企业官网建设流程全解析

Agent Lightning 在 Minikube 运行 Calc-X 时因内存不足被杀掉怎么解决？

【免费下载链接】agent-lightningThe absolute trainer to light up AI agents.项目地址: https://gitcode.com/GitHub_Trending/ag/agent-lightning

在 Agent Lightning 的 Calc-X 示例里，K8s 模式会用 Minikube 搭建一个单节点 Kubernetes 集群，Agent 以 Kubernetes Job 的形式在这个集群里执行 rollout。如果你的 Minikube 可用内存不足，文档明确警告：

Minikube needs at least 64 GB of memory; otherwise, it may be killed due to insufficient memory.

也就是说，这个现象不是训练代码或 Agent 的问题，而是 Minikube 虚拟机分到的内存不够。下面的排查和修复路径都来自 Calc-X 示例文档 和 run_minikube.sh。

确认 Minikube 启动时是否申请了 64 GB 内存

Calc-X 的 K8s 入口脚本 examples/calc_x/run_minikube.sh 中已经内置了足额的启动参数：

minikube delete -p minikube >/dev/null 2>&1 || true minikube start --memory=65536 --cpus=16 --driver=docker

这里有两点需要注意：

• --memory=65536单位是 MB，即 64 GB，正好满足文档要求的最低内存；--cpus=16和--driver=docker一并保留。
• 脚本执行前会先minikube delete -p minikube，这会删除你机器上已存在的同名 Minikube 集群，然后重新创建。如果你之前手动启动过一个内存较小的集群（例如默认配置），直接跑脚本即可被足额的集群替换；如果你希望保留现有集群，就不要走这条删除重建路径，改为手动按同样参数重建：

minikube delete -p minikube minikube start --memory=65536 --cpus=16 --driver=docker

执行前先确认两件事：已安装docker和minikube（K8s 模式的前置要求），并且宿主机能够为 Minikube 的 Docker 驱动提供 64 GB 可用内存。如果宿主机本身达不到这个量级，参考文末的替代路径。

运行训练并验证集群按预期工作

在准备就绪后，按 Calc-X 文档 的步骤执行：

1. 安装 Calc-X 依赖（项目虚拟环境中执行uv pip install openai httpx sympy "autogen-agentchat" "autogen-ext[openai]" "mcp>=1.11.0,<2" mcp-server-calculator）。
2. 将 Calc-X 数据集解压到examples/calc_x/data/，确保存在train.parquet、test.parquet、test_mini.parquet、sample.jsonl。
3. 启动训练：

source .venv/bin/activate cd examples/calc_x bash run_minikube.sh

脚本的完整动作是：启动 ray head 节点、删除并重建 64 GB 的 Minikube 集群、执行minikube image build -t calc-x-agent:dev -f Dockerfile .构建 Agent 镜像、启动agl-server（端口 8181）和agl-controller（runner_type=k8s，通过http://host.minikube.internal:8181访问 Gateway），最后运行python train_calc_agent.py。

需要注意脚本的副作用：它启动时会清理残留的agl-server、agl-controller进程和 ray；退出时（包括 Ctrl+C）会自动执行清理——minikube stop、pkill -f agl-server、pkill -f agl-controller、ray stop --force。这些命令只影响脚本启动的组件和默认集群，但如果你有其他同名的agl-server/agl-controller进程在跑，也会被pkill匹配终止，运行前留意这一点。

验证方式有两处，都来自脚本本身：

• 脚本启动时会打印agl-server log:和agl-controller log:两个路径（位于/tmp/下），日志会持续写入这两个文件，可用来确认 server 和 controller 没有异常退出。
• 脚本在启动 controller 前会轮询 Gateway 的健康检查：

curl -sf "http://localhost:8181/healthz"

该命令在 60 次重试内成功返回，说明agl-server已就绪，训练才会继续推进。若训练进程随内存充足后持续推进、集群不再被 kill，即说明问题已解决。

替代路径：宿主机给不出 64 GB 时用 Local 模式

如果你的机器无法为 Minikube 提供 64 GB 内存，Calc-X 文档同时提供了不依赖 Kubernetes 的 Local 模式：Agent rollout 直接作为本地子进程运行，由 controller 的 local runner 管理。

source .venv/bin/activate cd examples/calc_x bash run_local.sh

run_local.sh 与 Minikube 版本流程基本一致（同样启动 ray、agl-server、controller 与train_calc_agent.py），区别是 controller 使用runner_type=local，且完全不启动 Minikube。退出时同样会清理它启动的 server、controller 和 ray。这是文档支持的绕开 Minikube 内存限制的路径，适用于验证训练流程本身是否正常。

边界说明

• 64 GB 的要求只针对 Minikube 集群内存；Calc-X 示例本身的硬件需求是 1× A100 80GB（模型为Qwen/Qwen2.5-1.5B-Instruct），两者分别对应宿主机 GPU 和 Minikube VM，不要混为一谈。
• 文档说明 Minikube 只用于演示最小化的 Kubernetes 工作流，生产部署应替换为生产级 Kubernetes 集群，此时内存规划由生产集群自身决定。

【免费下载链接】agent-lightningThe absolute trainer to light up AI agents.项目地址: https://gitcode.com/GitHub_Trending/ag/agent-lightning