DGX Spark · Skill 管理 — 架構對照
兩種做法，老闆一眼看懂
同樣是「賣 DGX Spark ＋ admin 指派 skill 給 user」，差別在 skill 存在哪、怎麼隔離不同 user。下面兩張架構圖並排比較。
一句話：做法 1 把 skill 集中在 Spark、各 user 用獨立空間隔離（使用者用瀏覽器／薄客戶端連入）；做法 2 把 skill 放進每位 user 的裝置（codex 式），模型推論仍呼叫 Spark。依「最快上手、最少維運」，建議做法 1（最好做成網頁版）。
註：兩種做法其實都可能要在裝置放個程式——差別在「瘦／零客戶端（skill＋編排在 Spark）」還是「胖客戶端（skill＋編排在裝置）」。
做法 1 · 集中式（Manus 那套）
Skill 集中管理在 Spark
skill 只存一份在團隊共享的 Spark；使用者用瀏覽器（網頁版，零安裝，像 Manus）或薄客戶端連入，每位 user 用獨立空間（沙箱）隔離。
- 客戶端：瘦／零客戶端 — 瀏覽器即可（網頁版，像 Manus），skill 與編排都在 Spark
- skill 存哪：集中一份在 Spark，admin 一處管理
- 隔離：每位 user 一個獨立空間 / 沙箱
- 新人上手：網頁版零安裝（或輕量薄客戶端）；skill 不必裝在裝置
- IP：skill 不離開 Spark，撤銷即斷
★ 建議：最快上手、最少維運
做法 2 · 分散式（codex 式）
Skill 放在客戶端
每位 user 的裝置各存一份 skill 副本、自己跑 codex 編排器；模型推論仍呼叫 Spark。
- 客戶端：胖客戶端 — 每台必裝，skill ＋ 編排器都在裝置
- skill 存哪：多份副本，散在每位 user 的裝置
- 隔離：各自裝置天然分開（但難集中治理）
- 新人上手：要逐台裝完整 client＋同步 skill
- IP：skill 落在裝置，更新／撤銷要逐台、有外流風險
較適合：裝置端分擔算力、在地 UX（非本案首要）
Spark（編排＋模型＋集中 skill）
📦 執行 / 隔離環境（做法1：Spark 沙箱；做法2：各裝置）
使用者裝置 / 客戶端
逐項對照
| 面向 | 做法 1 · 集中在 Spark | 做法 2 · 放客戶端 |
|---|
| 客戶端類型 | 瘦／零客戶端：瀏覽器即可（網頁版，像 Manus）；skill 與編排都在 Spark | 胖客戶端：每台必裝；skill ＋ 編排器都在裝置 |
| skill 存在哪 | 集中一份在 Spark | 多份、散在各 user 裝置 |
| 隔離方式 | Spark 上各 user 獨立空間（沙箱） | 各自裝置天然分開 |
| 編排器在哪 | 在 Spark | 在 user 裝置（模型仍呼叫 Spark） |
| 新人上手 | 網頁版零安裝（或輕量薄客戶端）、admin 指派即用 | 要裝完整 client ＋ 同步該 user 的 skill |
| 更新 / 撤銷 | 一處生效、即時 | 逐台同步、撤銷有延遲 |
| skill IP | 不離開 Spark | 落在裝置、有外流風險 |
| 維運負擔 | 集中一處（每台 Spark） | 要維護客戶端艦隊＋同步機制 |
釐清「要不要裝 client」：兩種做法其實都可能要在裝置放個程式，差別在瘦／零客戶端還是胖客戶端。做法 1 若做成網頁版（瀏覽器存取，像 Manus）就真正零安裝；即使用薄客戶端，它也只負責連線／顯示，skill 與編排都在 Spark。做法 2 則必須在每台裝完整客戶端 ＋ 同步 skill。
建議：依老闆的首要目標「最快上手、最少維運」，採做法 1（最好做成網頁版）。做法 2 的「資料留裝置／離線」優勢，因為模型本來就呼叫 Spark 而被抵消；它真正佔優的只是「裝置端分擔算力、在地 UX」，非本案重點。