# 通过 agent 远程管理两台机器

地址: https://nowa.im/cotty/zh/research/field-notes/2026-11-remote-spark-operations/  
创建: 2026-11-22

2026-11-20 至 2026-11-22 期间，一个 Claude Code 会话在笔记本（Omarchy，foot 终端）上，通过跳板机远程管理两台 DGX Spark：spark-a 和 spark-b。下面是那次会话里的第一手观察。机器名用的是代称。每个案例都说明了终端现在缺什么。

## 1. agent 远程驱动终端，却无从知道命令是否结束、谁在读输入

- **场景。** agent 用 `tmux send-keys` 在 spark-a 上启动一个长时间的部署脚本。
- **问题。** 一条重复的 send-keys 被排进了 pty 的输入队列。脚本里有一个在后台进程组运行的 ssh 去读终端，收到 SIGTTIN 后被挂起。整个脚本卡住。
- **处理。** 手动用 `tcflush` 清空输入队列，再杀掉被挂起的 ssh。
- **说明了什么。** agent 需要知道命令什么时候结束、退出码是多少、前台是哪个程序、谁在读输入。往 pty 里塞字节再 sleep 是不够的。对应[能力](https://nowa.im/cotty/zh/product/capabilities/)里的内核能力 1 和 2。

## 2. 交接：需要人的 sudo

- **场景。** 给 spark-b 开启 swap 并写入 fstab、设置开机不进图形界面、把 Tailscale 从 snap 迁移到 deb、修改 Tailscale 端口，都需要 sudo。
- **处理。** agent 准备好完整命令，包括备份、回滚和验证步骤。人在会话里用 `! ssh -t ... "sudo ..."` 运行，说一声"执行完了"。agent 再去验证。
- **说明了什么。** 这就是交接卡片。理想形态是：卡片显示命令和影响，人在任何设备上确认并输入一次密码，结果自动回到 agent。

## 3. 主动发现：Tailscale 一直走中继

- **现象。** 笔记本到 spark-a 一直走 DERP 中继，延迟高。
- **诊断。** 过程跨了好几台机器。
  - 两边的 NAT 都保留端口，映射也和目标无关，这种情况容易打洞。
  - 但办公室所有节点都用默认端口 41641。office-a 已经占了外部的 41641，spark-a 只能拿到别的端口，对端打不通。
- **修复。** spark-a 改用 41642，之后立刻直连。
- **说明了什么。** 这是提议卡片：主动的 agent 应该自己发现、准备好方案，只因为需要 sudo 才要人批准一次。office-b 和 office-c 也有同样的问题，可以用一张卡片批量处理。

## 4. 长时间任务和授权

- **场景。** DeepSeek V4.1-Flash 在两台 Spark 上做张量并行。一次启动约 28 分钟。内存压到接近零时，memguard 会杀掉容器。
- **处理。** agent 写了一个 cron 守护脚本，包括：
  - 健康检查；
  - 启动后 45 分钟的宽限期；
  - 失败后退避，3 次失败后放弃；
  - 区分"有人故意停掉"和"重启后需要拉起"。
- **说明了什么。** 这本质上是一份授权：允许 agent 在明确范围内自动重启，超出范围就停下来找人。如果能在卡片里设定、查看和撤销，规则就不用藏在脚本里。

## 5. 弱网：机上 Wi-Fi

- **现象。** 在一次航班的机上 Wi-Fi 上，到外网往返约 940 ms，每个网站要 8 到 13 秒。UDP 443（QUIC）被挡，所以 Chrome 打开 Google 超时，其他网站却能打开。
- **说明了什么。**
  - 这是 mosh 式的状态同步和本地预测回显最有价值的场景。
  - 网络变化本身也值得做成一张环境变化卡片：检测到换了网络，这些能力受影响，建议这样做。

## 6. 密钥不应该进入对话

- **场景。** 要把本地模型服务的 API key 交给其他项目。
- **处理。** agent 刻意不打印 key。人在自己的终端里读取，不加 `!` 前缀，这样 key 不会进入和云端模型的对话。
- **说明了什么。** 这应该由终端这一层保证，办法是输出送往模型之前先脱敏。不应该靠 agent 每次都记得。对应内核能力 3。
