主机节点快速入门

本指南介绍如何以主机身份加入网络。您需要部署以下两项服务，我们将以Docker容器形式在同一台机器上完成部署。

前提条件：确保您已准备好满足要求的GPU硬件。

部署流程：

• 部署网络节点. 首先，您需要部署网络节点。该节点包含两个进程：

  • 链节点：用于连接区块链。
  • API 节点：用于处理用户请求。

• 部署推理节点. 接着，部署至少一个推理节点。该节点将在您的GPU上执行大语言模型推理任务。

注意：本指南默认每台主机仅运行一个推理节点。

直播演示 — 如何启动节点（主机快速入门）

视频录制可在下方查看。由于 quickstart 会根据社区反馈持续更新，录制中的某些步骤可能与下方的说明略有不同。请始终以书面版 quickstart 为准，它反映当前且正确的操作流程。

先决条件

本节为参与 Gonka 网络上线所需的硬件基础设施提供配置指导。目标是使你的部署与网络预期对齐，从而最大化协议奖励。

支持的模型类别

当前协议支持以下模型类别：

• 大模型（Large）— DeepSeek R1、Qwen3-235B、gpt-oss-120b
• 中模型（Medium）— Qwen3-32B、Gemma-3-27b-it

治理与模型分类

• 各类别的具体部署参数由创世配置（genesis）定义。
• 若经治理通过，模型可被归入某一分类。
• 是否新增/变更支持的模型由治理决定。
• 有关治理流程与如何提议新模型，参见「交易与治理指南」。

最优奖励的配置建议

为获取最高奖励并保持可靠性，每个网络节点建议同时服务三类模型，且每类至少配置 2 个 ML 节点。此配置将：

• 提升协议层面的冗余与容错
• 增强模型层面的验证性能
• 与后续奖励缩放逻辑保持一致

推荐硬件配置

要运行有效节点，你需要具有受支持 GPU 的机器。建议将硬件分组为 2–5 个网络节点，每个网络节点同时支持全部模型类别。参考布局如下：

模型类别	模型名称	ML 节点数（最少）	示例硬件	每个节点所需的最小显存容量
大（Large）	DeepSeek R1 / Qwen3-235B	≥ 2	每个 ML 节点 8× H200	640 GB
中（Medium）	Qwen3-32B / Gemma-3-27B-it	≥ 2	每个 ML 节点 4× A100 或 2× H100	80 GB

这是一个参考架构。你可以根据需要调整节点数量或硬件分配，但我们建议遵循核心原则：每个节点都应在两个模型类别中支持多个 ML 节点。

更多关于最优部署配置的细节见此处。

网络节点所在服务器建议具备：

• 16 核 CPU（amd64）
• 64 GB 及以上内存
• 1TB NVMe SSD
• 至少 100Mbps 网络（推荐 1Gbps）

最终需求取决于连接的 ML 节点数量与其总体吞吐。

每台用于部署 ML 节点的服务器建议具备：

• 系统内存 ≥ GPU 显存的 1.5 倍
• 16 核 CPU（网络节点与 ML 节点可同机部署）
• 已安装并配置 NVIDIA Container Toolkit，CUDA Toolkit 版本介于 12.6 与 12.9；可通过 nvidia-smi 检查

对公网开放的端口

• 5000 — Tendermint P2P 通信
• 26657 — Tendermint RPC（链上查询、广播交易）
• 8000 — 应用服务端口（可配置）

重要警告：9100 和 9200 端口绝不能公开访问

9100 和 9200 是内部服务端口。如果暴露在公共互联网上，会造成严重的安全漏洞。一旦这些端口暴露，第三方可以在任何时刻停止你的节点。 要求：

• 仅允许从私有网络访问 9100 和 9200。
• 绝不要将这些端口暴露在公共互联网上。

如果你的 MLNode 容器和 Network node 容器运行在同一台机器上，你可以直接编辑 gonka/deploy/join/docker-compose.yml：

api:
   ports:
      - "127.0.0.1:9100:9100"
      - "127.0.0.1:9200:9200"

替代原来的：

      - "9100:9100"
      - "9200:9200"

