前面幾篇我都在給 YAML 和 oc 指令。但真實情況是： 你的資料科學家不會用 oc，他們會打開那個網頁。

這篇把 ODH dashboard 從頭走一次，每張圖標出「這一頁真正要看的是哪一欄」。

環境：CRC 4.22.7 + ODH 3.5.0。 ⚠️ 商用版 RHOAI 的畫面大致相同但不完全一樣（配色、部分選單名稱、namespace）。

進入點：dashboard 在哪

oc get route -n openshift-ingress | grep -i "rh-ai\|dashboard"
# rh-ai   rh-ai.apps-crc.testing

⚠️ 3.x 的 route 名稱換過。 2.x 是 odh-dashboard／rhods-dashboard， 我這裡是 rh-ai（走 data-science-gateway）。 照舊文件找 route 會找不到——直接列出來看比較快。

ODH dashboard 首頁

左邊那排就是全部功能：Projects／AI hub／Develop & train／Applications／Settings。

第一站：Projects

Projects 列表

「Project」就是一個 OpenShift namespace，只是多貼了一個 label 讓 dashboard 認得。所以：

oc get project llm-serve-demo          # 同一個東西

⚠️ 你用 oc new-project 建的 namespace，dashboard 預設看不到。 要它出現，namespace 需要 opendatahub.io/dashboard: "true" 這個 label—— 這跟前一篇講的 Connection 是同一個機制:UI 靠 label 認東西。

點進一個 project，上面那排分頁就是全部工作：

Overview │ Workbenches │ Pipelines │ Deployments │ Cluster storage │ Connections │ Roles │ Permissions │ Settings

這九個分頁基本上就是整個平台的操作面。 後面每一站都在這裡面。

第二站：Connections（先設這個）

Connections

⭐ 這一頁要先做，因為後面每一站都要用它。

Workbench 要讀資料、pipeline 要存產物、模型服務要抓權重——都靠這裡的 S3 憑證。

這一頁真正要看的欄位是右邊兩個：

欄位 意思
Model serving compatibility 這份 connection 能不能給模型服務用
Connected resources 誰在用它

我這張圖上 Connected resources 是 --——沒有任何東西在用它。 而我的 pipeline 確實在跑，用的是另一份沒貼 label 的 Secret。

所以這一欄是「影子憑證」的偵測器： UI 上有一份沒人用的 connection，同時有東西在用你看不到的憑證。

第三站：Pipelines

上傳一份編譯好的 pipeline YAML，它會出現在這裡：

Pipeline definitions

這一頁是定義（藍圖），不是執行。定義可以有多個版本—— 我這裡有 llm-lifecycle 和 v2-gate-registry 兩個版本。

⚠️ 上傳之前 project 要先有 pipeline server（那就是 DSPA）。 沒有的話這一頁會叫你先建一個，而建立時要選一個 S3 connection—— 所以順序是 Connections → Pipeline server → 上傳 pipeline。

第四站：Runs ← 最常看的一頁

Runs 列表

這是日常最常打開的頁面。 每一列是一次執行。

我特別要指出一件事：看那個 Status 欄，四個 Failed 一個 Complete。

而那個 Complete 的說明欄寫著「唯一變因是門檻 6.0→8.0。模型沒變好，是標準降低了。」 ——那是我自己當初填的 run 描述。

⭐ 這一頁最被低估的功能是「描述」欄。 它是自由文字，而且會跟著這次執行永久留著。 如果你不寫，三個月後你看到的就只是 run3、run4， 完全不知道那次改了什麼。

實用建議：每次建 run 的時候，在描述裡寫「這次唯一的變因是什麼」。 這一個習慣讓上面那張圖從「五次執行紀錄」變成「一份實驗日誌」。

點進一次 run 看細節：

run4 詳情

上面有四個分頁：Graph／Details／Input parameters／Pipeline spec。

  • Graph：四棒的執行圖，每格的勾或叉。點任一格可以看那一步的 log
  • Input parameters ← 驗收時最該看的一頁。它列出這次執行實際用的參數值。 上面那個「門檻被改成 8.0」就是在這裡看到的
  • Pipeline spec：這次跑的是哪一版定義

