# runai-diagnose-failed-workload

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

- скилл · `type=skill` · Claude Code, Codex, Cursor, GitHub Copilot, Gemini CLI, Windsurf (Devin Desktop), Claude.ai · ★ 4106 у репозитория
- Автор: Run:ai
- Лицензия: не указана · policy=link-only · показываем только описание, файл — у автора
- Исходник: https://github.com/NVIDIA/skills/tree/HEAD/skills/runai-diagnose-failed-workload/SKILL.md
- Обновлён: 2026-10-23
- Проверка безопасности: автоматическая, 2026-11-16 (текст) — признаков вредоносного кода не нашли.
- HTML: https://affpapa.org/nevibecode/skills/runai-diagnose-failed-workload

## Что делает

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.

## Установка

### Claude Code (родная платформа)

1. **Через Skills CLI (Vercel)**
```bash
npx skills add NVIDIA/skills --skill runai-diagnose-failed-workload -a claude-code
```

2. **Вручную: положить файлы**
- Файл: `~/.claude/skills/runai-diagnose-failed-workload/SKILL.md` — Папка скилла целиком; для одного проекта — .claude/skills/runai-diagnose-failed-workload/

### Codex

1. **Через Skills CLI (Vercel)**
```bash
npx skills add NVIDIA/skills --skill runai-diagnose-failed-workload -a codex
```

2. **Вручную: положить файлы**
- Файл: `.agents/skills/runai-diagnose-failed-workload/SKILL.md` — Для всех проектов — ~/.agents/skills/

### Cursor

1. **Через Skills CLI (Vercel)**
```bash
npx skills add NVIDIA/skills --skill runai-diagnose-failed-workload -a cursor
```

2. **Вручную: положить файлы**
- Файл: `.cursor/skills/runai-diagnose-failed-workload/SKILL.md` — Cursor читает и .agents/skills/, и .claude/skills/

### GitHub Copilot

1. **GitHub CLI**
```bash
gh skill install NVIDIA/skills skills/runai-diagnose-failed-workload
```

2. **Вручную: положить файлы**
- Файл: `.github/skills/runai-diagnose-failed-workload/SKILL.md`

### Gemini CLI

1. **Через Skills CLI (Vercel)**
```bash
npx skills add NVIDIA/skills --skill runai-diagnose-failed-workload -a gemini-cli
```

2. **Командой платформы**
```bash
gemini skills install https://github.com/NVIDIA/skills --path skills/runai-diagnose-failed-workload
```

### Windsurf (Devin Desktop)

**Вручную: положить файлы**
- Файл: `.devin/skills/runai-diagnose-failed-workload/SKILL.md` — Старый путь .windsurf/skills/ тоже читается

### 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/NVIDIA/skills/tree/HEAD/skills/runai-diagnose-failed-workload/SKILL.md

## Когда брать
- 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`?

## Похожие
- [pulumi-debug-failed-operation](https://affpapa.org/nevibecode/skills/pulumi-debug-failed-operation.md) — скилл · 405 установок
- [gke-workload-security](https://affpapa.org/nevibecode/skills/gke-workload-security.md) — скилл · 5000 установок
- [debug-openshell-cluster](https://affpapa.org/nevibecode/skills/debug-openshell-cluster.md) — скилл · 739 установок
- [crontap-debug-failed-runs](https://affpapa.org/nevibecode/skills/crontap-debug-failed-runs.md) — скилл · 1300 установок
- [diagnose-deployment](https://affpapa.org/nevibecode/skills/diagnose-deployment.md) — скилл · ★ 1167 у репозитория
- [physical-ai-infrastructure-setup-and-resilient-scaling](https://affpapa.org/nevibecode/skills/physical-ai-infrastructure-setup-and-resilient-scaling.md) — скилл · ★ 8052 у репозитория

Из того же набора: [nvidia/skills](https://affpapa.org/nevibecode/by/nvidia/skills.md) — 312 карточек

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