我的 AI 算力集群：从一台游戏本到四台设备各司其职
两年前，我的"AI 算力"是一台游戏本。
今天，它是一个四节点的小集群。
这篇复盘这个集群的三次重构——比起最终的拓扑，每一次重构的动因和踩的坑更值得记录。
第一次重构：从"一台机器打天下"到分工
最初的形态是一台高性能主机包打天下：生图、跑模型、存素材、跑 Agent 全在一台。
崩溃点出现在第一次批量视频渲染——渲染把 GPU 和磁盘 IO 吃满，生图排队，Agent 超时，素材检索卡死。
所有工作负载互相拖累，一个全家桶变成了全家故障。
这次重构确立了我至今遵守的方法：先定义工作负载角色，再决定设备。
角色清单是——创意生成（GPU 密集）、大模型推理（显存/内存密集）、素材存储与检索（磁盘 IO 密集）、任务调度与运行时（低资源但要求常驻）。
四个角色，四种资源画像，天然指向分工。
第二次重构：设备取消，学会"拓扑降级"
规划里曾有一台令人兴奋的新设备（一台带 128GB 统一内存的推理盒子），我早早把它写进了拓扑、分配了角色。
结果设备计划取消——我的拓扑文档一夜之间成了科幻小说。
这次尴尬教会我两件事：
没到手的设备不进生产拓扑。规划归规划，运行拓扑必须只包含"已到手、已实测"的节点，未到的设备单独放"计划区"。
降级要有预案。设备取消后，原定角色（大模型推理）怎么办？答案是先保持"文本走云端 API"的旧路线，本地只保留已经跑稳的角色。拓扑可以缩，服务不能断。
第三次重构：归属澄清与角色再平衡
最近一次重构最富戏剧性。
我发现某云端算力服务的底层硬件，正是我之前以为取消的那台设备的同款——Jetson Thor T5000，128GB 统一内存。
而且可以通过局域网代理直接调用。
折腾一圈把设备"买回"之后，集群迎来了真正的定型：
4090 主机（i9-14900K，94G 内存，24GB 显存）：视频与图像生成主力，4 步蒸馏视频模型加图像模型，也是本地调试机。
Thor T5000 推理仓：128GB 统一内存，跑量化开源大模型，出图备用兜底。
飞牛 NAS（Ryzen 8845HS，96G DDR5，六盘位 RAID5）：素材库、中间产物、发布归档，顺带跑内网检索服务。
懒猫微服 NUC（无显卡）：Agent 调度、任务路由、消息通道推送。
同一轮里我还退掉了一台配置豪华但角色重叠的创作主机——512GB 统一内存的 Mac Studio。
它的活儿被 4090 主机全覆盖了，留着只是心理安慰。
卖掉那天我总结出一条：设备的价值不是它的配置，是它在拓扑里不可替代的程度。
沉淀：拓扑文档的三条纪律
版本化：拓扑文档从 v1 写到 v4，每次重构注明取代关系与重构理由——半年后你能查到"当时为什么这么定"。
实测核对硬件：规格表和实物经常有出入，关键参数（内存带宽、实际可用显存、端口）以实测为准。
标注所有权与依赖：设备归谁、账号在谁手里、依赖哪些外部服务——所有权模糊是那次"买回"折腾的根源。
个人算力集群最有意思的地方在于：它是你的需求的一面镜子。每一次设备进出、角色调整，背后都是你对"我到底要用 AI 做什么"这个问题的回答在进化。
设备会过时，但这套"角色先行、按需重构"的方法会一直在。部署形态的取舍见 自部署的产品思考。