К основному содержанию
скилл CX Codex

runai-diagnose-failed-workload — скилл для Claude Code

Скилл runai-diagnose-failed-workload разбирает причины падений, нехватки памяти OOMKilled и ошибок запуска контейнеров в Run:ai без вмешательства в кластер.

лицензия не указана ★ 4 106 обновлён 2026-10-23

Установить в Claude Code · Через Skills CLI (Vercel) Все способы и платформы ↓
npx skills add NVIDIA/skills --skill runai-diagnose-failed-workload -a claude-code
Открыть на GitHub

Что делает runai-diagnose-failed-workload

Скилл проводит расследование сбоев в отдельных ворклоадах Run:ai. Он проверяет состояния вроде CrashLoopBackOff, ImagePullBackOff, ошибки монтирования томов и сбои инициализирующих контейнеров. Работа строится исключительно в режиме чтения: модель собирает спецификации, метрики и историю подов, но никогда не перезапускает и не модифицирует ресурсы кластера.

Анализ разбит на уровни доступа. Для базовой диагностики обязателен Tier 1 — MCP-подключение с сервисным аккаунтом для чтения статусов и логов Run:ai. Если стандартных сигналов не хватает или требуется проверить падение узла, подключается Tier 2 с правами kubectl для изучения событий и логов предыдущих запусков.

Для запуска расследования всегда нужен идентификатор кластера cluster_id. Ворклоад вычисляется по точному UUID либо по связке имени и проекта. Задачи в штатном статусе Completed, приостановленные или вытесненные планировщиком задания скилл не обрабатывает.

Какие задачи решает

  • классифицировать причину аварийного завершения или статус CrashLoopBackOff
  • выявить нехватку памяти по признакам OOMKilled с кодом 137
  • проверить ошибки скачивания образов и монтирования PVC
  • разграничить программный сбой приложения и падение самого узла

Примеры запросов агенту

  • Выясни, почему упал ворклоад в кластере cluster-a с ID w-12345
  • Проверь причину CrashLoopBackOff для джобы train-resnet в проекте cv-team на кластере prod-k8s
  • Почему остановилась задача bert-eval в проекте nlp на кластере gpu-cluster за последние 12h?

Как установить runai-diagnose-failed-workload

1Через Skills CLI (Vercel)

npx skills add NVIDIA/skills --skill runai-diagnose-failed-workload -a claude-code

2Вручную: положить файлы

~/.claude/skills/runai-diagnose-failed-workload/SKILL.md

Папка скилла целиком; для одного проекта — .claude/skills/runai-diagnose-failed-workload/

По шагам, с командами для каждой платформы: Как установить скилл в Claude Code: пять способов

Вопросы о runai-diagnose-failed-workload

Как установить runai-diagnose-failed-workload в Claude Code?

Выполните команду npx skills add NVIDIA/skills --skill runai-diagnose-failed-workload -a claude-code. Файл скилла будет сохранён в ~/.claude/skills/runai-diagnose-failed-workload/SKILL.md.

Что делает этот скилл?

Он запрашивает события, спецификации и метрики сбойного ворклоада в Run:ai, классифицирует причину падения по системной таксономии и выдаёт рекомендации без изменения конфигураций.

Какие доступы требуются для работы диагностики?

Обязателен доступ через MCP с сервисным аккаунтом для чтения данных Run:ai. Опционально требуются права на чтение в Kubernetes для команд kubectl describe pod, kubectl get events и чтения истории контейнеров.

Похожие скиллы

Все скиллы по теме «ИИ и ML» →
pulumi-debug-failed-operation pulumi Скилл pulumi-debug-failed-operation читает запись об упавшем pulumi up или pulumi preview, находит причину и подсказывает, где её править. CX Codex +1 405установок gke-workload-security официальный google Скилл gke-workload-security для Claude Code, Gemini CLI и Codex помогает настроить безопасность приложений в GKE. Проводит аудит кластера и изолирует поды через gVisor и сетевые политики. CX Codex +1 5 000установок debug-openshell-cluster NVIDIA Скилл debug-openshell-cluster помогает диагностировать сбои шлюза OpenShell, проблемы со средами Docker, Podman и Kubernetes, а также ошибки запуска песочниц. CX Codex +1 739установок crontap-debug-failed-runs Crontap Скилл crontap-debug-failed-runs для Claude Code и Codex. Анализирует неудачные запуски расписаний Crontap по конфигурации и истории выполнения, диагностирует сбои HTTP-задач по ошибкам, таймаутам и сетевым проблемам. CX Codex +1 1 300установок diagnose-deployment Microsoft Скилл diagnose-deployment для Claude Code ищет ошибки загрузки Power Pages и импорта решений в Dataverse. Запускается по просьбе разобраться с неудачным деплоем или исправить найденные проблемы. CX Codex +1 ★ 1 167звёзд репо physical-ai-infrastructure-setup-and-resilient-scaling официальный NVIDIA Physical AI Скилл physical-ai-infrastructure-setup-and-resilient-scaling помогает настроить и проверять NVIDIA Physical AI для генерации синтетических данных на MicroK8s или Azure AKS, развернуть OSMO и восстановить инфраструктуру после сбоев. CX Codex GP ChatGPT +1 ★ 8 052звёзд репо

Из того же набора312

Весь набор →
doca-telemetry Скилл для чтения аппаратных счётчиков DOCA с BlueField DPU или ConnectX NIC через библиотеки doca_telemetry_pcc, doca_telemetry_dpa, doca_telemetry_diag и других. CX Codex +1 ★ 4 106звёзд репо nvshmem-configure-nic-pe-mapping Скилл nvshmem-configure-nic-pe-mapping подбирает привязку сетевых адаптеров к процессам NVSHMEM и готовит переменные окружения по топологии узла. CX Codex +1 ★ 4 106звёзд репо i4h-workflow-train-rl Скилл i4h-workflow-train-rl ведёт обучение, оценку и экспорт RL-политик для Workflow. Он пригодится при работе с профилями RSL-RL или RLinf и передаче готовой политики в Workflow. CX Codex +1 ★ 4 106звёзд репо doca-pipeline-language-developer-tools Скилл doca-pipeline-language-developer-tools направляет агента по инструментам отладки DOCA Pipeline Language на BlueField DPU: DPL Nspect, DPL Debugger, DPL Admin, P4 Runtime Shell и DPL Runtime Controller SDK. CX Codex +1 ★ 4 106звёзд репо doca-upgrade Скилл doca-upgrade проверяет установленную версию DOCA, показывает разницу с целевой и ждёт явного подтверждения перед обновлением. Он также помогает с откатом и восстановлением после прерванного обновления. CX Codex +1 ★ 4 106звёзд репо doca-telemetry-utils Запускает doca_telemetry_utils на хосте с DOCA и помогает отследить, куда исчезают метрики телеметрии между экспортером и коллектором. CX Codex +1 ★ 4 106звёзд репо doca-socket-relay Скилл помогает пробросить сокеты приложений с хоста на BlueField DPU через DOCA Socket Relay без переписывания кода. CX Codex +1 ★ 4 106звёзд репо nvshmem-troubleshoot-and-report-bugs Скилл nvshmem-troubleshoot-and-report-bugs помогает разбирать сбои NVSHMEM по выводу всех PE и готовить текст отчёта об ошибке. Запрос на диагностику сам по себе не разрешает менять состояние системы. CX Codex +1 ★ 4 106звёзд репо

Спонсоры проекта

Компании, которые помогают держать аналитику открытой