@icyfenix-dmla/cli 2026.4.19-947 → 2026.4.21-2145

package/package.json

@@ -1,6 +1,6 @@
 {
   "name": "@icyfenix-dmla/cli",
-  "version": "2026.4.19-947",
+  "version": "2026.4.21-2145",
   "description": "DMLA 沙箱服务命令行工具",
   "type": "module",
   "main": "src/index.js",

package/src/commands/manage.js

@@ -66,7 +66,7 @@ export async function installImages(types, registry = 'dockerhub') {
 
   console.log()
   console.log(chalk.green('🎉 镜像安装完成'))
-  console.log(chalk.yellow('💡 提示: 运行 dmla start 启动服务'))
+  console.log(chalk.yellow('提示: 运行 dmla start 启动服务'))
 }
 
 /**
@@ -105,70 +105,6 @@ async function pullImageWithProgress(imageName) {
   })
 }
 
-/**
- * 更新所有组件
- */
-export async function updateAll(registry = 'dockerhub') {
-  console.log()
-
-  // 更新 npm 包
-  console.log(chalk.bold('📦 更新 npm 包'))
-  try {
-    console.log(chalk.gray('   执行 npm update -g @icyfenix-dmla/cli...'))
-    execSync('npm update -g @icyfenix-dmla/cli', { stdio: 'inherit' })
-    console.log(chalk.green('✅ npm 包已更新'))
-  } catch (error) {
-    console.log(chalk.yellow('⚠️ npm 包更新失败或已是最新版本'))
-  }
-
-  console.log()
-
-  // 检查并更新镜像
-  console.log(chalk.bold('🖼️  检查 Docker 镜像更新'))
-  const registryUrl = getRegistryUrl(registry)
-
-  for (const type of ['cpu', 'gpu']) {
-    const remoteImage = `${registryUrl}:${type}`
-    const localImage = type === 'gpu' ? CONFIG.imageGpu : CONFIG.imageCpu
-
-    console.log(chalk.gray(`   检查 ${type.toUpperCase()} 版本...`))
-
-    try {
-      // 检查本地镜像是否存在
-      let localImageInfo = null
-      try {
-        localImageInfo = await docker.getImage(localImage).inspect()
-      } catch {
-        // 本地镜像不存在，需要拉取
-      }
-
-      // 拉取最新镜像
-      console.log(chalk.gray(`   拉取最新 ${type.toUpperCase()} 镜像...`))
-      await pullImageWithProgress(remoteImage)
-
-      // 获取拉取的镜像信息
-      const remoteImageInfo = await docker.getImage(remoteImage).inspect()
-
-      // 比较镜像 ID
-      if (localImageInfo && localImageInfo.Id === remoteImageInfo.Id) {
-        console.log(chalk.green(`✅ ${type.toUpperCase()} 镜像已是最新版本`))
-      } else {
-        // Tag 为本地名称
-        console.log(chalk.gray(`   重命名为 ${localImage}...`))
-        const image = docker.getImage(remoteImage)
-        await image.tag({ repo: CONFIG.imageName, tag: type })
-
-        console.log(chalk.green(`✅ ${type.toUpperCase()} 镜像已更新`))
-      }
-    } catch (error) {
-      console.log(chalk.yellow(`⚠️ ${type.toUpperCase()} 镜像更新失败: ${error.message}`))
-    }
-  }
-
-  console.log()
-  console.log(chalk.green('🎉 更新完成'))
-}
-
 /**
  * 环境诊断
  */
@@ -201,7 +137,7 @@ export async function runDoctor() {
   // ───────────────────────────────────────────────────────────
   // 镜像检查
   // ───────────────────────────────────────────────────────────
-  console.log(chalk.bold('🖼️  Docker 镜像'))
+  console.log(chalk.bold('Docker 镜像'))
 
   const cpuImage = CONFIG.imageCpu
   const gpuImage = CONFIG.imageGpu
@@ -234,7 +170,7 @@ export async function runDoctor() {
   // ───────────────────────────────────────────────────────────
   // GPU 检查
   // ───────────────────────────────────────────────────────────
-  console.log(chalk.bold('🎮 GPU 驱动'))
+  console.log(chalk.bold('GPU 驱动'))
 
