$ loading_
统一编排多种算力与环境中的训练、推理及智能体工作负载。
复制安装指令，让 AI 自动完成配置 · 推荐新手
"dstack" 暂无可直接复制的安装信息，请查看页面文档或源码仓库。
请用 dstack 为一个 PyTorch 训练任务生成部署方案：要求可在 AWS 和 GCP 间切换，优先使用 NVIDIA GPU，包含任务配置、资源选择、启动命令和失败重试策略。
一份可执行的训练编排方案，包含跨云资源配置、运行命令与容错设置。
请用 dstack 设计一个大模型推理服务部署方案，要求同时支持 Kubernetes 和裸金属环境，可调度到 AMD GPU 或 TPU，并说明扩缩容与监控方式。
一套推理服务架构与编排配置建议，涵盖多环境部署、调度策略和运维要点。
我想运行一组需要不同算力的 AI 智能体任务，请用 dstack 规划工作流：包含任务拆分、资源分配、队列执行，以及在云端和本地集群之间的调度策略。
一份智能体任务编排方案，明确各阶段资源需求、执行顺序与调度机制。
用神经ODE与DAG引擎查询分析数据产品关系并辅助建模决策。
用于构建、测试并部署生产级 MCP 服务与 AI 原生应用的全栈 TypeScript 框架。
提供兼容 OpenAI 的推理、GPU 租用与存储管理，帮助团队快速部署 AI 计算资源。
协调分布式研究代理执行云端调研任务，并支持双向结果管理与扩展。
用于搭建智能多代理开发环境，自动编排云端开发与部署工作流。
为推理、智能体与决策流程提供 AI 基础能力与集成支持。