用途：在 H100 机器上远程开展 SGLang 开发，当本地环境无法验证 CUDA、Triton、扩散管线或其他 GPU 相关 SGLang 行为时优先使用。环境已就绪：容器 sglang_bbuf 基于 lmsysorg/sglang:dev 运行，仓库已克隆至 /sgl-workspace/sglang，python[all] 与 python[diffusion] 的可编辑安装已完成，/root/.cache 作为缓存路径挂载，InfiniBand 路径（/sys/class/infiniband、/dev/infiniband、/usr/sbin/show_gids）及 Hugging Face 缓存均已挂载；但不要假设每个 docker exec 上下文中 HF_TOKEN 可见，运行受限模型前用 echo ${HF_TOKEN:+set} 确认，必要时在命令内显式导出 HF_TOKEN 与 HUGGINGFACE_HUB_TOKEN。
主要用法与工作流：先通过 ssh h100_sglang 检查主机、容器与 GPU 状态（hostname/whoami、docker ps、nvidia-smi），若容器未运行则执行 docker start sglang_bbuf；为每条 GPU 验证命令选择 0 利用率、仅占用少量显存的空闲 GPU，并设置 CUDA_VISIBLE_DEVICES。编辑前先检查仓库分支与状态，并在创建验证工作树前将 main 快进到最新干净提交。推荐两种隔离策略：用 git worktree add --detach 创建分离工作树做纯远程实验，或将本地工作树通过 tar 经 ssh 流式传入容器 /tmp 目录做精确快照验证。验证从 import 或语法检查开始（python -m compileall），再做针对改动区域的 pytest 测试（如扩散改动跑 test_qwen_image_modulation.py），GPU 相关改动显式固定空闲 GPU。内核相关扩散工作可先对 rms_norm_fn、RMSNorm under torch.compile、norm_infer、apply_rotary_embedding 等做定向冒烟测试；使用 DiffGenerator.from_pretrained(..., local_mode=True) 等依赖 multiprocessing.spawn 的流程时需用带 if name == "main" 的真实 .py 文件，脚本从 stdin 执行会失败。
限制与注意事项：该主机当前不提供 kill-idle helper，不能自动回收其他用户的空闲占用，空闲 GPU 紧张时需重新检查 nvidia-smi 或先协调；避免在仓库脏或本地快照与远端 HEAD 不一致时直接写入；将 checkpoint、依赖与环境失败与代码回归区分开；对比 eager 与 torch.compile 时不要只看加速数字，应捕获匹配的 perf dump 并用 compare_perf.py 与 llm-torch-profiler-analysis 分析；完成后清理临时验证目录。