deepseek-ai/DeepEP：README 來源編輯指南

deepseek-ai/DeepEP 的 README 將專案描述為「DeepEP: an efficient expert-parallel communication library」。本文只整理倉庫可直接核對的內容，不把 star、Fork 或宣傳語當成品質證明。README 在「DeepEP」下寫到：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。這說明的是專案邊界，不是已完成的生產驗證。

從 README 的「New features」與相關條目，可以先判斷它是否處理你的實際問題：High-throughput and low-latency APIs unified into a single ElasticBuffer interface, with a new GEMM layout。若需求不同，不應只因專案熱度就採用。本文保留原始專案名、命令與元件名，方便回到一手來源核對。 README 另外列出一項可核對的資訊：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.。這類原文條目可用來設計試跑步驟，但不能取代實際環境測試。

README 將運作方式分散在「Still on-going features」等段落。可確認的線索包括：For the legacy V1 documentation (NVSHMEM-based), see docs/legacy.md.。本文不把未寫出的架構、效能或安全邊界補成結論；真正的執行鏈仍要配合目錄、設定檔與版本標籤檢查。

第一次安裝應從 README 指出的入口開始。目前可核對的命令是： pip install "nvidia-nccl-cu13>=2.30.4" --no-deps 如果倉庫沒有命令，本文不會自行編造步驟，而是建議先閱讀「News」，確認系統依賴、預設埠與首次初始化。

日常使用取決於專案文件。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:。設定檔、環境變數、權限與資料目錄只在來源明確時才會記錄；沒有寫出的預設值，應在測試環境驗證並保留回滾副本。 同一部分也提到：Larger scale-up & scale-out domain support (up to EP2048)。