deepseek-ai/DeepEP：README 来源编辑指南

deepseek-ai/DeepEP 的 README 将项目描述为"DeepEP: an efficient expert-parallel communication library"。本文只整理仓库能直接核验的内容，不把星标、Fork 或宣传语当成质量证明。README 在"DeepEP"下的说明是：DeepEP (DeepEveryParallel) is a high-performance communication library for modern machine learning training and inference. The library currently focuses on expert parallelism (EP) , providing high-throughput and low-latency all-to-all GPU。这给出的首先是项目边界，而不是已经完成的生产验证。

从 README 的"New features"和相关条目看，读者可以先判断它是否解决自己的具体问题：High-throughput and low-latency APIs unified into a single ElasticBuffer interface, with a new GEMM layout。如果你的目标与这段说明不一致，就不应仅凭项目热度采用它。这里保留原项目名、命令和组件名，方便回到一手来源核对。 README 还列出了另一条可核对的信息：V2 release: A complete refactoring of Expert Parallelism , achieving extreme performance with several times fewer SM resources compared to V1, while supporting significantly larger scale-up and scale-out domains.。这类原文条目可以帮助读者设计试运行步骤，但不能代替自己的环境测试。

README 把工作方式分散写在"Still on-going features"等段落中。可确认的线索包括：For the legacy V1 documentation (NVSHMEM-based), see docs/legacy.md.。这篇整理没有把未写出的架构、性能或安全边界补成结论；真正的运行链仍应结合仓库目录、配置文件和版本标签检查。

第一次安装应从 README 给出的入口开始。当前可复核的命令是： pip install "nvidia-nccl-cu13>=2.30.4" --no-deps 如果仓库没有提供命令，本文不会替它编造安装步骤，而是建议先打开 README 的"News"部分，确认系统依赖、默认端口和首次初始化动作。

日常使用的细节取决于项目实际文档。README 的"Performance"段落提到：Following V3's configuration, we tested with 8K tokens per batch, 7168 hidden dimensions, top 8 experts, FP8 dispatching, and BF16 combining, and obtained the following results:。对于配置文件、环境变量、权限和数据目录，当前稿只记录来源明确的部分；未写明的默认值必须在测试环境中验证，并保留可回滚的配置副本。 同一部分还提到：Larger scale-up & scale-out domain support (up to EP2048)。