aks-gpu-inference — скилл для Claude Code: диагностика AKS
Скилл разбирает сбои GPU-нагрузок и KAITO в AKS по событиям, статусам и метрикам. Пригодится для Pending-подов, OOM и проблем с GPU-автомасштабированием.
/plugin marketplace add microsoft/skills
/plugin install aks-skills@skillsЧто делает aks-gpu-inference
Скилл помогает расследовать сбои GPU-нагрузок в AKS: нехватку nvidia.com/gpu, Pending-поды, OOM при загрузке модели и проблемы с готовностью KAITO Workspace. Он собирает сведения о целевом ресурсе, событиях и статусах, учитывает gpuProfile и направляет разбор к материалам по планированию, наблюдаемости, KAITO или масштабированию.
Работа с кластером зависит от разрешений хоста на нужные команды kubectl и az; одного Azure CLI-инструмента с управляемым доступом недостаточно. Скилл рассчитан на чтение данных: масштабирование, удаление ресурсов, cordon/drain и другие изменения требуют явного разрешения. При OOMKilled он предлагает сопоставить лимиты и использование памяти контейнера с состоянием узла; для Managed+Install использует данные экспортёра на порту 19400.
Если чтение запрещено или недоступно, разбор идёт по переданным событиям, статусам, логам и метрикам, а выводы без нужных свидетельств остаются неподтверждёнными. Скилл не предназначен для настройки AKS, неграфических инцидентов, квот отдельной VM или общего анализа затрат.
Какие задачи решает
- найти причину Pending-пода с запросом
nvidia.com/gpu - разобрать OOM при загрузке модели и отделить память контейнера от сбоя выделения GPU
- проверить, почему KAITO Workspace не перешёл в готовое состояние
- сопоставить GPU-автомасштабирование с событиями и статусом кластера
Примеры запросов агенту
- Разбери, почему GPU-под в AKS остаётся Pending из-за
nvidia.com/gpu, и укажи, какие чтения выполнил. - Проверь
OOMKilledу модели в AKS: сопоставь память контейнера, состояние узла и доступные сведения о VRAM. - Выясни, почему KAITO Workspace не готов, и отдели подтверждённые факты от тех, для которых не хватает данных.
Как установить aks-gpu-inference
1Через маркетплейс плагинов
/plugin marketplace add microsoft/skills/plugin install aks-skills@skillsКоманда ставит плагин aks-skills целиком, со всеми его скиллами
2Через Skills CLI (Vercel)
npx skills add microsoft/skills --skill aks-gpu-inference -a claude-code3Вручную: положить файлы
~/.claude/skills/aks-gpu-inference/SKILL.mdПапка скилла целиком; для одного проекта — .claude/skills/aks-gpu-inference/
Вручную: положить файлы
.agents/skills/aks-gpu-inference/SKILL.mdДля всех проектов — ~/.agents/skills/
Вручную: положить файлы
.cursor/skills/aks-gpu-inference/SKILL.mdCursor читает и .agents/skills/, и .claude/skills/
1GitHub CLI
gh skill install microsoft/skills aks-gpu-inference2Вручную: положить файлы
.github/skills/aks-gpu-inference/SKILL.mdКомандой платформы
gemini skills install https://github.com/microsoft/skills --path .github/plugins/aks-skills/skills/aks-gpu-inferenceВручную: положить файлы
.devin/skills/aks-gpu-inference/SKILL.mdСтарый путь .windsurf/skills/ тоже читается
Claude.ai
Упакуйте папку в zip и загрузите в Settings → Capabilities → Skills
По шагам, с командами для каждой платформы: Как установить скилл в Claude Code: пять способов
Вопросы о aks-gpu-inference
Как установить aks-gpu-inference в Claude Code?
Добавьте маркетплейс командой /plugin marketplace add microsoft/skills, затем установите скилл: /plugin install aks-skills@skills.
Что делает aks-gpu-inference?
Скилл помогает диагностировать сбои GPU-нагрузок и KAITO в AKS, опираясь на события, статусы, профиль GPU и доступные метрики.
Нужны ли разрешения для диагностики кластера?
Хост должен разрешать необходимые команды kubectl и az для выбранного кластера. Любые изменения, включая масштабирование и удаление, требуют отдельного явного разрешения.
Исходный текст
SKILL.md · MIT
--- name: aks-gpu-inference description: "Diagnose Day-2 AKS GPU and KAITO incidents using profile-aware, read-only evidence. WHEN: 'Insufficient nvidia.com/gpu', GPU pod Pending, model-load OOM, DCGM/VRAM, KAITO Workspace not ready, or GPU autoscaling. DO NOT USE FOR: setup (airunway-aks-setup), non-GPU incidents (aks-troubleshooting), standalone VM quota (azure-quotas), or generic cost (cost-analysis or cost-optimization from the optional azure-cost plugin)." license: MIT metadata: author: Microsoft version: "1.1.1" --- # AKS GPU Inference Day-2 ## Quick Reference | Property | Value | |---|---| | Best for | AKS GPU/KAITO failures | | Evidence | Bound target, events/status, `gpuProfile`, DCGM | ## When to Use This Skill Use for scheduling, VRAM/OOM, KAITO readiness, and workload scaling. Route exclusions as described above. ## MCP Tools Use a fitting host-advertised Azure read or the references' read-only queries. ## Host Capability Gate Before executing any referenced pipeline, verify that the host authorizes the required shell and `kubectl`/`az` commands against the bound target. File-backed collection also requires approved artifact storage and access to any bundled files it uses. A governed Azure CLI tool alone does not establish these capabilities. Equivalent host reads may replace commands only where their advertised schemas provide the required evidence. If execution is unavailable or prohibited, say so and analyze supplied or redacted events, status, logs, and metrics, or give the operator a scoped collection plan. State which reads did not run and leave conclusions requiring missing evidence unconfirmed. Never route `kubectl` through Azure MCP or bypass host policy. The authorization requirements below still apply. ## Workflow 1. Bind subscription, cluster, kube context, pool, and affected resource. 2. Capture exact events/status and observed `gpuProfile`; state which reads ran. 3. Route to [scheduling](references/gpu-scheduling.md), [observability](references/gpu-observability.md), [KAITO](references/kaito-workspaces.md), or [scaling](references/gpu-cost-and-scaling.md). 4. Separate container/host OOM from device-allocation failures. For `OOMKilled`, correlate container memory limits/usage and node conditions. For Managed+Install device-memory evidence, use the exporter on port 19400 and incident-window `FB_USED`/`FB_FREE`; sizing tables do not establish a cause. 5. For KAITO not-ready, warn that Workspace deletion leaves its GPU pools; cleanup is separate and needs explicit authorization. 6. Report evidence, confidence, missing evidence, and owner handoff. Require explicit authorization before scaling, cordon/drain, deletion, add-on enablement, or monitoring mutation. ## Error Handling | Condition | Response | |---|---| | Missing/contradictory evidence | Mark unconfirmed; request the owner/read | | Unknown profile | Preserve evidence; do not prescribe stack repair | | Mutation required | Propose separately and wait for authorization |
© Microsoft · MIT · microsoft/skills