# main 基线整理与 Spark 迁移（2026-09-18）

将此前的前缀缓存优化、CUDA Graph 对照、长上下文容量边界和 Nsight 证据整理到同一条 main。
默认部署收敛为 131072 总 tokens、eager、MTP=2、BF16 KV、前缀缓存开启、GPU memory=0.80。
不把接近 260K 已触发主机 OOM 的配置继续作为默认基线。

## 配置与文档

- 默认及 no-prefix 配置限制为 128K，baseline 保留 32K / 无 MTP。
- 可选图实验配置同样限制为 128K，仍不作为默认。
- 固定容器名 `qwen38-flash-vllm`，与现有监控和部署兼容。
- README、文档索引和运维说明描述当前状态；历史报告保留当时参数并显式标记。
- Git 忽略本机 .env、archive、.local-state、原始 Nsight / SQLite 和 bundle；Docker 构建白名单不包含它们。

## Spark 整理

在原部署目录初始化 Git，保留原模型缓存、编译缓存、代理和 secret 挂载。
已验证新旧服务环境变量完全一致，内存限制一致；命令只改变上下文上限。
通过本地 git bundle 同步仓库，没有将工作站 Gitea token 安装到 Spark。

- 23 个旧部署文件归档到 `archive/<时间>/legacy/`。
- 历史 optimization-results 移到 `archive/<时间>/experiments/`，含原始 trace 和失败样本。
- 本任务 `/tmp/qwen38*` 临时打包/构建检查文件归档到 `archive/<时间>/tmp/`。
- archive、.local-state 权限 0700，本机 .env 权限 0600。
- 两个已停止的下载容器在保存日志后删除。
- 移除五个过时实验/打包验证镜像标签；共享层仍可能被保留，不将标签显示大小当作释放空间。
- 保留正在使用的 eager 镜像、固定 base、32K 回退所需原镜像和 prefix2 图候选。
- 原 MinerU 两个容器及 qwen36 继续保持停止状态，其镜像与数据保留。

## 验证

Python AST、Shell bash -n、git diff --check 通过。
Spark 默认、no-prefix、32K baseline、prefix graph 四套 Compose 解析通过。
仓库没有 CI workflow / runs，因此不声称存在 CI 通过记录。

运行验收结果待完成后补充；只有验收通过后才合并 main。