配置你的网络节点（Network Node）

密钥管理概览

在配置网络节点之前，需要先完成加密密钥的设置以确保安全运行。
建议在生产环境上线前阅读「密钥管理指南」。

我们使用三密钥体系：

• 账户密钥（Account Key，冷钱包）：在本地安全设备上创建，用于高价值或关键操作。
• 共识密钥（Consensus Key，TMKMS 暖存储）：由安全的 TMKMS 服务托管，用于区块验证和参与网络共识。
• ML 运营密钥（ML Operational Key，暖钱包）：在服务器上创建，用于自动化 AI 工作负载交易。

【本地】安装 CLI 工具

inferenced CLI 用于本地账户管理与网络操作。可创建/管理 Gonka 账户、注册主机并执行多种网络操作。

从 GitHub Releases 下载最新版 inferenced，并赋予可执行权限：

chmod +x inferenced
./inferenced --help

macOS 用户

在 macOS 上，若被系统拦截，可在「系统设置」→「隐私与安全」中，找到对 inferenced 的安全提示并点击「仍然允许」。

【本地】创建账户密钥

重要：在本地安全机器上执行（不要在服务器上）

关于账户密钥（冷密钥）

账户密钥是您的主要高权限密钥。它在本地创建，永远不会存储在服务器上。

• 主密钥，拥有对所有其他密钥的授权权限
• 必须离线保存于安全、隔离的设备上
• 仅用于授权操作和验证者注册
• 由助记词保护——一旦丢失，所有访问权限将永久失效

使用 file keyring 后端（也可在支持平台使用 os 后端以提升安全性）创建账户密钥：

./inferenced keys add gonka-account-key --keyring-backend file

CLI 将提示你设置口令并展示生成的密钥对信息：

❯ ./inferenced keys add gonka-account-key --keyring-backend file
Enter keyring passphrase (attempt 1/3):
Re-enter keyring passphrase:

- address: gonka1rk52j24xj9ej87jas4zqpvjuhrgpnd7h3feqmm
  name: gonka-account-key
  pubkey: '{"@type":"/cosmos.crypto.secp256k1.PubKey","key":"Au+a3CpMj6nqFV6d0tUlVajCTkOP3cxKnps+1/lMv5zY"}'
  type: local


**重要** 请妥善抄写并保存助记词。
若遗忘口令，这是找回账户的唯一方式。

pyramid sweet dumb critic lamp various remove token talent drink announce tiny lab follow blind awful expire wasp flavor very pair tell next cable

关键提醒：将助记词抄写并离线安全保存。这是找回账户密钥的唯一方式。

硬件钱包支持

当前状态：网络启动阶段暂不支持硬件钱包。

目前建议：将账户密钥保存在安全、尽量离线且加密良好的专用机器上。

注意：无论未来是否支持硬件钱包，都应保留助记词备份。

【服务器】下载部署文件

克隆基础部署脚本：

git clone https://github.com/gonka-ai/gonka.git -b main && \
cd gonka/deploy/join

复制 config 模板：

cp config.env.template config.env

克隆后可见关键配置文件：

文件	说明
config.env	网络节点的环境变量配置
docker-compose.yml	启动网络节点的 Docker Compose 文件
docker-compose.mlnode.yml	启动 ML 节点的 Docker Compose 文件
node-config.json	网络节点使用的配置，描述该节点所管理的推理节点

【服务器】设置环境变量

需要配置

请完成下面的问卷以生成您的 config.env 配置。环境变量取决于您的选择（HTTP/HTTPS、SSL 证书方法等）。

无域名时无法使用 HTTPS

SSL/TLS 证书只能为域名（如 example.com）颁发，不能为直接 IP 地址颁发。由于您表示没有配置域名，您的节点将仅使用 HTTP（端口 8000）进行设置。

如果您需要 HTTPS 安全保护，您需要：

1. 获取域名并将 DNS 配置为指向您服务器的 IP 地址
2. 按上方的 "重置" 按钮，并在询问是否拥有域名时选择 "是"

