@delta-infra/cli 1.1.2 → 1.1.4

package/README.md

@@ -179,6 +179,9 @@ delta-cli auth status
 
 ```bash
 # 创建带 GPU 的 sandbox（--max-life 默认 30 分钟，长任务请调高）
+# ⚠️ 资源语义：`--memory` 是容器 CPU 内存【总量】（每沙箱一份）；`--gpu-mem` 是【每张卡】的显存（MiB）——
+# `--gpu 2 --gpu-mem 8000` = 每卡 8000MiB、总显存 16000MiB（内部 OpenSandbox/HAMi 后端直接写入 HAMi 每卡注解；
+# 注意云端 runpod 后端将 --gpu-mem 视为总显存÷卡数）。单卡显存上限可查 `sandbox resources`（memory_mib）。
 delta-cli sandbox create \
   --image image.yangtzeailab.com/opensandbox/pytorch-cuda13:latest \
   --cpu 4 --memory 16Gi --gpu 1 \
@@ -215,6 +218,7 @@ delta-cli sandbox kill <sandbox_id>
 | `delta-cli config init` | 初始化配置文件 |
 | `delta-cli config show` | 查看当前配置（敏感字段已脱敏） |
 | `delta-cli config set <key> <value>` | 修改配置项 |
+| `delta-cli config remove <key>` | 移除配置项（支持 `token`、`apikey`） |
 | `delta-cli auth login` | 交互式登录（自动识别 API Key / Token） |
 | `delta-cli auth login --apikey <key>` | API Key 认证（推荐） |
 | `delta-cli auth login --token <token>` | Token 认证 |
@@ -223,6 +227,7 @@ delta-cli sandbox kill <sandbox_id>
 | `delta-cli upgrade --check` | 检查是否有可用更新 |
 | `delta-cli upgrade --cli-only` | 只升级 CLI 二进制 |
 | `delta-cli upgrade --skills-only` | 只升级 AI Skills |
+| `delta-cli usage` | 查看当前用户用量和剩余额度 |
 | `delta-cli --version` | 显示版本 |
 
 ### Sandbox 命令
@@ -258,7 +263,11 @@ delta-cli sandbox kill <sandbox_id>
 | `delta-cli sandbox rmdir <id> --path <路径>` | 递归删除目录 |
 | `delta-cli sandbox mkdir <id> --path <路径>` | 创建目录 |
 | `delta-cli sandbox search <id> --path <根目录> --pattern <glob>` | 搜索文件 |
+| `delta-cli sandbox working-directory <id>` | 获取沙箱工作目录路径 |
 | `delta-cli sandbox upload <id> --source <本地目录> --target <沙箱路径>` | 上传目录（tar.gz + 自动解压） |
+| `delta-cli sandbox expose <id> [--port N]` | 将沙箱内服务端口暴露到公网（frp 隧道），默认端口 8700 |
+| `delta-cli sandbox exposes <id>` | 列出沙箱当前活跃的公网端口隧道 |
+| `delta-cli sandbox dispose <id> --port N` | 回收公网端口隧道（需指定端口号） |
 
 ### Science 工具
 

package/checksums.txt

@@ -1,5 +1,5 @@
-c956888bdd5e88ce3599d3f4c19d6ca39384248abe22af000194e2f942d232b8  delta-cli-darwin-amd64.tar.gz
-69a31eba4c684a128345d2db6f9f5e92bd53350297ef4df94054e9174899b930  delta-cli-darwin-arm64.tar.gz
-0bc0b62a1c3920ab72a806f45fa978dfaa22ed606a93827b463a471720c88211  delta-cli-linux-amd64.tar.gz
-595fcfddf391719c2aabfd851dde6d0316f6a41e827268e914b069fa685e0f43  delta-cli-linux-arm64.tar.gz
-9e6b97c65a854cdceb57eebbc2f3c0e4485d602918f16e4990ef7e5a479fb3d8  delta-cli-windows-amd64.zip
