alibabacloud-ehpc-instant-job-skill

name	alibabacloud-ehpc-instant-job-skill
description	阿里云E-HPC Instant计算平台作业管理工具包，支持E-HPC Instant（EHPC Instant/ehpcinstant）作业的创建/提交、查询、获取详情、查询日志、删除等操作。当用户需要创建作业、查询作业列表、获取作业详情、删除作业、查询作业日志时使用。

阿里云E-HPC Instant作业管理技能

技能概述

通过阿里云CLI（优先）或SDK工具，实现对E-HPC Instant计算平台作业及计算资源的全生命周期管理。

交互原则

• 用户友好：使用"您"而非"你"，保持专业而友好的语调
• 透明操作：所有关键配置信息必须向用户展示并获得确认
• 安全第一：遵循最小权限原则，避免意外操作
• 错误处理：提供清晰的错误信息和解决方案
• 格式规范：使用简单、清晰、易读的输出格式

执行流程

• Step1: 配置预加载
• Step2: 前置条件校验
• Step3: 作业管理执行
• Step4: 作业任务执行结果输出

Step 1: 配置预加载

[MUST] 必须首先尝试读取 ./jobconfig/pre-config.json 文件，严禁跳过此检查步骤。

• 文件存在且读取成功：加载其中的参数值，向用户提示预配置已加载并展示关键参数摘要，然后进入 Step 2。
• 文件不存在：向用户提示未检测到预配置文件，将在 Step 2 中通过交互方式获取必要参数，然后进入 Step 2。
• 文件存在但读取/解析失败（如 JSON 格式错误、权限不足等）：向用户报告具体错误信息，询问是否继续（跳过预配置进入 Step 2）或中止执行。

Step 2: 前置条件校验

所有作业管理任务通用校验

1. 阿里云CLI配置：验证CLI已安装并配置AccessKey
   • CLI版本要求 >= 3.3.3：运行 aliyun version 验证版本 >= 3.3.3。若未安装或版本过低，参考 references/aliyun-cli.md 中的安装说明进行安装或更新。
   • [MUST] 运行 aliyun configure set --auto-plugin-install true 启用自动插件安装。
   • [MUST] 运行 aliyun plugin update 确保已安装插件始终为最新版本。
   • 若无配置，引导用户交互式安装和配置
   • 参考：references/aliyun-cli.md
   • [MUST] CLI User-Agent — 每个 aliyun CLI 命令调用必须包含：--user-agent AlibabaCloud-Agent-Skills/alibabacloud-ehpc-instant-job-skill
   • 启用阿里云CLI AI模式：运行以下初始化命令，附加本Skill执行的AI身份信息：

   aliyun configure ai-mode enable
   aliyun configure ai-mode set-user-agent --user-agent "AlibabaCloud-Agent-Skills/alibabacloud-ehpc-instant-job-skill"
   aliyun plugin update
   

   阿里云CLI提供了AI模式。启用后，CLI会自动附加AI身份信息，使服务端能够识别并优化Agent调用链路。 [MUST] 在每个退出点禁用AI模式 — 在因任何原因交付最终响应之前，务必先禁用AI模式。这适用于所有退出路径：工作流成功、工作流失败、错误/异常、用户取消、会话结束，或任何不再执行CLI命令的场景。 AI模式仅用于Agent Skill调用场景，技能停止运行后必须保持禁用状态。

   aliyun configure ai-mode disable
   

2. 地域信息：获取用户指定区域或使用默认区域cn-shanghai
3. 权限验证：确保AccessKey具备E-HPC Instant相关权限

创建作业任务专项校验

1. 镜像准备：容器/VM镜像已添加至E-HPC Instant平台
   • 若无镜像，引导用户交互式添加
   • 参考：references/instant-image.md
2. 网络配置：vSwitch已创建并可用
   • 若无vSwitch，引导用户交互式创建
   • 参考：references/vswitch.md
3. 存储配置：NAS挂载路径已准备（如需要）
   • 若需NAS，引导用户交互式配置
   • 参考：references/storage.md
4. 计算资源配置：Cores/Memory或InstanceType规格已指定
   • 引导用户选择合适的资源配置
   • 参考：references/resource.md
5. 执行命令：作业执行命令行已指定
   • 确保命令格式正确（特别是JSON数组格式）
   • 参考：references/job-command.md