对于生产环境部署，强烈建议使用 HTTPS 以加密 API 通信并保护敏感数据。

config.env

复制上面的配置，然后继续编辑下面描述的值。

复制到剪贴板 重置

如果您的节点无法连接到默认的种子节点，请查看常见问题（FAQ）获取详细说明。

【服务器】编辑环境变量

需要修改的变量：

其他变量保持默认即可。

如何从域名提供商获取变量：

Cloudflare

1) 打开 Cloudflare 控制面板。

2) 转到 个人资料 → API 令牌。

3) 点击创建令牌。

4) 使用编辑区域 DNS 模板或设置权限：区域:读取 和 DNS:编辑。

5) 将令牌限制为您的 DNS 区域并创建它。

6) 复制令牌并设置 CF_DNS_API_TOKEN。

AWS Route53

选项 A — AWS CLI

HOSTED_ZONE_ID="Z123EXAMPLE"
cat > route53-acme.json <<'JSON'
{
"Version": "2012-10-17",
"Statement": [
    {
    "Effect": "Allow",
    "Action": ["route53:ChangeResourceRecordSets"],
    "Resource": "arn:aws:route53:::hostedzone/${HOSTED_ZONE_ID}"
    },
    {
    "Effect": "Allow",
    "Action": [
        "route53:ListHostedZones",
        "route53:ListHostedZonesByName",
        "route53:ListResourceRecordSets",
        "route53:GetChange"
    ],
    "Resource": "*"
    }
]
}
JSON

aws iam create-policy \
--policy-name acme-dns-route53-${HOSTED_ZONE_ID} \
--policy-document file://route53-acme.json | jq -r .Policy.Arn

USER_NAME="acme-dns"
POLICY_ARN=$(aws iam list-policies --query "Policies[?PolicyName=='acme-dns-route53-${HOSTED_ZONE_ID}'].Arn" -o tsv)
aws iam create-user --user-name "$USER_NAME" >/dev/null || true
aws iam attach-user-policy --user-name "$USER_NAME" --policy-arn "$POLICY_ARN"
CREDS=$(aws iam create-access-key --user-name "$USER_NAME")
AWS_ACCESS_KEY_ID=$(echo "$CREDS" | jq -r .AccessKey.AccessKeyId)
AWS_SECRET_ACCESS_KEY=$(echo "$CREDS" | jq -r .AccessKey.SecretAccessKey)

echo "AWS_ACCESS_KEY_ID=$AWS_ACCESS_KEY_ID"
echo "AWS_SECRET_ACCESS_KEY=$AWS_SECRET_ACCESS_KEY"
echo "AWS_REGION=<your-aws-region>"

选项 B — 控制台

1) 创建一个限制为您的托管区域的 IAM 策略（ChangeResourceRecordSets 和列表权限）。

2) 创建一个具有编程访问权限的 IAM 用户。

3) 将策略附加到用户。

4) 创建访问密钥对并设置 AWS_ACCESS_KEY_ID、AWS_SECRET_ACCESS_KEY 和 AWS_REGION。

Google Cloud DNS

选项 A — gcloud CLI：

PROJECT_ID="<your-gcp-project>"
SA_NAME="acme-dns"
SA_EMAIL="$SA_NAME@$PROJECT_ID.iam.gserviceaccount.com"

gcloud config set project "$PROJECT_ID"
# 1) 服务账户
gcloud iam service-accounts create "$SA_NAME" \
--display-name "ACME DNS for proxy-ssl"
# 2) 角色
gcloud projects add-iam-policy-binding "$PROJECT_ID" \
--member "serviceAccount:$SA_EMAIL" \
--role "roles/dns.admin"
# 3) 密钥 → base64（单行）
gcloud iam service-accounts keys create key.json --iam-account "$SA_EMAIL"
GCE_SERVICE_ACCOUNT_JSON_B64=$(base64 < key.json | tr -d '\n')

echo "GCE_PROJECT=$PROJECT_ID"
echo "GCE_SERVICE_ACCOUNT_JSON_B64=$GCE_SERVICE_ACCOUNT_JSON_B64"

