check recipe.yaml
spark-doctor anonymize scan.json --out redacted.json
spark-doctor self-test
spark-doctor version

退出码：0 正常 · 1 警告 · 2 严重 · 3 采集器失败。

检测内容

配方验证器会检查：张量并行度 vs GPU 数量、容器镜像仓库、arm64 兼容性、内存预算、以及激进的 gpu_memory_utilization / 上下文长度。

隐私

报告默认匿名化：

• 主机名、用户名和 home 路径被替换。
• 私有 IPv4 和 MAC 地址被遮盖（除非使用 --include-network-identifiers）。
• HF、NGC、OpenAI、Bearer、JWT 和 SSH 密钥模式被遮盖。
• 日志（dmesg、journalctl）仅在添加 --include-logs 时包含。

安全性

不进行软件包安装、驱动更新、进程终止、重启、锁定时钟或更改电源设置。所有修复措施均以指令形式提供。

开发

pip install -e '.[dev]'
pytest

新规则放在 src/spark_doctor/rules/，在 rules/engine.py 中注册，在 tests/fixtures/ 中添加夹具，并添加测试。

许可证

MIT。