+b116c404522c6740eeb1ed3f8dc58cedf7f5e7d9eabb4f83fb8415f835dd485c  delta-cli-darwin-amd64.tar.gz
+35386a7dfae3ee0509f52c601570d4831979606845322eeacbb477b1bed937f7  delta-cli-darwin-arm64.tar.gz
+200c0bd377f364eb300a1c500eb4c6af00fb68bb7176d8d434b69d612ac86b09  delta-cli-linux-amd64.tar.gz
+6e6c119541870104ee236d45121d69da290739f38eef3721ca55fede03a01f14  delta-cli-linux-arm64.tar.gz
+2d410ce21aa98e422fc11358bca46dcca176e65df1b43bce0035ce2ae1587cb5  delta-cli-windows-amd64.zip

package/package.json

@@ -1,6 +1,6 @@
 {
   "name": "@delta-infra/cli",
-  "version": "1.1.2",
+  "version": "1.1.4",
   "description": "Delta Agent Cloud CLI for sandbox compute and science tools.",
   "bin": {
     "delta-cli": "scripts/run.js"

package/skills/delta-sandbox/SKILL.md

@@ -143,7 +143,7 @@ required_outputs:
 | 获取资源推荐 | `sandbox recommend --cpu N --memory XGi [--gpu N] [--gpu-mem N]`（`--memory`/`--gpu-mem` 支持 g/m/G/M 格式，如 `1G`/`512M`，CLI 自动转换为 Gi/Mi） |
 | 列出当前用户的 sandbox | `sandbox list [--status <running/finished/killed/error>] [--start-time <ISO8601>] [--end-time <ISO8601>] [--sandbox-id <id>] [--days N]` |
 | **生命周期** | |
-| 创建 sandbox | `sandbox create --image-name <镜像名> [--cpu N --memory XGi --gpu N --gpu-mem N --gpu-type <型号> --max-life M]`；`--memory`/`--gpu-mem` 支持 g/m/G/M 格式（如 `1G`/`512M`，小写亦可），CLI 自动转换为服务端接受的 `Gi`/`Mi` 单位；`--image-name` 用镜像名（`sandbox images` 返回的 `image_name` 字段，如 `"PyTorch CUDA13 (GPU)"`），底层镜像标识对用户隐藏；`--gpu-type` 指定 GPU 型号（如 `"RTX 4090"`、`H100`），服务端映射为 HAMi use-gputype 注解按型号调度，可选型号查 `sandbox resources`（`third_party` 分组 `gpu_types[].gpu_name`），不传则自动调度；不希望被自动清理时加 `--no-auto-cleanup`（仅显式 kill/finish 可销毁）；**单沙箱资源上限** cpu ≤ 512 / memory ≤ 1024Gi / gpu ≤ 64 / gpuMem ≤ 1024Gi，超出快速报错不挂起 |
+| 创建 sandbox | `sandbox create --image-name <镜像名> [--cpu N --memory XGi --gpu N --gpu-mem N --gpu-type <型号> --max-life M]`；`--memory`/`--gpu-mem` 支持 g/m/G/M 格式（如 `1G`/`512M`，小写亦可），CLI 自动转换为服务端接受的 `Gi`/`Mi` 单位；`--image-name` 用镜像名（`sandbox images` 返回的 `image_name` 字段，如 `"PyTorch CUDA13 (GPU)"`），底层镜像标识对用户隐藏；`--gpu-type` 指定 GPU 型号（如 `"RTX 4090"`、`H100`），可选型号查 `sandbox resources` 输出的 `gpu_types[].gpu_name`，不传则自动调度；不希望被自动清理时加 `--no-auto-cleanup`（仅显式 kill/finish 可销毁）；**单沙箱资源上限** cpu ≤ 512 / memory ≤ 1024Gi / gpu ≤ 64 / gpuMem ≤ 1024Gi，超出快速报错不挂起 |
 | 连接 sandbox | `sandbox connect <id>` |
 | 查看状态 | `sandbox status <id>` |