选项 B — 控制台

1) IAM 和管理 → 服务账户 → 创建服务账户（例如，acme-dns）。

2) 授予服务账户角色：DNS 管理员（roles/dns.admin）。

3) 服务账户 → 密钥 → 添加密钥 → 创建新密钥（JSON）→ 下载。

4) 将 JSON 密钥进行 base64 编码为单行并设置 GCE_SERVICE_ACCOUNT_JSON_B64。将 GCE_PROJECT 设置为您的项目 ID。

Azure DNS

选项 A — Azure CLI（快速）

# 1) 登录并选择订阅
az login
az account set --subscription "<your-subscription-name-or-id>"

# 2) 设置您的 DNS 区域所在位置
RG="<<your-dns-resource-group>>"
ZONE="<<your-zone>>"         # 例如，gonka.ai
SP_NAME="gonka-acme-$(date +%s)"

SUBSCRIPTION_ID=$(az account show --query id -o tsv)
SCOPE="/subscriptions/$SUBSCRIPTION_ID/resourceGroups/$RG/providers/Microsoft.Network/dnszones/$ZONE"

CREDS=$(az ad sp create-for-rbac \
--name "$SP_NAME" \
--role "DNS Zone Contributor" \
--scopes "$SCOPE" \
--only-show-errors)

# 4) 提取值
AZURE_CLIENT_ID=$(echo "$CREDS" | jq -r .appId)
AZURE_CLIENT_SECRET=$(echo "$CREDS" | jq -r .password)
AZURE_TENANT_ID=$(echo "$CREDS" | jq -r .tenant)

# 5) 打印到您的环境文件
echo "AZURE_CLIENT_ID=$AZURE_CLIENT_ID"
echo "AZURE_CLIENT_SECRET=$AZURE_CLIENT_SECRET"
echo "AZURE_SUBSCRIPTION_ID=$SUBSCRIPTION_ID"
echo "AZURE_TENANT_ID=$AZURE_TENANT_ID"

选项 B — 门户

1) 转到 Microsoft Entra ID → 应用注册 → 新注册。复制应用程序（客户端）ID 和目录（租户）ID。

2) 转到证书和机密 → 新建客户端机密。复制机密值并设置 AZURE_CLIENT_SECRET。

3) 复制您的订阅 ID 并设置 AZURE_SUBSCRIPTION_ID。

4) 在您的 DNS 区域中，打开访问控制（IAM）→ 添加角色分配 → DNS 区域参与者 → 分配给注册的应用。

DigitalOcean DNS

1) 打开 DigitalOcean 控制面板。

2) 转到 API → 令牌。

3) 生成一个写入范围的令牌并设置 DO_AUTH_TOKEN。

Hetzner DNS

1) 打开 https://dns.hetzner.com。

2) 转到 API 令牌。

3) 创建新令牌并设置 HETZNER_API_KEY。

加载配置：

source config.env

环境变量的使用

下面示例会在本地与服务器命令中引用这些环境变量（如 $PUBLIC_URL、$ACCOUNT_PUBKEY、$SEED_API_URL）。请在每个将要执行命令的终端会话中运行一次 source config.env。

【服务器】预下载模型权重到 Hugging Face 缓存（HF_HOME）

推理节点会从 Hugging Face 下载模型权重。为确保推理时模型已就绪，建议在部署前预下载：

mkdir -p $HF_HOME
huggingface-cli download Qwen/Qwen3-32B-FP8

【服务器】启动节点

该快速开始指南默认在单机上同时运行网络节点与推理节点。

多机/多节点部署

若你需要部署多台 GPU 服务器，请参考更详细的「多节点部署指南」。无论推理节点是单机还是跨多台服务器（乃至跨地域），所有推理节点都必须连接到同一个网络节点。

1.【服务器】拉取 Docker 镜像

确保当前目录为 gonka/deploy/join：

docker compose -f docker-compose.yml -f docker-compose.mlnode.yml pull

2.【服务器】启动初始化服务

先启动完成密钥配置所需的核心服务（暂不启动 API）：

source config.env && \
docker compose up tmkms node -d --no-deps

我们先启动这些容器，因为：

• tmkms：生成并安全管理用于验证者注册的共识密钥（Consensus Key）
• node：连接区块链并提供 RPC 端点以获取共识密钥
• api：此阶段暂不启动，因为下一步需要在该容器内创建 ML 运营密钥

