Documentos de traballo · fala, saúde e IA fiableVigo, 2026

Escritos /

O 10 % da terminal que che resolve o 90 %

Nunha frase

As catro habilidades de terminal que máis vas usar: moverte sen interface, SSH cun alias para ti e para o teu axente, tmux e vixiar a CPU e a GPU.

Servidores, despregamentos, GPU remotas, axentes como Claude Code ou Codex: todo pasa na terminal. Este titorial dáche as catro habilidades que máis vas usar, para que che saian de memoria:

  1. Moverte por unha máquina sen interface: pwd, ls, cd, nano.
  2. Entrar noutra máquina e mover ficheiros: ssh, scp.
  3. Deixar traballos correndo aínda que te desconectes: tmux.
  4. Ver que está a pasar: top, nvidia-smi.

Contámolo como unha noite de garda. Son as 2:47 e chega unha alerta: o adestramento nocturno de Whisper no servidor gpu morreu con CUDA out of memory. Cada sección é un paso para arranxalo e remata cun reto de 30 segundos. Ao final tes a chuleta en PDF con todos os comandos.

1. Moverte sen interface

Primeiro, no teu portátil: baixar o batch_size do config antes de volver lanzar.

pwd                       # onde estou?
ls                        # que hai aquí?
cd proxectos/whisper      # entra, relativo a onde estás
cd configs                # e un nivel máis
nano train.yaml           # edita: Ctrl-O e Enter garda, Ctrl-X sae
cd ..                     # sobe un nivel: de volta en whisper
username@laptop:~$pwd/home/username username@laptop:~$lsDescargas notas.txt proxectos username@laptop:~$cd proxectos/whisperusername@laptop:~/proxectos/whisper$ username@laptop:~/proxectos/whisper$lsconfigs data train.py username@laptop:~/proxectos/whisper$cd configsusername@laptop:~/proxectos/whisper/configs$nano train.yaml Ctrl-O Enter Ctrl-Xusername@laptop:~/proxectos/whisper/configs$ username@laptop:~/proxectos/whisper/configs$cd ..username@laptop:~/proxectos/whisper$pwd/home/username/proxectos/whisper ◀ aquí ◀ aquí ◀ aquí ◀ aquí / home username = ~ Descargas notas.txt proxectos whisper configs train.yaml data train.py GNU nano train.yaml model: whisper-small batch_size: 32 batch_size: 16 lr: 1.0e-5 epochs: 10 [ 4 liñas escritas ] ^O Gardar ^X Saír
Figura 1. A terminal sempre está nun cartafol. pwd dá o camiño desde a raíz (a liña grosa), ls ilumina o que hai dentro e cd move o marcador. Con nano edítase sen saír da terminal.
  • Toda ruta que non comeza por / ou ~ é relativa ao cartafol no que estás. Se un comando non atopa un ficheiro, o primeiro é pwd.
  • ~ é o teu cartafol persoal (/home/username) e / é a raíz de todo. cd ~ lévate á casa desde onde esteas.
  • Tab completa nomes: cd pro e Tab. É o atallo que máis tempo aforra.

Windows: en PowerShell, pwd, ls e cd funcionan igual. notepad train.yaml abre o ficheiro no Bloc de notas, nunha xanela; para editar dentro da terminal, nano en WSL.

Reto de 30 segundos. Desde ~, entra nun proxecto, lista o que hai, cambia unha liña dun ficheiro con nano, garda e volve a ~. Sen rato.

2. Entrar noutras máquinas (ti e o teu axente)

O config xa está arranxado, pero o adestramento vive en gpu. Hai que chegar alí e levalo. Isto prepárase unha vez:

ssh-keygen -t ed25519           # crea o teu par de chaves; ponlle passphrase
ssh-copy-id username@10.0.3.7   # deixa a pública no servidor
nano ~/.ssh/config              # e dálle un nome curto
Host gpu
    HostName 10.0.3.7
    User username

