# runai-get-utilization-overview

Скилл runai-get-utilization-overview проверяет, занимают ли проекты и отделы GPU впустую на кластере Run:ai. Классифицирует их по уровню загрузки, считает незанятые GPU и часы простоя, называет праздные рабочие нагрузки.

- 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-get-utilization-overview/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-get-utilization-overview

## Что делает

Скилл отвечает на одно: занимают ли команды выделенные GPU вычислениями или они простаивают. Работает в режиме чтения — только смотрит и докладывает, не трогает рабочие нагрузки, квоты и пулы узлов.

Классифицирует держателей GPU (проекты, отделы, пулы узлов) на три категории по средней и 95-й процентили использования: хорошо загружены, недозагружены или простаивают. За окно времени берёт любой период — по умолчанию семь дней. Когда говоришь про конкретный проект, скилл показывает, какие рабочие нагрузки в нём жрут GPU впустую.

Требует MCP-сервер Run:ai с доступом к метрикам GPU и инвентарю кластера. Если метрики собираются не полностью, держатель будет отмечен как `UNKNOWN`. Не подходит для проверки справедливости квот, здоровья кластера, статуса одной рабочей нагрузки или сравнения разных периодов.

## Установка

### Claude Code (родная платформа)

1. **Через Skills CLI (Vercel)**
```bash
npx skills add NVIDIA/skills --skill runai-get-utilization-overview -a claude-code
```

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

### Codex

1. **Через Skills CLI (Vercel)**
```bash
npx skills add NVIDIA/skills --skill runai-get-utilization-overview -a codex
```

2. **Вручную: положить файлы**
- Файл: `.agents/skills/runai-get-utilization-overview/SKILL.md` — Для всех проектов — ~/.agents/skills/

### Cursor

1. **Через Skills CLI (Vercel)**
```bash
npx skills add NVIDIA/skills --skill runai-get-utilization-overview -a cursor
```

2. **Вручную: положить файлы**
- Файл: `.cursor/skills/runai-get-utilization-overview/SKILL.md` — Cursor читает и .agents/skills/, и .claude/skills/

### GitHub Copilot

1. **GitHub CLI**
```bash
gh skill install NVIDIA/skills skills/runai-get-utilization-overview
```

2. **Вручную: положить файлы**
- Файл: `.github/skills/runai-get-utilization-overview/SKILL.md`

### Gemini CLI

1. **Через Skills CLI (Vercel)**
```bash
npx skills add NVIDIA/skills --skill runai-get-utilization-overview -a gemini-cli
```

2. **Командой платформы**
```bash
gemini skills install https://github.com/NVIDIA/skills --path skills/runai-get-utilization-overview
```

### Windsurf (Devin Desktop)

**Вручную: положить файлы**
- Файл: `.devin/skills/runai-get-utilization-overview/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-get-utilization-overview/SKILL.md

## Когда брать
- найти, какие проекты держат GPU, но их не используют
- показать, сколько GPU-часов пропадает впустую за период
- выяснить, какой пул узлов тратит больше всего GPU без дела
- узнать, какие рабочие нагрузки внутри проекта простаивают
- определить, загружен ли кластер в целом или есть резерв

## Примеры запросов агенту
- Покажи использование GPU по проектам за последнюю неделю на cluster-prod
- Какой отдел держит самые праздные GPU? Сколько их всего за месяц?
- Раскажи про рабочие нагрузки в проекте ml-team — какие из них неутилизированные?

## Похожие
- [huawei-cloud-cce-cluster-management](https://affpapa.org/nevibecode/skills/huawei-cloud-cce-cluster-management.md) — скилл · 293 установки
- [pulumi-overview](https://affpapa.org/nevibecode/skills/pulumi-overview.md) — скилл · 626 установок
- [gke-ai-troubleshooting-node-unresponsive-timeout](https://affpapa.org/nevibecode/skills/gke-ai-troubleshooting-node-unresponsive-timeout.md) — скилл · 810 установок
- [digitalocean-compute](https://affpapa.org/nevibecode/skills/digitalocean-compute.md) — скилл · 435 установок
- [llm-inference-scaling](https://affpapa.org/nevibecode/skills/llm-inference-scaling.md) — скилл · 380 установок
- [gpu-kubernetes-operations](https://affpapa.org/nevibecode/skills/gpu-kubernetes-operations.md) — скилл · 365 установок

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