   try {
     const output = execSync('nvidia-smi -L', { timeout: 5000, encoding: 'utf8' })
@@ -261,7 +197,7 @@ export async function runDoctor() {
   // ───────────────────────────────────────────────────────────
   // 端口检查
   // ───────────────────────────────────────────────────────────
-  console.log(chalk.bold('🔌 端口可用性'))
+  console.log(chalk.bold('端口可用性'))
 
   const port = CONFIG.defaultPort
   const portAvailable = await checkPortAvailable(port)
@@ -310,11 +246,11 @@ export async function runDoctor() {
       console.log(chalk.red(`   ${i + 1}. ${issue}`))
     })
     console.log()
-    console.log(chalk.yellow('💡 请根据上述提示解决问题后再次运行 dmla doctor'))
+    console.log(chalk.yellow('请根据上述提示解决问题后再次运行 dmla doctor'))
   } else {
     console.log(chalk.bold.green('✅ 所有检查通过，环境正常'))
     console.log()
-    console.log(chalk.gray('💡 运行 dmla start 启动服务'))
+    console.log(chalk.gray('运行 dmla start 启动服务'))
   }
 }
 

package/src/commands/server.js

@@ -198,7 +198,7 @@ export async function startServerSync(port, useGpu = false) {
   const portAvailable = await checkPortAvailable(port)
   if (!portAvailable) {
     console.log(chalk.red(`❌ 端口 ${port} 已被占用`))
-    console.log(chalk.yellow('💡 提示: 使用 --port 选项指定其他端口'))
+    console.log(chalk.yellow('提示: 使用 --port 选项指定其他端口'))
     return
   }
 
@@ -206,7 +206,7 @@ export async function startServerSync(port, useGpu = false) {
   const imageResolution = await resolveImageType(useGpu)
   if (!imageResolution.imageType) {
     console.log(chalk.red('❌ 无可用镜像'))
-    console.log(chalk.yellow('💡 提示: 运行 dmla install 安装镜像'))
+    console.log(chalk.yellow('提示: 运行 dmla install 安装镜像'))
     return
   }
   const resolvedUseGpu = imageResolution.imageType === 'gpu'
@@ -222,7 +222,7 @@ export async function startServerSync(port, useGpu = false) {
   const actualServerPath = findServerPath()
   if (!actualServerPath) {
     console.log(chalk.red('❌ 找不到服务入口文件'))
-    console.log(chalk.yellow('💡 提示: 确保正确安装了 @icyfenix-dmla/cli'))
+    console.log(chalk.yellow('提示: 确保正确安装了 @icyfenix-dmla/cli'))
     return
   }
 
@@ -256,7 +256,7 @@ export async function startServer(port, useGpu = false) {
   const portAvailable = await checkPortAvailable(port)
   if (!portAvailable) {
     console.log(chalk.red(`❌ 端口 ${port} 已被占用`))
-    console.log(chalk.yellow('💡 提示: 使用 --port 选项指定其他端口'))
+    console.log(chalk.yellow('提示: 使用 --port 选项指定其他端口'))
     return
   }
 
@@ -264,7 +264,7 @@ export async function startServer(port, useGpu = false) {
   const imageResolution = await resolveImageType(useGpu)
   if (!imageResolution.imageType) {
     console.log(chalk.red('❌ 无可用镜像'))
-    console.log(chalk.yellow('💡 提示: 运行 dmla install 安装镜像'))
+    console.log(chalk.yellow('提示: 运行 dmla install 安装镜像'))
     return
   }
   const resolvedUseGpu = imageResolution.imageType === 'gpu'
@@ -285,7 +285,7 @@ export async function startServer(port, useGpu = false) {
 
     if (!actualServerPath) {
       console.log(chalk.red('❌ 找不到服务入口文件'))
-      console.log(chalk.yellow('💡 提示: 确保正确安装了 @icyfenix-dmla/cli'))
+      console.log(chalk.yellow('提示: 确保正确安装了 @icyfenix-dmla/cli'))
       return
     }
 