建议

可通过日志验证初始化服务是否成功：

docker compose logs tmkms node -f

若看到链节点持续处理区块事件，则说明运行正常。

关于共识密钥（Consensus Key）

• 控制：由安全的 TMKMS 服务托管
• 安全：采用暖存储机制，并具备防止双重签名的保护措施
• 用途：用于区块验证及参与网络共识
• 恢复：可由账户密钥（Account Key）或授权代表进行轮换

在注册命令的第 3.2 步（inferenced register-new-participant）中，共识密钥会在链上与您的账户密钥（冷密钥）进行绑定，从而使您的节点成为网络中的有效参与者。

如果您删除或覆盖了 .tmkms 文件夹，您的共识密钥将会丢失。该密钥用于将您的节点与区块链的验证者集合（validator set）关联。一旦 .tmkms 被删除，您必须从头重新执行整个设置流程，包括通过 tmkms 生成新的共识密钥（参见常见问题页面中的“我清除了或覆盖了我的共识密钥”一节）。

3. 完成密钥配置并注册主机（Host）

现在需要创建暖密钥、注册主机，并授予权限：

3.1.【服务器】创建 ML 运营密钥

关于 ML 运营密钥（暖密钥）

• 控制：由账户密钥（Account Key）授权，用于特定的机器学习交易
• 安全：以加密文件形式存储在服务器上，通过程序化方式访问
• 用途：用于自动化交易（推理请求、证明提交、奖励发放）
• 恢复：可由账户密钥随时轮换或撤销

该密钥需要保持持续可用性，因此除非必要，请勿删除或更换。

在 api 容器内使用 file keyring 后端创建暖密钥（便于程序化访问）。密钥将存储在映射到容器 /root/.inference 的持久卷中：

docker compose run --rm --no-deps -it api /bin/sh

在容器内执行：

printf '%s\n%s\n' "$KEYRING_PASSWORD" "$KEYRING_PASSWORD" | inferenced keys add "$KEY_NAME" --keyring-backend file

重要提示

请勿重复运行此命令。 ML 运营密钥（暖密钥）在每台服务器上仅生成一次，必须在重启后保持完整。

如果您不小心删除或重新初始化了该密钥，请参考常见问题（FAQ）中的恢复指南：“我删除了暖密钥”。

在重新启动节点时，请完全跳过此步骤 —— 该密钥已生成并持久存储在 API 容器内。

示例输出：

~ # printf '%s\n%s\n' "$KEYRING_PASSWORD" "$KEYRING_PASSWORD" | inferenced keys add "$KEY_NAME" --keyring-backend file

- address: gonka1gyz2agg5yx49gy2z4qpsz9826t6s9xev6tkehw
  name: node-702105
  pubkey: '{"@type":"/cosmos.crypto.secp256k1.PubKey","key":"Ao8VPh5U5XQBcJ6qxAIwBbhF/3UPZEwzZ9H/qbIA6ipj"}'
  type: local


**重要** 请妥善抄写并保存助记词。
若遗忘口令，这是找回账户的唯一方式。

again plastic athlete arrow first measure danger drastic wolf coyote work memory already inmate sorry path tackle custom write result west tray rabbit jeans

3.2.【服务器】注册主机（Host）

仍在该容器内，使用 URL、账户公钥与自动获取的共识密钥在链上注册主机：

inferenced register-new-participant \
    $DAPI_API__PUBLIC_URL \
    $ACCOUNT_PUBKEY \
    --node-address $DAPI_CHAIN_NODE__SEED_API_URL

预期输出：

...
Found participant with pubkey: Au+a3CpMj6nqFV6d0tUlVajCTkOP3cxKnps+1/lMv5zY (balance: 0)
Participant is now available at http://36.189.234.237:19250/v1/participants/gonka1rk52j24xj9ej87jas4zqpvjuhrgpnd7h3feqmm