第五站：Artifacts（產出物與 lineage）

Artifacts

每一步產出的東西都會登記在這裡：資料集、模型檔、評估報告。

這一頁的價值在於它把「產出物」和「哪一次 run」綁起來—— 也就是 lineage 的一半。

⚠️ 另一半（用了哪一版程式碼）不會自己出現。 容器裡沒有 git 可以問，你得在編 pipeline 時把 image digest 帶進去。

第六站：Deployments（模型服務）

Model serving

上線的模型在這裡。這一頁背後就是 InferenceService。

⚠️ 但這一頁只告訴你「部署狀態」。它不會告訴你：

  • 這顆模型是哪一次 run 產的
  • 它的評估數字是多少
  • 誰核准它上線的

那三個問題要去問服務本身（我的服務有一個 /model 端點回答這些）， 或者去看台帳。dashboard 這一頁不管治理。

每一頁真正要看的欄位（速查）

頁面 大家在看 ⭐ 真正該看的
Projects 有幾個 project 有沒有 project 不在列表上（沒貼 label）
Connections 有沒有設 Connected resources（誰在用）
Pipelines 有幾個定義 版本，以及上次改是什麼時候
Runs 綠的還紅的 Input parameters：這次的參數是什麼
Artifacts 有東西 產出物連得回哪一次 run
Deployments READY 模型的身分（要另外問服務）

右邊那一欄，沒有一個是 dashboard 會主動提醒你的。

給驗收的用法

如果你是去驗收別人交付的平台，這條路線可以當腳本走：

  1. Projects —— 「請建一個新 project」（驗權限與 quota）
  2. Connections —— 「請設一份 S3 connection」（驗憑證管理）
  3. Workbenches —— 「請建一個 workbench 並開啟」（驗 image、儲存、排程）
  4. Pipelines —— 「請上傳並跑一次」（驗 DSPA、S3、執行環境）
  5. Runs —— 「請給我看 Input parameters」（驗參數是否可追）
  6. Deployments —— 「請部署並打一發推論」（驗端到端）

六步，每一步都要當著你的面做，不接受截圖。 理由我在前面幾篇寫過：這個平台上有太多東西是「顯示正常但實際壞掉」的。

你們的人比較常用 dashboard 還是 oc？如果是 dashboard，卡在哪一頁最多？

🧪 這篇的實驗環境與 lab 檔案（最後更新 2026-08-30）

叢集

  • CRC 2.63.0 · OpenShift 4.22.7 · Kubernetes v1.35.6
  • 單節點：13 vCPU / 40 GiB RAM / 120 GB disk
  • 宿主：Framework Laptop 16（Ryzen AI 7 350 · 8C/16T · 64 GB RAM · 1 TB NVMe · RTX 5070 顯卡模組）
  • ⚠️ 叢集內看不到 GPU（CRC 是 VM，RTX 5070 未 passthrough）

Operator

  • opendatahub-operator.v3.5.0 ← 即 RHOAI 3.x 的上游開源版
  • cert-manager-operator.v1.20.0（3.x 的必要相依；2.x 不需要）
  • openshift-pipelines-operator-rh.v1.23.2、openshift-gitops-operator.v1.21.3

DataScienceCluster 開啟的元件

  • kserve、aipipelines、dashboard、workbenches、modelregistry、kueue（Unmanaged）
  • 其餘（ray／trustyai／feast／aigateway…）為 Removed

叢集外的依賴（跑在宿主的 podman 上，crc start 不會帶起來）

  • Harbor v2.15.2（私有 registry）· MinIO（S3）

模型端

  • Python 3.12.13 · PyTorch 2.11.0+cu128 · FastAPI + uvicorn · prometheus-client

lab 檔案

⚠️ ODH ≠ RHOAI：元件同源，但 namespace 與部分名稱不同 （我這裡是 opendatahub，商用版是 redhat-ods-* 那一套）。 指令的邏輯可以照用，字串要自己對一次。