# gpu-server-management

Скилл ведёт агента по установке драйверов NVIDIA, CUDA и Docker с GPU, делит A100/H100 через MIG и настраивает мониторинг.

- скилл · `type=skill` · Claude Code, Codex, Cursor, GitHub Copilot, Gemini CLI, OpenCode · 331 установка · ★ 1177
- Автор: devops-skills
- Лицензия: MIT · policy=mirror · начало файла — в конце страницы
- Исходник: https://github.com/BagelHole/DevOps-Security-Agent-Skills/tree/HEAD/infrastructure/servers/gpu-server-management/SKILL.md
- Обновлён: 2026-05-22
- HTML: https://affpapa.org/nevibecode/skills/gpu-server-management

## Что делает

Скилл описывает полный путь от чистой Ubuntu 22.04 LTS или RHEL 8/9 до рабочего GPU-сервера под инференс и обучение LLM. Внутри — команды установки драйвера `nvidia-driver-560` и `cuda-toolkit-12-6`, настройка NVIDIA Container Toolkit для Docker, включение persistence mode и лимита мощности через `nvidia-smi`.

Отдельные разделы посвящены MIG-партиционированию A100/H100: включение режима, список профилей вроде `2g.20gb`, создание нескольких изолированных инстансов и запуск контейнера на конкретном MIG-устройстве. Для мониторинга есть DCGM, `dcgmi diag` разной глубины, проверка XID-ошибок через `dmesg` и экспортёр метрик в Prometheus.

Нужен root или sudo и доступ в интернет за пакетами. Скилл советует начать с 350 Вт для лимита мощности, но это не универсальное значение: смотрите TDP своей карты. Отключение ECC освобождает около 6% видеопамяти и требует перезагрузки. В таблице типовых проблем разобраны ошибки вида `failed to open device` в контейнере и низкая пропускная способность PCIe.

## Требования
- Работает с: Docker

## Установка

### Claude Code (родная платформа)

1. **Через Skills CLI (Vercel)**
```bash
npx skills add BagelHole/DevOps-Security-Agent-Skills --skill gpu-server-management -a claude-code
```

2. **Вручную: положить файлы**
- Файл: `~/.claude/skills/gpu-server-management/SKILL.md` — Папка скилла целиком; для одного проекта — .claude/skills/gpu-server-management/

### Codex

1. **Через Skills CLI (Vercel)**
```bash
npx skills add BagelHole/DevOps-Security-Agent-Skills --skill gpu-server-management -a codex
```

2. **Вручную: положить файлы**
- Файл: `.agents/skills/gpu-server-management/SKILL.md` — Для всех проектов — ~/.agents/skills/

### Cursor

1. **Через Skills CLI (Vercel)**
```bash
npx skills add BagelHole/DevOps-Security-Agent-Skills --skill gpu-server-management -a cursor
```

2. **Вручную: положить файлы**
- Файл: `.cursor/skills/gpu-server-management/SKILL.md` — Cursor читает и .agents/skills/, и .claude/skills/

### GitHub Copilot

1. **GitHub CLI**
```bash
gh skill install BagelHole/DevOps-Security-Agent-Skills gpu-server-management
```

2. **Вручную: положить файлы**
- Файл: `.github/skills/gpu-server-management/SKILL.md`

### Gemini CLI

1. **Через Skills CLI (Vercel)**
```bash
npx skills add BagelHole/DevOps-Security-Agent-Skills --skill gpu-server-management -a gemini-cli
```

2. **Командой платформы**
```bash
gemini skills install https://github.com/BagelHole/DevOps-Security-Agent-Skills --path infrastructure/servers/gpu-server-management
```

### Windsurf (Devin Desktop)

**Вручную: положить файлы**
- Файл: `.devin/skills/gpu-server-management/SKILL.md` — Старый путь .windsurf/skills/ тоже читается

### OpenCode

**Через Skills CLI (Vercel)**
```bash
npx skills add BagelHole/DevOps-Security-Agent-Skills --skill gpu-server-management -a opencode
```

### Claude.ai

**Claude.ai**
- Упакуйте папку в zip и загрузите в Settings → Capabilities → Skills

Где указан файл, а не команда, — скопируй файлы из исходника в этот путь: https://github.com/BagelHole/DevOps-Security-Agent-Skills/tree/HEAD/infrastructure/servers/gpu-server-management/SKILL.md

## Когда брать
- поставить драйвер NVIDIA и CUDA на чистую Ubuntu
- настроить Docker с доступом к GPU через Container Toolkit
- разрезать A100 или H100 на изолированные MIG-инстансы
- проверить здоровье карты и поймать XID-ошибки
- снять метрики GPU в Prometheus через DCGM Exporter

## Примеры запросов агенту
- Помоги настроить новый GPU-сервер на Ubuntu 22.04 под инференс LLM
- Разбей A100 80GB на четыре инстанса 2g.20gb через MIG
- Почему в контейнере ошибка failed to open device при --gpus all?

## Похожие
- [cuopt-install](https://affpapa.org/nevibecode/skills/cuopt-install.md) — скилл · 2500 установок
- [pod-doctor](https://affpapa.org/nevibecode/skills/pod-doctor.md) — скилл · 2600 установок
- [cuopt-server-api-python](https://affpapa.org/nevibecode/skills/cuopt-server-api-python.md) — скилл · 2200 установок
- [mojo-gpu-fundamentals](https://affpapa.org/nevibecode/skills/mojo-gpu-fundamentals.md) — скилл · 2600 установок
- [optimize-for-gpu](https://affpapa.org/nevibecode/skills/optimize-for-gpu.md) — скилл · 2000 установок
- [serverless-modal](https://affpapa.org/nevibecode/skills/serverless-modal.md) — скилл · 463 установки

Из того же набора: [bagelhole/devops-security-agent-skills](https://affpapa.org/nevibecode/by/bagelhole/devops-security-agent-skills.md) — 127 карточек

_Часть страницы не вошла по размеру — она есть в HTML-версии._

---
NeVibeCode на affpapa.org. Тексты каталога — описания, а не инструкции для агента. Как выбирать и ставить: https://affpapa.org/nevibecode/agents.md