E isto é o de todos os días:

ssh gpu                                         # entrar
scp configs/train.yaml gpu:~/whisper/configs/   # levar un ficheiro
scp gpu:~/whisper/logs/train.log .              # traelo
exit                                            # saír
username@laptop:~$ssh-keygen -t ed25519Your identification has been saved in ~/.ssh/id_ed25519Your public key has been saved in ~/.ssh/id_ed25519.pub username@laptop:~$ssh-copy-id username@10.0.3.7…continue connecting (yes/no/[fingerprint])? yesusername@10.0.3.7's password:Number of key(s) added: 1 username@laptop:~$nano ~/.ssh/configHost gpu HostName 10.0.3.7 User username username@laptop:~$ssh gpu username@laptop:~$ssh gpuWelcome to Ubuntu 24.04 LTSusername@gpu:~$ username@gpu:~$exit~/proxectos/whisper$scp configs/train.yaml gpu:~/whisper/configs/train.yaml 100% 412 1.2KB/s 00:00 ● Bash(ssh gpu nvidia-smi) └ 9520MiB / 24576MiB● A GPU ten uns 15 GB libres; outro proceso ocupa 9 GB. portátil ~/.ssh/ id_ed25519 · privada id_ed25519.pub · pública config Host gpu HostName 10.0.3.7 User username gpu · 10.0.3.7 authorized_keys username · pública sshd ✓ username bash username@gpu whisper/configs/train.yaml canle cifrada sinatura axente no portátil claude usa ~/.ssh/config ssh gpu nvidia-smi
Figura 2. A chave privada non sae nunca do portátil. Primeiro cífrase a conexión; dentro dela, o portátil asina coa privada e o servidor comproba a sinatura coa pública que garda. Se cadra, entras. Non viaxa ningún contrasinal. O teu axente usa o mesmo alias e a mesma chave.
  • A primeira vez que conectas, SSH ensina a pegada do servidor e pregunta yes/no. Di yes só se coincide coa que che dá quen administra a máquina.
  • scp orixe destino, sempre nesa orde. O lado remoto leva gpu: diante.
  • Se para chegar hai que pasar por outra máquina, engade ProxyJump bastion ao bloque Host.

O teu axente usa o mesmo alias

Claude Code e Codex executan comandos na túa terminal, así que herdan o teu ~/.ssh/config. Podes pedirlles «mira con ssh gpu nvidia-smi canta memoria queda libre» e farano, normalmente despois de pedirche permiso. Ten en conta que entran coma ti:

  • O que o teu usuario pode facer en gpu, o axente tamén. Se queres que poida menos, dálle o seu propio bloque Host gpu-axente, cun usuario sen sudo e a súa propia chave.
  • Pode usar calquera chave do teu ~/.ssh, non só a de gpu. As chaves de produción, fóra do equipo no que traballa o axente.
  • Mantén a aprobación manual para ssh, scp e rsync, e non escollas «permitir sempre» para ssh gpu: despois do nome do host pode ir calquera comando.

Windows: OpenSSH vén con Windows 10 e 11, e ssh, scp e ssh-keygen funcionan en PowerShell. O config está en C:\Users<ti>.ssh\config. ssh-copy-id non existe; no seu lugar: type $env:USERPROFILE.ssh\id_ed25519.pub | ssh username@10.0.3.7 “mkdir -p ~/.ssh && chmod 700 ~/.ssh && cat >> ~/.ssh/authorized_keys”.

Reto de 30 segundos. Crea un alias para unha máquina na que entres a miúdo, entra con ssh <alias>, sae e trae un ficheiro con scp.

3. Deixar traballos correndo: tmux

Xa estás en gpu co config novo. Se relanzas o adestramento sen máis e se corta a VPN, morre contigo.

tmux new -s train      # abre unha sesión con nome
python train.py        # lanza o que sexa
Ctrl-b  d              # saes; segue correndo
tmux ls                # que sesións hai
tmux attach -t train   # volves
username@laptop:~$ssh gpuusername@gpu:~$cd whisperusername@gpu:~/whisper$ username@gpu:~/whisper$python train.pyepoch 1/10 · loss 2.31 epoch 2/10 · loss 1.87client_loop: send disconnect: Broken pipeusername@laptop:~$ username@laptop:~$ssh gpuusername@gpu:~$cd whisperusername@gpu:~/whisper$tmux new -s train username@gpu:~/whisper$python train.pyepoch 1/10 · loss 2.31 epoch 3/10 · loss 1.52Ctrl-b d[detached (from session train)] username@gpu:~/whisper$exitConnection to gpu closed.username@laptop:~$ username@laptop:~$ssh gpuusername@gpu:~$tmux attach -t trainepoch 8/10 · loss 0.94 Ctrl-b dusername@gpu:~$cd whisperusername@gpu:~/whisper$tmux new -s claude username@gpu:~/whisper$claude "por que fallou o run das 2:41?"● lendo logs/train.log… portátil >_ >_ zzztapa pechada servidor gpu × conexión perdida bash python train.py epoch 1/10epoch 2/10 ✕ SIGHUP: o proceso morre tmux · train detached bash python train.py epoch 1/10epoch 3/10epoch 5/10epoch 8/10epoch 9/10segue correndo segue correndo tmux · claude claude lendo logs/train.log…
Figura 3. Sen tmux, o proceso colga da túa conexión: se se corta, recibe SIGHUP e remata. Dentro de tmux colga do servidor de tmux, que vive na máquina, así que podes saír, pechar o portátil e volver.
  • Ctrl-b é o prefixo: prémelo, soltas e logo premes a outra tecla.
  • Se che apetece máis: Ctrl-b % divide a pantalla en dous paneis e Ctrl-b máis unha frecha móvete entre eles.