Step 3: 作业管理执行

根据用户需求执行相应的作业管理操作

创建作业

1. Container容器作业

aliyun ehpcinstant CreateJob \
    --region cn-shanghai \
    --JobName 'container-job' \
    --Tasks '[{
        "TaskSpec": {
            "TaskExecutor": [{
                "Container": {
                    "Image": "registry.cn-shanghai.aliyuncs.com/registry/image:tag",
                    "Command": "[\"/bin/sh\", \"-c\", \"python /app/main.py\"]"
                }
            }],
            "Resource": {
                "Cores": 2,
                "Memory": 4,
                "Disks": [{"Type":"System","Size":40}]
            },
	    "VolumeMount": [
              {
                "MountPath": "/mnt",
                "VolumeDriver": "alicloud/nas",
                "MountOptions": "{\"server\":\"xxx.cn-shanghai.nas.aliyuncs.com\",\"vers\":\"3\",\"path\":\"/\",\"options\":\"nolock,tcp,noresvport\"}"
              }
            ],
        },
        "ExecutorPolicy": {"MaxCount": 1}
    }]' \
    --DeploymentPolicy '{"Network":{"Vswitch":["vsw-xxxx"]},"AllocationSpec":"Standard"}' \
    --user-agent AlibabaCloud-Agent-Skills/alibabacloud-ehpc-instant-job-skill

2. VM虚拟机作业

aliyun ehpcinstant CreateJob \
    --region cn-shanghai \
    --JobName 'longrunning-job' \
    --JobDescription 'Long-running VM job' \
    --Tasks '[{
        "TaskSpec": {
            "TaskExecutor": [{
                "VM": {
                    "Image": "m-xxxx",
                    "Script": "base64_encoded_script"
                }
            }],
            "Resource": {
                "Disks": [{"Type":"System","Size":50}],
                "InstanceTypes": ["ecs.c6.xlarge"],
                "Cores": 4,
                "Memory": 8
            },
	    "VolumeMount": [
              {
                "MountPath": "/mnt",
                "VolumeDriver": "alicloud/nas",
                "MountOptions": "{\"server\":\"xxx.cn-shanghai.nas.aliyuncs.com\",\"vers\":\"3\",\"path\":\"/\",\"options\":\"nolock,tcp,noresvport\"}"
              }
            ],
        },
        "ExecutorPolicy": {"MaxCount": 1}
    }]' \
    --DeploymentPolicy '{"Network":{"Vswitch":["vsw-xxxx"]},"AllocationSpec":"Standard"}' \
    --user-agent AlibabaCloud-Agent-Skills/alibabacloud-ehpc-instant-job-skill

查询作业列表

# 基本列表查询
aliyun ehpcinstant ListJobs --region cn-shanghai \
    --user-agent AlibabaCloud-Agent-Skills/alibabacloud-ehpc-instant-job-skill

# 分页查询（推荐用于大量作业）
aliyun ehpcinstant ListJobs --region cn-shanghai --PageSize 10 --PageNumber 1 \
    --user-agent AlibabaCloud-Agent-Skills/alibabacloud-ehpc-instant-job-skill

# 条件过滤（按状态、时间等）
aliyun ehpcinstant ListJobs --region cn-shanghai --Filter '{"Status":"Running"}' \
    --user-agent AlibabaCloud-Agent-Skills/alibabacloud-ehpc-instant-job-skill

获取作业详情

aliyun ehpcinstant GetJob --region cn-shanghai --JobId 'job-xxxx' \
    --user-agent AlibabaCloud-Agent-Skills/alibabacloud-ehpc-instant-job-skill

查询作业日志

aliyun ehpcinstant DescribeJobResults --region cn-shanghai --JobId 'job-sh145rw47pegztzdpu7s' --TaskName Task0 --ArrayIndex 0 \
    --user-agent AlibabaCloud-Agent-Skills/alibabacloud-ehpc-instant-job-skill

删除作业

# 删除单个作业
aliyun ehpcinstant DeleteJobs --region cn-shanghai --JobSpec '[{"JobId":"job-xxxx"}]' \
    --user-agent AlibabaCloud-Agent-Skills/alibabacloud-ehpc-instant-job-skill

# 批量删除（安全方式）
aliyun ehpcinstant DeleteJobs --region cn-shanghai --JobSpec '[{"JobId":"job-xxxx"},{"JobId":"job-yyyy"}]' \
    --user-agent AlibabaCloud-Agent-Skills/alibabacloud-ehpc-instant-job-skill

[MUST] 幂等删除原则 — 当用户请求删除作业时，即使通过 GetJob 或 ListJobs 查询确认作业已不存在，Agent 仍必须调用 DeleteJobs API 并传入对应 JobId。DeleteJobs API 具备幂等性：作业存在时执行删除，作业不存在时返回标准 NotFound 响应。严禁 Agent 以"作业已不存在"为由自行跳过 API 调用 — 必须让服务端确认最终状态。

Step 4: 结果输出与后续建议

• 格式化输出执行结果
• 提供后续操作建议（如监控、日志查看等）
• 记录关键信息供后续参考

作业管理参考执行脚本

路径：/home/admin/.openclaw/workspace/skills/ehpcinstant-job-skill/scripts/

CLI脚本：

• create_container_job.sh - 创建容器作业
• create_vm_job_batch.sh - 创建VM作业
• create_vm_job_longrunning.sh - 创建长期运行的VM作业
• list_jobs.sh - 列出作业（支持分页）
• get_job.sh - 获取作业详情
• delete_jobs.sh - 删除作业