@@ -445,7 +445,7 @@ export async function getStatus() {
   console.log()
 
   // 检查 npm 包版本
-  console.log(chalk.bold('📦 npm 包版本'))
+  console.log(chalk.bold('npm 包版本'))
   try {
     // __dirname 是 src/commands，需要向上两级到包根目录
     const pkgPath = path.resolve(__dirname, '../../package.json')
@@ -458,7 +458,7 @@ export async function getStatus() {
   console.log()
 
   // 检查镜像
-  console.log(chalk.bold('🖼️  Docker 镜像'))
+  console.log(chalk.bold('Docker 镜像'))
   const cpuExists = await checkImageExists('cpu')
   const gpuExists = await checkImageExists('gpu')
   console.log(chalk.gray(`   CPU: ${cpuExists ? chalk.green('已安装') : chalk.red('未安装')}`))
@@ -467,7 +467,7 @@ export async function getStatus() {
   console.log()
 
   // 检查 GPU
-  console.log(chalk.bold('🎮 GPU 状态'))
+  console.log(chalk.bold('GPU 状态'))
   const gpuAvailable = await checkGPUAvailable()
   if (gpuAvailable) {
     console.log(chalk.green('   GPU 可用'))
@@ -485,7 +485,7 @@ export async function getStatus() {
   console.log()
 
   // 检查服务
-  console.log(chalk.bold('🚀 服务状态'))
+  console.log(chalk.bold('服务状态'))
   const running = await checkServiceRunning(CONFIG.defaultPort)
   if (running) {
     console.log(chalk.green(`   服务运行中 (端口 ${CONFIG.defaultPort})`))

package/src/index.js

@@ -8,7 +8,7 @@ import path from 'path'
 import { fileURLToPath } from 'url'
 import fs from 'fs'
 import { startServer, startServerSync, stopServer, getStatus } from './commands/server.js'
-import { updateAll, runDoctor } from './commands/manage.js'
+import { runDoctor } from './commands/manage.js'
 import { runInstallTUI } from '@icyfenix-dmla/install'
 
 // 从 package.json 读取版本号
@@ -98,7 +98,7 @@ program
     const useGpu = options.gpu
     const sync = options.sync
 
-    console.log(chalk.blue('🚀 启动 DMLA 沙箱服务...'))
+    console.log(chalk.blue('启动 DMLA 沙箱服务...'))
     console.log(chalk.gray(`   端口: ${port}`))
     console.log(chalk.gray(`   请求类型: ${useGpu ? 'GPU' : '自动选择'}`))
     if (sync) {
@@ -119,7 +119,7 @@ program
   .command('stop')
   .description('停止运行中的沙箱服务')
   .action(async () => {
-    console.log(chalk.blue('🛑 停止 DMLA 沙箱服务...'))
+    console.log(chalk.blue('停止 DMLA 沙箱服务...'))
     await stopServer()
   })
 
@@ -130,7 +130,7 @@ program
   .command('status')
   .description('查看服务状态')
   .action(async () => {
-    console.log(chalk.blue('📊 DMLA 沙箱服务状态'))
+    console.log(chalk.blue('DMLA 沙箱服务状态'))
     await getStatus()
   })
 
@@ -144,18 +144,6 @@ program
     await runInstallTUI()
   })
 
-// ─────────────────────────────────────────────────────────────
-// update 命令
-// ─────────────────────────────────────────────────────────────
-program
-  .command('update')
-  .description('更新 npm 包和 Docker 镜像')
-  .option('-r, --registry <type>', '镜像仓库 (dockerhub/acr)', 'dockerhub')
-  .action(async (options) => {
-    console.log(chalk.blue('🔄 更新 DMLA...'))
-    await updateAll(options.registry)
-  })
-
 // ─────────────────────────────────────────────────────────────
 // doctor 命令
 // ─────────────────────────────────────────────────────────────
@@ -163,7 +151,7 @@ program
   .command('doctor')
   .description('诊断安装环境')
   .action(async () => {
-    console.log(chalk.blue('🔍 DMLA 环境诊断'))
+    console.log(chalk.blue('DMLA 环境诊断'))
     await runDoctor()
   })
 