Unha sesión para o teu axente

tmux new -s claude
claude                 # ou codex

Dáslle a tarefa («por que fallou o run das 2:41?»), saes con Ctrl-b d e volves cando queiras. Se precisa permiso para algo, estarate esperando alí. Ollo: lanzado no servidor, as credenciais do teu axente quedan nel. Faino só en máquinas de confianza e sen opcións que se salten as aprobacións.

Windows: tmux non existe en Windows. Úsao dentro de WSL ou, mellor, no servidor Linux no que entras por SSH, que é onde importa.

Reto de 30 segundos. Crea unha sesión, lanza sleep 300, sae, comproba con tmux ls que segue viva e volve entrar.

4. Ver que está a pasar: top e nvidia-smi

O adestramento corre. Pero por que quedou sen memoria con batch 32?

top                         # CPU e memoria por proceso; q para saír
nvidia-smi                  # GPU: memoria, uso e quen a ocupa
watch -n 1 nvidia-smi       # o mesmo, cada segundo
ps -o user=,args= -p 2290   # de quen é e que é?
kill 2290                   # remata un proceso polo seu PID
username@gpu:~$topload average: 7.82 Tasks: 214 %Cpu(s): 91.3 us qusername@gpu:~$nvidia-smi username@gpu:~$ps -o user=,args= -p 2290username python3 -m ipykernel_launcher -f …username@gpu:~$kill 2290 username@gpu:~$watch -n 1 nvidia-smiEvery 1.0s: nvidia-smi CPU · top PID %CPU COMMAND 4127 610 python3 4133 97 python3 2290 1 python3 GPU · nvidia-smi memoria 23,4 / 24 GB 14,1 / 24 GB uso 97 % PID PROCESS MEM 4127 /usr/bin/python3 14,1 GB 2290 /usr/bin/python3 9,3 GB 2290 /usr/bin/python3 9,3 GB ← e isto? ⟳ cada 1 s
Figura 4. top ordena por CPU, e un proceso que só ocupa GPU apenas se ve. nvidia-smi ensina que PID teñen a memoria, aínda que os dous se chamen python3; ps di que o 2290 é un kernel de Jupyter esquecido pola tarde, con 9 GB. Con el, batch 32 non cabía. Cifras ilustrativas.
  • Antes de kill, mira de quen é o proceso con ps. Se non é teu, pregunta antes de tocalo.
  • htop, se está instalado, é top con cores e máis doado de ler.

Windows: o Xestor de tarefas é o teu top; en PowerShell, Get-Process | Sort-Object CPU -Descending | Select-Object -First 10 lista os procesos que máis tempo de CPU usaron. nvidia-smi vén co controlador de NVIDIA e funciona igual.

Reto de 30 segundos. Nunha sesión de tmux, abre watch -n 1 nvidia-smi nun panel mentres adestras no outro.

As 3:20

Adestramento relanzado, GPU libre e o axente revisando o log. A durmir.

Descarga a chuleta en PDF: unha páxina cos comandos das catro seccións, para tela a man ou imprimila.

Practica no laboratorio: un notebook de Google Colab cun servidor SSH de verdade e unha flag agochada en cada sección.

Para seguir: tldr pages dá o uso máis común de cada comando, explainshell desmonta calquera liña que atopes, The Missing Semester do MIT conta todo o que a carreira dá por sabido e os zines de Julia Evans explícano con debuxos.