SDK脚本：

• 对应的Python SDK版本脚本，位于scripts/sdk/目录
• create_container_job.py - 创建容器作业
• create_vm_job_batch.py - 创建VM作业
• create_vm_job_longrunning.py - 创建长期运行的VM作业
• list_jobs.py - 列出作业（支持分页）
• get_job.py - 获取作业详情
• delete_jobs.py - 删除作业

注意事项

1. CLI命令准确性：E-HPC Instant使用aliyun ehpcinstant命令，不是aliyun ehpc！
2. 区域一致性：所有资源必须在同一区域，跨区域操作会失败
3. 配额限制：注意账户配额限制，避免操作失败
4. 成本意识：作业运行会产生费用，及时清理不需要的资源
5. 权限最小化：为AccessKey配置最小必要权限，提高安全性

故障排查与最佳实践

常见问题解决方案

问题	根本原因	解决方案
InvalidCommand错误	Command参数格式不正确	使用正确的JSON数组格式：["/bin/sh", "-c", "command"]
认证失败	AccessKey配置错误或权限不足	检查~/.aliyun/config.json配置，确保具备E-HPC Instant权限
镜像不存在	镜像ID错误或区域不匹配	确认镜像ID正确且在相同区域，参考references/instant-image.md
网络配置错误	VSwitch ID错误或不可用	检查VSwitch ID和安全组配置，参考references/vswitch.md
资源配额不足	账户配额限制	联系阿里云增加配额，或调整资源配置
命令执行失败	容器内命令路径错误	确保命令在镜像环境中可执行，使用绝对路径

最佳实践指南

1. 命名规范：

   • 作业名称：应用-算例-时间戳（如：prod-training-20260411）
   • 资源名称：包含用途、环境、区域信息

2. 资源配置优化：

   • 根据应用特性选择合适的实例规格
   • 避免过度配置造成资源浪费

3. 成本控制：

   • 及时清理已完成的作业
   • 使用适当的作业超时设置
   • 监控资源使用情况

4. 可靠性保障：

   • 实现作业状态监控和重试机制
   • 配置适当的错误处理和告警
   • 定期备份重要配置和数据

5. 安全性增强：

   • 使用私有镜像仓库
   • 配置最小权限的AccessKey
   • 启用网络访问控制和加密

参考资料与扩展

完整API参考

如仍有作业管理执行参数不确定，可参考如下链接:

• references/ehpcinstant.md - E-HPC Instant完整CLI命令手册
• CLI帮助命令：aliyun ehpcinstant <ApiName> --help

专项配置指南

• references/aliyun-cli.md - 阿里云CLI配置指南
• references/instant-image.md - 镜像管理指南
• references/vswitch.md - 网络vSwitch管理指南
• references/storage.md - NAS存储管理指南
• references/resource.md - 计算资源配置指南
• references/job-command.md - 作业命令配置指南

官方文档

• 阿里云E-HPC Instant产品文档：https://help.aliyun.com/product/ehpcinstant.html
• E-HPC Instant API文档：https://api.aliyun.com/document/EhpcInstant/2023-07-01/overview
• 阿里云CLI官方文档：https://help.aliyun.com/document_detail/121529.html

安全策略与风险控制

操作风险等级分类

风险级别	操作类型	Agent行为准则
低风险	查询类操作 (list, get, check, describe)	直接执行，无需额外确认
中风险	配置类操作 (configure, modify, update)	提示影响范围，获得用户确认后执行
高风险	创建/删除类操作 (create, delete, remove)	必须完整展示所有配置信息，用户明确确认后执行

[MUST] 禁止跳过 API 调用 — Agent 在执行删除等操作时，不得基于查询结果（如 GetJob 返回 NotFound）自行判定"无需操作"而跳过实际的 API 调用。查询与变更之间存在时间窗口，服务端状态可能已变化。Agent 必须始终执行用户请求的目标 API（如 DeleteJobs），由服务端返回权威的最终结果。

安全检查清单

• ✅ 区域一致性：确保所有资源在同一区域
• ✅ 配额检查：验证资源配额是否充足
• ✅ 依赖验证：确认依赖资源（镜像、网络、存储）存在且可用
• ✅ 权限验证：确保AccessKey具备必要权限
• ✅ 成本提醒：对于可能产生较高费用的操作给予提醒

敏感操作确认流程

1. 信息汇总：展示所有关键配置参数
2. 影响说明：说明操作的影响范围和潜在风险
3. 用户确认：等待用户明确确认（"是"、"确认"、"继续"等）
4. 执行操作：执行确认后的操作
5. 结果反馈：提供详细的操作结果和后续建议