package/src/server/routes/sandbox.js

@@ -2,7 +2,7 @@
  * 沙箱 API 路由
  */
 import { Router } from 'express'
-import sandbox, { runPythonCode, checkImageExists, checkGPUAvailable } from '../sandbox.js'
+import sandbox, { runPythonCode, checkImageExists, checkGPUAvailable, checkCUDACompatibility } from '../sandbox.js'
 
 const { SANDBOX_CONFIG } = sandbox
 
@@ -128,4 +128,41 @@ router.get('/gpu', async (req, res) => {
   }
 })
 
+/**
+ * CUDA 兼容性检查
+ * 返回详细的 CUDA 环境诊断信息
+ */
+router.get('/cuda-compat', async (req, res) => {
+  try {
+    const imageGpuExists = await checkImageExists(true)
+
+    if (!imageGpuExists) {
+      return res.json({
+        status: 'error',
+        message: 'GPU 镜像未安装',
+        compatible: false,
+        suggestion: '请运行 npm run build:sandbox:gpu 或 dmla install --gpu'
+      })
+    }
+
+    const compatResult = await checkCUDACompatibility()
+
+    res.json({
+      status: compatResult.compatible ? 'ok' : 'error',
+      compatible: compatResult.compatible,
+      details: compatResult.details,
+      issues: compatResult.issues,
+      message: compatResult.compatible
+        ? 'CUDA 环境完全兼容，GPU 加速可用'
+        : 'CUDA 环境不兼容，请使用 CPU 模式或重新构建镜像'
+    })
+  } catch (error) {
+    res.status(500).json({
+      status: 'error',
+      compatible: false,
+      error: error.message
+    })
+  }
+})
+
 export default router

package/src/server/sandbox.js

@@ -154,6 +154,116 @@ export async function checkGPUAvailable() {
   }
 }
 
+/**
+ * 检查 CUDA 兼容性
+ * 在 GPU 镜像中运行简单的 CUDA 操作测试，验证 PyTorch 与 GPU 兼容
+ * @returns {Promise<{compatible: boolean, issues: string[], details: object}>}
+ */
+export async function checkCUDACompatibility() {
+  let container = null
+
+  const testCode = `
+import torch
+import json
+
+result = {
+    'pytorch_version': torch.__version__,
+    'cuda_available': torch.cuda.is_available(),
+    'cuda_version': str(torch.version.cuda) if torch.cuda.is_available() else None,
+    'device_name': torch.cuda.get_device_name(0) if torch.cuda.is_available() else None,
+    'compatible': True,
+    'test_passed': False,
+    'error': None
+}
+
+if torch.cuda.is_available():
+    try:
+        x = torch.randn(100, 100, device='cuda')
+        y = x + x
+        torch.cuda.synchronize()
+        result['test_passed'] = True
+    except RuntimeError as e:
+        result['compatible'] = False
+        result['error'] = str(e)
+        if 'no kernel image' in str(e) or 'CUDA error' in str(e):
+            result['error_type'] = 'compatibility'
+
+print(json.dumps(result))
+`
+
+  try {
+    container = await docker.createContainer({
+      Image: SANDBOX_CONFIG.imageGpu,
+      Cmd: ['python3', '-c', testCode],
+      HostConfig: {
+        DeviceRequests: [{
+          Driver: 'nvidia',
+          Count: -1,
+          Capabilities: [['gpu']]
+        }],
+        AutoRemove: false
+      },
+      Env: ['PYTHONUNBUFFERED=1']
+    })
+
+    await container.start()
+    await container.wait()
+
+    const logs = await container.logs({
+      stdout: true,
+      stderr: true
+    })
+
+    const { stdout, stderr } = parseDockerLogsSeparate(logs)
+
+    // 尝试解析 JSON 输出
+    const jsonStart = stdout.indexOf('{')
+    if (jsonStart !== -1) {
+      try {
+        const result = JSON.parse(stdout.substring(jsonStart))
+        return {
+          compatible: result.compatible && result.test_passed,
+          issues: result.error ? [result.error] : [],
+          details: result
+        }
+      } catch {
+        // JSON 解析失败
+      }
+    }
+
+    // 如果无法解析，检查 stderr 是否有 CUDA 错误
+    if (stderr.includes('no kernel image') || stderr.includes('CUDA error')) {
+      return {
+        compatible: false,
+        issues: [stderr],
+        details: { raw_output: stderr }
+      }
+    }
+
+    // 默认返回未知状态
+    return {
+      compatible: true,  // 假设兼容，让实际执行来验证
+      issues: [],
+      details: { stdout, stderr }
+    }
+
+  } catch (error) {
+    return {
+      compatible: false,
+      issues: [error.message],
+      details: { error: error.message }
+    }
+  } finally {
+    if (container) {
+      try {
+        await container.remove({ force: true })
+      } catch {
+        // 忽略清理错误
+      }
+    }
+  }
+}
+
 /**
  * 执行 Python 代码
  * 使用 IPython Kernel 执行代码，支持富输出（图片、文本、错误等）
@@ -171,6 +281,53 @@ export async function runPythonCode(code, useGpu = false, imageOverride = null)
   const image = imageOverride || (useGpu ? SANDBOX_CONFIG.imageGpu : SANDBOX_CONFIG.imageCpu)
   log(`Using image: ${image}`)
 