每个网络节点的账户密钥

请为每个网络节点生成独立的 ACCOUNT_PUBKEY，以保证主机隔离。

完成后退出容器：

exit

3.3.【本地】授予 ML 运营密钥权限

重要：在创建账户密钥的本地安全机器上执行

从账户密钥向 ML 运营密钥授予权限：

./inferenced tx inference grant-ml-ops-permissions \
    gonka-account-key \
    <ml-operational-key-address-from-step-3.1> \
    --from gonka-account-key \
    --keyring-backend file \
    --gas 2000000 \
    --node <seed_api_url from server's config.env>/chain-rpc/ 

预期输出：

...
Transaction sent with hash: FB9BBBB5F8C155D0732B290C443A0D06BC114CDF43E8EE8FB329D646C608062E
Waiting for transaction to be included in a block...

Transaction confirmed successfully!
Block height: 174

3.4. 【服务器】手动 SSL 证书设置

如果您在问卷中选择了手动 SSL 证书设置，请按照以下步骤配置您的 SSL 证书：

准备目录

mkdir -p secrets/nginx-ssl secrets/certbot

生成证书（Docker 化 Certbot；DNS‑01）

DOMAIN=<完整域名>
ACCOUNT_EMAIL=<邮箱地址>    # 续期通知
mkdir -p secrets/nginx-ssl secrets/certbot

docker run --rm -it \
  -v "$(pwd)/secrets/certbot:/etc/letsencrypt" \
  -v "$(pwd)/secrets/nginx-ssl:/mnt/nginx-ssl" \
  certbot/certbot certonly --manual --preferred-challenges dns \
  -d "$DOMAIN" --email "$ACCOUNT_EMAIL" --agree-tos --no-eff-email \
  --deploy-hook 'install -m 0644 "$RENEWED_LINEAGE/fullchain.pem" /mnt/nginx-ssl/cert.pem; \
                 install -m 0600 "$RENEWED_LINEAGE/privkey.pem"   /mnt/nginx-ssl/private.key'

DNS 验证

Certbot 将暂停并显示需要在您的提供商处添加的 TXT DNS 记录。验证后，cert.pem 和 private.key 将出现在 ./secrets/nginx-ssl/ 目录中。

验证证书文件

确保证书文件已就位：

ls -la secrets/nginx-ssl/

您应该看到： - cert.pem（完整链证书） - private.key（私钥，模式 0600）

问卷生成的 config.env 文件已包含必要的 SSL 配置变量： - SERVER_NAME=<完整域名> - SSL_CERT_SOURCE=./secrets/nginx-ssl

在继续之前，请确保将 SERVER_NAME 编辑为您的实际域名。

4. 【服务器】启动完整节点

最后，启动包括 API 在内的全部容器：

启动所有容器：

source config.env && \
docker compose -f docker-compose.yml -f docker-compose.mlnode.yml up -d

使用自动 SSL 证书管理启动所有容器：

source config.env && \
docker compose --profile "ssl" \
  -f docker-compose.yml -f docker-compose.mlnode.yml \
  up -d

--profile "ssl" 标志启用 proxy-ssl 容器，该容器会自动管理 SSL 证书。

使用手动 SSL 证书启动所有容器：

source config.env && \
docker compose -f docker-compose.yml -f docker-compose.mlnode.yml up -d