 | 完成 sandbox | `sandbox finish <id> [--results '{...}']` |
@@ -185,8 +185,8 @@ required_outputs:
      - `delta-cli sandbox recommend --cpu N --memory XGi [--gpu N]` — 资源配置推荐
 2. **创建**：`delta-cli sandbox create --image-name <镜像名> --cpu 4 --memory 16Gi --gpu 1 --gpu-mem 8000 --max-life 120`。**返回的 JSON 信封中是 `data.sandbox_id`，不是 `data.id`；后续所有命令必须使用这个真实的 `sandbox_id`。**（创建后 sandbox 立即可用，无需额外连接）。**响应会回显请求的镜像名/resource（服务端未返回的字段由 CLI 用请求值补齐，服务端返回值优先），可直接核对一遍资源配置，无需额外调 status。**（镜像回显为显示名；`provider` 为内部概念，不再回显）。**同一次任务若已有 `sandbox_id`，禁止再次 create，必须优先复用。**
     - --max-life 指定 sandbox 最大存活时间（分钟），默认 30。长任务请调高，确保 sandbox 在命令执行期间不被回收。
-    - **`--gpu-mem`（单位 MiB）要匹配实际运行的模型**：模型参数量/精度越大所需显存越大，大模型塞进过小显存会直接 OOM。示例中的 8000（8GiB）只适配小模型，跑 7B/9B/13B 前先评估显存需求并适当调大。
-    - **`--gpu-type <型号>`（可选）指定 GPU 型号**：如 `"RTX 4090"`、`H100`，服务端映射为 HAMi use-gputype 注解，将 pod 调度到匹配型号的 GPU 上。可用 `sandbox resources` 查看可选型号（`third_party` 分组的 `gpu_types[].gpu_name`）。仅在用户明确要求特定型号时使用；不传则由系统自动调度。
+    - **`--gpu-mem`（单位 MiB）要匹配实际运行的模型**：模型参数量/精度越大所需显存越大，大模型塞进过小显存会直接 OOM。示例中的 8000（8GiB）只适配小模型，跑 7B/9B/13B 前先评估显存需求并适当调大。**语义：`--gpu-mem` 是【每张卡】的显存 MiB（`--gpu 2 --gpu-mem 8000` = 每卡 8000MiB、总 16000MiB）；`--memory` 是容器 CPU 内存总量。**
+    - **`--gpu-type <型号>`（可选）指定 GPU 型号**：如 `"RTX 4090"`、`H100`，将任务调度到该型号 GPU 上；可用 `sandbox resources` 查看可选型号（`gpu_types[].gpu_name`）。仅在用户明确要求特定型号时使用；不传则由系统自动调度。
     - `--no-auto-cleanup`：加此 flag 后该 sandbox **不会被自动清理**（服务端超时回收 + 本地周期 cleanup_stale 均跳过），只能通过显式 `sandbox kill`/`finish` 销毁。仅当任务确实需要跨越周期清理长期存活时才使用，任务结束后必须主动销毁，避免资源泄漏。
     - **禁止在 create 成功后反复调用 `sandbox status` 轮询**。`sandbox create` 返回时 sandbox 已经就绪，直接用它返回的 `data.sandbox_id` 执行 `write`/`run` 即可。多余的轮询会增加工具调用次数且没有任何收益。
 3. **写入代码/数据**：

package/skills/delta-shared/SKILL.md

@@ -42,6 +42,20 @@ delta-cli config init --base-url <server-url> --token <token>
 
 CLI 使用 `token` 发送请求头 `Authorization: Bearer <token>`，并自动从 JWT 中提取 `uid` 作为 `X-User-Uid`。
 
+## 查询用户信息与剩余额度
+
+```bash
+delta-cli usage
+```
+
+返回当前用户信息与剩余额度（走网关 `/infra/api/users/me`，鉴权由 CLI 自动携带配置的凭证）。只保留三个字段：
+
+- `data.display_name`：显示名（缺失时回退 `user_id`）
+- `data.user_id`：用户 ID
+- `data.resources.credit`：剩余额度（credits）
+
+`username`/`id`/`email`/`role`/`quota`/`group`/`tier`/`status`/`created_at`/`is_admin`、`stats` 及其中的 `total_consumed_credits`（数据库原始 quota 单位）均为内部字段，不对外输出。
+
 ## 安全红线
 
 - **禁止输出密钥**：`token` 不得出现在日志、消息、终端。