管理服务

一次运行会自行安装并启动其 agent 所用的服务。下面这些命令用于手动完成这些操作：提前安装、在多次运行之间保持模型加载，或查看正在运行的内容。

harness services [--json]      # every manifest: kind, protocol, port, VRAM
harness doctor [NAMES]         # installed or not, what is missing, GPUs and free memory
harness install NAMES          # environments, sources and weights, without starting anything
harness up [NAMES]             # start the resident ones (and the broker)
harness status [NAMES]         # where each runs, whether it answers
harness down [NAMES]           # stop what harness up started

每个命令都接受 --deploy NAME（configs/deploy/<name>.toml）或一个路径，用于自己放置服务；不提供时，使用 $HARNESS_DEPLOY，或 harness 自己的放置方案。

install

对每个服务：在 ~/.cache/harness/envs/<name> 下构建其清单的 [environment] 所描述的环境（Python 版本、固定版本的依赖、固定 commit 的源码），然后下载它的 [[weights]]（见下文），再检查它能否导入、它的 needs_files 是否存在。已经与清单一致的环境保持不变；环境有变化的清单会得到一个新环境。

doctor

对 deploy 运行的每个服务检查：其清单 needs_files 中的文件、它的解释器和工作目录、它的 GPU 是否存在、外部 URL 是否有响应，以及 GPU 是否有足够的空闲显存容纳还要启动的服务（swap group 按其最大成员计算）；还检查仿真器的 GPU 是否存在以及 RoboDojo 的 checkout 在哪里。已经有响应的端口会被记录下来（该服务将按现状使用）。它打印 GPU、问题和备注（--json 输出全部内容），有问题时以 1 退出。

权重

对清单中的每个 [[weights]] 条目，下载到 <weights>/<dir>： modelscope_model / modelscope_dataset 通过 scripts/modelscope_download.py 下载， hf_model / hf_dataset 通过 scripts/hf_mirror_download.py 下载（hf-mirror.com，大文件分段并行下载）。 sha256 已经匹配的文件会被跳过；下载可以断点续传。是符号链接或标记为 local 的条目保持不变：要使用你在别处已有的权重，就为该目录建立符号链接。

up、status、down

harness up 在各自的进程组中启动每个常驻服务，日志写入 <state>/logs/<name>.log 并记录 pid，等待每个服务响应（最多为其 load_seconds 的三倍），然后在 deploy 包含按需服务时启动 broker。端口已经有响应的服务不会被改动（另一个 checkout，或手动启动的）。harness down 只停止它自己启动的进程：依次向进程组发送 SIGINT、SIGTERM、SIGKILL，间隔 15 s；不指定名称时，broker 也会停止。

按需、swap group、外部

[services.g05]
gpu = 1
mode = "on_demand"
swap = "learned"        # services of one group share GPU 1, one loaded at a time
idle_seconds = 600      # stop it after 10 minutes without a request

[services.openwam]
gpu = 1
mode = "on_demand"
swap = "learned"

[services.molmo2]
mode = "external"       # someone else runs it
url = "http://10.0.0.7:8830"

broker 监听 broker_port（默认 8899），在客户端请求时启动按需服务；客户端在每次调用前发出请求。 harness run 在第一个 episode 之前检查常驻服务和外部服务是否有响应，并在需要时启动 broker。

使用自己的解释器或环境的服务

[services.dm05]
python = "/data/venvs/opendm/bin/python"
env = { OPENPI_DATA_HOME = "/data/openpi-cache" }
gpu = 2

服务无法启动时

missing files [...]; run harness fetch NAME：权重不在清单预期的位置（<weights>/<dir>）。
NAME exited before it answered; see <state>/logs/NAME.log：阅读该日志。
No GPU of [...] has N GB left for NAME：放置方案放不下；移动一个服务、把服务改为按需并放进一个 swap group，或关闭其中一个。
Services A and B both use port P：在 deploy 中给其中一个指定 port。