验证节点状态

验证 HTTPS 是否正常工作：

curl -I https://<完整域名>:8443/health   # 预期：HTTP/2 200 OK

打开以下链接，并将 <your-gonka-cold-address> 替换为你的地址：

http://node2.gonka.ai:8000/v1/participants/<your-gonka-cold-address>

你将看到 JSON 格式的公钥：

{"pubkey":"<your-public-key>"}

这表示你的地址已被包含在参与者列表中。

当你的节点完成一次「计算证明（Proof of Compute）」阶段（每 24 小时一次）后，可访问：

http://node2.gonka.ai:8000/v1/epochs/current/participants

你可以在自己的 MLNode 上模拟执行 Proof of Compute，以确保在链上 PoC 阶段开始时一切都能正常运行。

你也可以在此阶段前关闭服务器，并在下一次计算证明前重新启动。下一次会话开始时间可在仪表盘查询：

http://node2.gonka.ai:8000/dashboard/gonka/validator

当你的节点已运行，也可通过你节点的 Tendermint RPC（node 容器的 26657 端口）检查状态：

curl http://<PUBLIC_IP>:<PUBLIC_RPC_PORT>/status

服务器上可使用本地地址：

curl http://0.0.0.0:26657/status

使用创世节点的公网地址：

curl http://node2.gonka.ai:26657/status

当你的节点已在仪表盘可见，也可以更新你的公开资料（主机名、网站、头像），以便其他参与者识别你的节点。操作见此文。

停止与清理节点

如何停止节点

请查看你当前所处的 epoch。打开以下链接： http://node1.gonka.ai:8000/api/v1/epochs/latest（你也可以使用任何其他活跃参与者的链接）。

在返回结果中，查找以下字段：

"latest_epoch": {
    "index": 88,
    ...
}

记住你的节点最后运行所在的 epoch 索引。

在同一个 JSON 返回结果中，查找：

"next_epoch_stages": {
  ...
  "claim_money": <block_number>
}

该区块高度表示从该区块之后你才能领取奖励。 但需要注意的是，你现在就应该开始禁用每个 MLNode（不要等到达到这个区块后再禁用你的 MLNodes）。

禁用每个 MLNode。

curl -X POST http://<api_node_static_ip>:<admin_port>/admin/v1/nodes/<id>/disable

等待下一个 epoch。此时不要停止 Network Node 或 MLNodes。 禁用标记只有在下一个 epoch 开始后才会生效。

保持你的 Network Node 在线并保持同步，它会自动处理奖励领取。

要检查最近一次奖励是否已被领取，在经过 claim_money 区块后，运行以下命令（将 <YOUR_ADDRESS> 和 <EPOCH> 替换为你的实际值）：

inferenced query inference show-epoch-performance-summary <EPOCH> <YOUR_ADDRESS> --node http://node1.gonka.ai:8000/chain-rpc/ --output json

示例:

Output:
{
  "epochPerformanceSummary": {
    "epoch_index": "87",
    "participant_id": "<YOUR_ADDRESS>",
    "missed_requests": "1",
    "rewarded_coins": "123456",
    "claimed": true
  }
}

如果结果显示 claimed = true，说明你的奖励已成功领取。 如果显示 false，请继续执行手动领取步骤。

如有需要，手动领取奖励

运行:

curl -X POST http://localhost:9200/admin/v1/claim-reward/recover \
 -H "Content-Type: application/json" \
 -d '{"force_claim": true}'

验证移除情况和权重。如果你已经禁用了所有节点，那么你的参与者信息应当从活跃参与者列表中消失。 如果你仍然能在列表中看到你的参与者，这意味着网络仍然期望你在当前 epoch 中继续参与，而如果你此时停止节点，你可能会错过推理任务，从而影响你的信誉。

确保你位于 gonka/deploy/join 目录下。 要停止所有正在运行的容器：

docker compose -f docker-compose.yml -f docker-compose.mlnode.yml down

该命令会停止并移除 docker-compose.yml 和 docker-compose.mlnode.yml 中定义的所有服务，除非进行了特别配置，否则不会删除卷或数据。

如何清理节点（完全重置）

如果您希望完全重置节点并删除所有数据（用于重新部署或迁移），请按照以下清理步骤操作。

1. 如需清理缓存并重新开始，可删除本地 .inference 与 .dapi 文件夹（推理运行时缓存与身份）：

   rm -rf .inference .dapi .tmkms
   

2.（可选）清理模型权重缓存：

rm -rf $HF_HOME

Note

删除 $HF_HOME 后，后续需要重新从 Hugging Face 下载大体量的模型文件，或重新挂载 NFS 缓存。

需要帮助？ 请先查看我们的常见问题页面，或加入我们的Discord 服务器 服务器，以获取关于一般咨询、技术问题或安全相关事项的协助。