dstack 是一个统一的 GPU 资源调配与编排控制平面，可兼容任意 GPU 云、Kubernetes 集群或本地集群。

它简化了开发、训练和推理流程，并且与任何硬件、开源工具和框架都保持兼容。

加速器

dstack 开箱即用地支持 NVIDIA、AMD、Google TPU 和 Tenstorrent 加速器。

最新消息 ✨

• [2026年4月] dstack 0.20.17：PD 分离、Kubernetes 卷
• [2026年4月] dstack 0.20.16：性能优化、SSH 代理
• [2026年3月] dstack 0.20.13：导出功能、模板
• [2026年2月] dstack 0.20.12：Crusoe
• [2026年2月] dstack 0.20.8：技能模块
• [2025年12月] dstack 0.20.0：以集群为中心的用户体验、事件系统等

它是如何工作的？

启动服务器

在通过 CLI 或 API 使用 dstack 之前，您需要先搭建一个 dstack 服务器。如果您已经有一个正在运行的 dstack 服务器，则只需 安装 CLI。

要跨 GPU 云或 Kubernetes 集群编排计算资源，您需要 配置后端。

当使用 dstack 管理本地服务器时，无需配置后端。只需在服务器启动后创建 SSH 集群 即可。

服务器可在 Linux、macOS 和 Windows（通过 WSL 2）上安装。它需要 Git 和 OpenSSH。

$ uv tool install "dstack[all]" -U
$ dstack server

正在应用 ~/.dstack/server/config.yml...

管理员令牌为 "bbae0f28-d3dd-4820-bf61-8f4bb40815da"
服务器正在 http://127.0.0.1:3000/ 上运行

更多关于服务器配置选项的详细信息，请参阅 服务器部署 指南。

安装 CLI

$ uv tool install dstack -U

$ dstack project add \
    --name main \
    --url http://127.0.0.1:3000 \
    --token bbae0f28-d3dd-4820-bf61-8f4bb40815da

配置已更新至 ~/.dstack/config.yml

安装代理技能

安装 dstack 技能，以帮助 AI 代理使用 CLI 并编辑配置文件。

$ npx skills add dstackai/dstack

像 Claude、Codex 和 Cursor 这样的 AI 代理现在可以代表您创建和管理集群，并提交工作负载。

定义配置

dstack 支持以下配置：

• 集群 —— 用于管理云端和本地集群
• 开发环境 —— 用于使用桌面 IDE 进行交互式开发
• 任务 —— 用于调度作业（包括分布式作业）或运行 Web 应用
• 服务 —— 用于部署模型和 Web 应用（具备自动扩展和授权功能）
• 卷 —— 用于管理持久化存储卷

配置可以定义为仓库内的 YAML 文件。

应用配置

您可以通过 dstack apply CLI 命令、程序化 API，或借助 AI 代理技能 来应用配置。

dstack 自动管理资源供应、作业队列、自动扩展、网络连接、卷管理、运行失败处理、容量超限错误、端口转发等——无论是在云端还是本地集群中。

有用链接

如需更多信息，请参阅以下链接：

• 文档
• 示例
• Discord

贡献

我们非常欢迎您的贡献！有关如何参与项目的更多信息，请查看 CONTRIBUTING.md。

许可证

Mozilla 公共许可证 2.0

dstack 快速上手指南

dstack 是一个统一的 GPU 资源调配与控制平面，支持任意 GPU 云服务商、Kubernetes 集群或本地服务器。它简化了开发、训练和推理流程，兼容 NVIDIA、AMD、Google TPU 及 Tenstorrent 等加速器。

环境准备

在开始之前，请确保您的系统满足以下要求：

• 操作系统：Linux、macOS 或 Windows（需通过 WSL 2）。
• 前置依赖：
  • Git
  • OpenSSH
• 包管理工具：推荐使用 uv 进行安装（若未安装，可先安装 uv）。

注意：目前官方文档未提供特定的中国镜像源，建议在网络通畅的环境下操作，或配置通用的 PyPI/UV 国内镜像加速。

安装步骤

1. 启动 dstack 服务端

首先需要安装并启动 dstack 服务器。服务器将作为控制平面管理所有资源。

$ uv tool install "dstack[all]" -U
$ dstack server

启动成功后，终端会显示管理员令牌（Admin Token）和服务地址，例如：

Applying ~/.dstack/server/config.yml...

The admin token is "bbae0f28-d3dd-4820-bf61-8f4bb40815da"
The server is running at http://127.0.0.1:3000/

若需在本地服务器集群运行，无需配置后端，直接创建 SSH 集群即可；若需连接云端或 K8s，请在 ~/.dstack/server/config.yml 中配置相应后端信息。

2. 安装命令行工具 (CLI)

如果 CLI 未随服务端自动安装，可单独安装：

$ uv tool install dstack -U

3. 配置 CLI 连接服务端

使用服务端启动时生成的地址和令牌配置 CLI：

$ dstack project add \
    --name main \
    --url http://127.0.0.1:3000 \
    --token bbae0f28-d3dd-4820-bf61-8f4bb40815da

配置完成后，信息将保存至 ~/.dstack/config.yml。

4. (可选) 安装 AI Agent 技能

若希望 Claude、Cursor 等 AI 助手协助管理集群，可安装 dstack skills：

$ npx skills add dstackai/dstack

基本使用

dstack 通过 YAML 文件定义资源配置，涵盖集群（Fleets）、开发环境（Dev environments）、任务（Tasks）、服务（Services）和数据卷（Volumes）。

第一步：定义配置

在项目根目录创建配置文件（例如 .dstack.yml），以下是一个简单的开发环境示例：

type: dev-environment
name: my-dev-env
image: dstackai/base:py3.11-0.4-cuda-12.1
resources:
  gpu: 1
  memory: 16GB
ide: vscode

第二步：应用配置

使用 dstack apply 命令提交配置。dstack 将自动处理资源调配、排队、网络映射及错误重试。

$ dstack apply

执行后，dstack 会根据配置在已连接的后端（本地 SSH、云服务器或 K8s）启动实例。启动成功后，您将可以直接通过 IDE 连接进行开发，或查看任务运行状态。

更多详细配置选项和示例，请访问 官方文档 或 示例库。