下面这份是给你们实验室内部存档/交接用的简明文档（可直接贴到 Wiki/Git）。最后附了一段“状态同步提示词”，方便你在别的对话里一贴就续上。

一、已完成的配置

1) Slurm 集群

• 集群名：epic
• 控制节点：epic-control-node
• 计算节点：server-4070ts-2（CPUs=32，Mem≈128 GB，GPU=RTX 4070 ×1）
• 分区：
  • cpu（默认）
  • gpu-4070（GPU 节点）
• 关键 slurm.conf：
  • GresTypes=gpu
  • SelectType=select/cons_tres
  • SelectTypeParameters=CR_Core
  • ProctrackType=proctrack/cgroup
  • TaskPlugin=task/affinity,task/cgroup
• cgroup.conf（现状）：启用了 v2，最初 ConstrainCores/RAM/Swap/Devices=yes；后按需要调整（当前内存约束关闭；CPU/GPU 约束按测试调整）。

2) Open OnDemand（OOD）

• 集群定义：/etc/ood/config/clusters.d/epic.yml
• 动态表单：form.yml.erb 从 /etc/ood/config/site.d/partitions.yml 读取分区/资源上限，自动生成 select 选项与 data-*。
• Jupyter IApp：
  • before.sh.erb：生成随机端口/密码；把 Jupyter 配置与日志写入 $PWD（会话目录）；notebook_dir 指向 working_dir（默认 $HOME）。
  • script.sh.erb：前台启动 jupyter lab，base_url=/node/${host}/${port}/；使用 wait_until_port_used 触发 OOD 反代。
  • after.sh.erb：等待端口开放，打印连接信息。
  • 表单字段：partition/cpus/gpus/hours/working_dir/conda_env 等；path_selector 的默认值用 <%= ENV['HOME'] %>。
• Code-Server（VS Code）：
  • 可执行安装于 /opt/code-server/code-server-4.104.2-linux-amd64/bin/code-server
  • 通过 IApp 启动，-base-path /node/${host}/${port}；为避免读取用户本地 ~/.config/code-server/config.yaml，使用 XDG_CONFIG_HOME 或 CODE_SERVER_CONFIG 指向会话目录；统一由环境变量 PASSWORD 驱动认证（避免与 HASHED_PASSWORD 混用）。
  • 卡片免密方案：可用 Basic 预鉴权（前端 fetch 带 Authorization），或更推荐 代理头认证（见下）。
• 交互式 Shell IApp：
  • 采用 ttyd 提供 Web 终端（代替直接 exec bash 的“秒退”问题）。
  • 启动示例：ttyd --port $port --base-path /node/$host/$port --check-origin ... bash
  • 认证方式：
    • 方案A：-credential user:pass（随机生成 user/pass，打印在卡片上；可做免密按钮）
    • 方案B（推荐）：-auth-header X-Forwarded-User，让 OOD PUN 注入登录用户头部实现“无感登录”。

3) 策略与约定

• 禁止直接 SSH 登录计算节点：所有交互需走 IApp（含 Shell），保证作业进入 Slurm cgroup。
• 可执行程序（Jupyter/Code-Server 等）当前采用 每节点 /opt 本地安装（不强依赖 Lmod），通过 PATH 注入使用；有需要再引入 Lmod。
• Conda 环境以“每项目一份”为主；若 $HOME 在 NFS 上，建议作业启动时 rsync 到节点本地临时目录再运行，避免 NFS 小文件元数据风暴。