+  // GPU 兼容性预检查
+  if (useGpu) {
+    log('GPU mode: running CUDA compatibility pre-check...')
+    const compatResult = await checkCUDACompatibility()
+    log(`CUDA compatibility check result: ${JSON.stringify(compatResult)}`)
+
+    if (!compatResult.compatible) {
+      log('CUDA compatibility check failed')
+      const executionTime = (Date.now() - startTime) / 1000
+
+      // 构建详细的错误信息
+      const errorDetails = compatResult.details || {}
+      const errorType = errorDetails.error_type || 'unknown'
+
+      let errorMessage = 'CUDA 兼容性错误：PyTorch CUDA 版本与您的 GPU 不兼容\n\n'
+
+      if (errorType === 'compatibility' || compatResult.issues.some(i => i.includes('no kernel image'))) {
+        errorMessage += `诊断详情:\n`
+        errorMessage += `- PyTorch 版本: ${errorDetails.pytorch_version || '未知'}\n`
+        errorMessage += `- CUDA 版本: ${errorDetails.cuda_version || '未知'}\n`
+        errorMessage += `- GPU 设备: ${errorDetails.device_name || '未知'}\n`
+        errorMessage += `- 错误类型: CUDA kernel 不兼容\n\n`
+        errorMessage += `解决方案:\n`
+        errorMessage += `1. 使用 CPU 模式运行代码（在前端选择 "Run on CPU"）\n`
+        errorMessage += `2. 在代码开头添加: device = torch.device('cpu')\n`
+        errorMessage += `3. 重新构建兼容的 Docker 镜像（修改 Dockerfile.sandbox 使用 CUDA 12.x）\n\n`
+        errorMessage += `更多诊断信息请运行: dmla doctor`
+      } else {
+        errorMessage += `错误详情: ${compatResult.issues.join('\n')}\n\n`
+        errorMessage += `建议使用 CPU 模式运行代码。`
+      }
+
+      return {
+        success: false,
+        outputs: [{
+          type: 'error',
+          ename: 'CUDACompatError',
+          evalue: 'CUDA 兼容性错误',
+          traceback: [errorMessage]
+        }],
+        executionTime,
+        gpuUsed: false
+      }
+    }
+    log('CUDA compatibility check passed')
+  }
+
   // 创建容器配置 - 使用 kernel_runner.py 执行代码
   const containerConfig = {
     Image: image,
@@ -484,6 +641,7 @@ export async function pullImage(useGpu = false) {
 export default {
   runPythonCode,
   checkGPUAvailable,
+  checkCUDACompatibility,
   checkImageExists,
   pullImage,
   SANDBOX_CONFIG