EXO: Implementación de un clúster de IA local de extremo a extremo

Introducción a EXO y Clustering de IA Local

• Visión general del framework EXO y el ecosistema exo-explore
• Comparación entre inferencia centralizada en la nube e inferencia local distribuida
• Arquitectura: descubrimiento de dispositivos libp2p, backend MLX, dashboard y capas API
• Requisitos de hardware: Apple Silicon (M3 Ultra, M4 Pro/Max), Thunderbolt 5, almacenamiento compartido

Instalación de EXO en macOS

• Configuración de Xcode, Metal ToolChain y prerequisitos de macOS
• Instalación de uv, Node.js y Rust nightly toolchain
• Instalación del fork macmon pinning para monitoreo de Apple Silicon
• Clonado del repositorio y construcción del dashboard con npm
• Ejecución de EXO desde el código fuente y verificación del dashboard en localhost:52415

Instalación de EXO en Linux

• Instalación de dependencias mediante apt o Homebrew en Linux
• Configuración de uv, Node.js 18+ y Rust nightly
• Construcción del dashboard y ejecución de EXO en modo solo CPU
• Estructura de directorios: rutas XDG Base Directory para configuración, datos, caché y registros

Descubrimiento automático de dispositivos y formación de clústeres

• Comprensión del auto-descubrimiento basado en libp2p en redes locales
• Configuración de namespaces personalizados con EXO_LIBP2P_NAMESPACE para aislamiento del clúster
• Verificación de la membresía de nodos en la vista de clúster del dashboard
• Gestión de fallos de descubrimiento y problemas de segmentación de red

Habilitación de RDMA sobre Thunderbolt 5

• Arquitectura de RDMA y la afirmación de reducción de latencia del 99 por ciento
• Habilitación de RDMA en el modo de recuperación de macOS con rdma_ctl
• Requisitos de cables y restricciones de topología de puertos en Mac Studio
• Emparejamiento de versiones de macOS en todos los nodos del clúster
• Resolución de problemas de descubrimiento RDMA y configuración DHCP

Implementación de modelos avanzados

• Uso del dashboard para cargar y fragmentar modelos DeepSeek v3.1, Qwen3-235B y la familia Llama
• Vista previa de ubicaciones de instancia con el punto final /instance/previews API
• Creación de instancias de modelos con segmentación por pipeline o tensor-parallel
• Configuración de tarjetas de modelo personalizadas desde el hub HuggingFace

Monitoreo y resolución de problemas

• Lectura de registros EXO y comprensión del rastreo distribuido
• Interpretación de la salud del clúster en la vista de clúster del dashboard
• Diagnóstico de fallos de nodos trabajadores y comportamiento de reconexión
• Uso de EXO_TRACING_ENABLED para análisis de cuellos de botella de rendimiento

Mantenimiento del clúster y actualizaciones

• Actualización de binarios EXO y procedimientos de reconstrucción del dashboard
• Migración de cachés de modelos y gestión de modelos pre-descargados sobre NFS
• Eliminación ordenada de nodos y reequilibrio de cargas de trabajo