К основному содержанию
скилл

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.

Установить в Claude Code · Через маркетплейс плагинов Все способы и платформы ↓
/plugin marketplace add microsoft/skills
/plugin install aks-skills@skills
Открыть на GitHub

Что 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 OOMKilled у 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@skills

Команда ставит плагин aks-skills целиком, со всеми его скиллами

2Через Skills CLI (Vercel)

npx skills add microsoft/skills --skill aks-gpu-inference -a claude-code

3Вручную: положить файлы

~/.claude/skills/aks-gpu-inference/SKILL.md

Папка скилла целиком; для одного проекта — .claude/skills/aks-gpu-inference/

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

Похожие скиллы

Все скиллы по теме «Облака: AWS, Azure, GCP» →
caveman-manage JuliusBrussee Проверяет состояние и результаты экспериментов Caveman Cloud, предлагает одно действие или блокирует рискованный запрос. Нужен перед запуском, одобрением, отменой или откатом. CX Codex +1 104 200установок workers-best-practices cloudflare Скилл настраивает ИИ на проверку продакшен-кода Cloudflare Workers по актуальным правилам рантайма, типам Wrangler и антипаттернам. CX Codex +1 126 100установок cloudflare-email-service cloudflare Скилл для работы с Cloudflare Email Sending и Email Routing: помогает настроить отправку и приём писем в Workers. CX Codex +1 102 300установок firebase-basics официальный google Скилл настраивает Firebase CLI, помогает войти в аккаунт, создать или выбрать проект и скачать конфигурацию Android или iOS. CX Codex 14 100установок cloudflare-one cloudflare Помогает агенту проектировать, настраивать и разбирать развёртывания Cloudflare One Zero Trust и SASE. Пригодится, когда нужно спланировать Access, Gateway или туннели без похода в документацию вручную. CX Codex +1 93 100установок cloudflare-one-migrations cloudflare Помогает спланировать переход с VPN, SWG или SASE на Cloudflare One: сопоставляет политики, находит пробелы и расписывает порядок выката. CX Codex +1 89 500установок

Из того же набора143

Весь набор →
cost-estimation Считает будущие траты в Azure и оценивает цену запланированных ресурсов: виртуальных машин, хранилищ, регионов. Пригодится, когда нужно сверить прогноз с плановым бюджетом. ★ 3 149звёзд репо azure-advisor Скилл помогает просматривать рекомендации Azure Advisor и менять их статус. Пригодится для сводок, поиска затронутых ресурсов и проверки вывода сервисов из эксплуатации. ★ 3 149звёзд репо azure-advisor-actionability Скилл превращает рекомендации Azure Advisor в пошаговый план исправления с подставленными значениями ресурсов. Пригодится, когда нужно разобрать замечание Advisor и не гадать, что делать. ★ 3 149звёзд репо aks-network-capture Собирает ограниченные по времени packet capture с узлов AKS и конфигурацию сети Azure, чтобы показать, где именно теряются пакеты. ★ 3 149звёзд репо Project Scaffolder Собирает полный каркас приложения Azure AI Foundry: фронтенд на React, бэкенд на FastAPI, инфраструктуру через azd. Пригодится, когда нужен рабочий проект, а не пустая папка. ★ 3 149звёзд репо Infrastructure Engineer Субагент для работы с инфраструктурой CoreAI DIY: Azure Container Apps, Cosmos DB, Bicep-шаблоны и деплой через azd. Пригодится, когда нужно править infra/main.bicep или разбираться с упавшим деплоем. ★ 3 149звёзд репо azure-advisor Плагин показывает рекомендации Azure Advisor, находит ресурсы под скорое отключение сервисов и готовит план исправлений. Пригодится, когда нужно разобраться, что в подписке требует внимания. ★ 3 149звёзд репо aks-skills Плагин добавляет в Claude Code и GitHub Copilot навыки глубокой диагностики кластеров AKS, захвата сетевых пакетов и отладки инференса на GPU. ★ 3 149звёзд репо

Спонсоры проекта

Компании, которые помогают держать аналитику открытой