用途：按用户意图选择并部署 VSS 档案（base、alerts、lvs、search、warehouse、edge），负责配置、验证、调试与拆除；不用于独立微服务。
主要能力：档案路由（如 deploy vss→base，alerts→alerts，lvs→lvs-profile，search→search，warehouse→warehouse，warehouse 调试→warehouse-debug）；边缘硬件路由（DGX Spark 用本地独立 LLM 端口 30081，AGX/IGX Thor 用 Edge 4B vLLM 回退）；脚本 scripts/normalize_resolved_yml.py 去除被过滤服务的可选 depends_on，scripts/probe_remote_models.sh 探测 OpenAI 兼容 LLM/VLM 端点并核对模型 id；每个档案有独立尺寸表与参考文件。
必要用法：流程固定为复制 .env 到 generated.env、写入覆盖、dry-run compose 生成 resolved.yml、审查、规范化、部署、等待就绪。关键命令：docker compose --env-file generated.env config > resolved.yml；docker compose --env-file generated.env -f resolved.yml up -d。部署前需满足凭证门（NGC_CLI_API_KEY、NVIDIA_API_KEY、HF_TOKEN）、系统前提与冒烟测试（nvidia-smi、docker run --rm --gpus all ubuntu:22.04 nvidia-smi）；无密码 sudo 自动安装，否则需用户手动执行。需运行 normalize_resolved_yml.py 清理悬空 depends_on，再校验 resolved.yml。就绪需容器数非零且全部端点通过，冷部署可能 10–20 分钟。拆除按 references/teardown.md，使用 -v --remove-orphans。
限制：不得跳过 dry-run 与就绪门；不得从端点环境变量臆测远程部署；若主机不满足尺寸要求应停止报告阻塞；未提供的价格、性能等事实暂未提供。