kill-engine-skill

name	kill-engine-skill
description	太极平台查杀引擎子skill —— 通过MCP协议管理GPU低利用率等异常任务的查杀规则（增删改查/启停）并查询查杀记录。当用户提及"查杀规则 / kill规则 / 查杀引擎 / 低利用率查杀 / 创建·修改·删除·启停规则 / 查杀记录 / 哪些任务被kill"等关键词时，应使用本skill。
version	1.0.0
author	taiji-team

Kill Engine Skill（查杀引擎）

📂 脚本路径：scripts/connect_mcp.py | scripts/tool_manual.py

0. 边界说明

范围：查杀规则（kill rule）的CRUD/启停 + 查杀记录（kill record）查询。

排除：

• ⚠️ 「给某任务加白、防止被查杀」→ resource-mgmt-skill（create_shared_resources_activity），不在本skill
• 训练任务 → task-skill
• 资源配额 → resource-mgmt-skill

🔧 本模块特有行为规则（以下规则仅对本模块生效，不覆盖 §1 通用规则）：

• 严守 app_group_id/rule_id：用户给了直接用，禁止为校验先查列表。
• 空结果即终态：返回 total=0/items=[] 时如实回答"暂无匹配"，严禁自动扩大时间窗、移除过滤条件或跨模块验证。
• 误入场景：用户转向"任务加白/模型/评测/资源配额"时立即退出。
• 写操作权限：创建/修改/启停/删除需系统管理员或对应应用组管理员权限，权限不足返回 403。
• 写操作复核：提交写操作前向用户复核关键参数（规则名/作用域/触发条件/告警与查杀动作/阈值），得到确认后再调用。用户明确说"直接执行/不需要确认"时视为已确认。
• 写操作危险：delete_shared_killengine_kill_rule 不可恢复——删除前务必二次确认；preset 预设规则后端会拒绝。

---

1. 子 skill conventions（模块执行与全局行为）

会话初始化与热更新

首次加载本 skill 时，先在当前 skill 根目录执行：

python3 ./hot_reload.py

用户明确要求“更新 skill / 拉最新版”时执行：

python3 ./hot_reload.py --force

• 本 skill 被包含在 taiji-basic-platform-skills/ 整包中时，脚本会自动委托 basic 整包更新；不要单独覆盖当前子目录。
• 本 skill 被单独安装时，脚本只检查、下载并覆盖当前 skill；其版本与其他 skill、basic 整包互不影响。
• 若在本地开发未发布改动，先设置 TAIJI_NO_HOT_RELOAD=1，避免自动更新覆盖工作区文件。

1.1 凭证与敏感信息

1. scripts/connect_mcp.py 自动按以下优先级读取太极 PAT Token：环境变量 TAIJI_PAT_TOKEN → ~/.config/taiji/credentials.json。
2. Token 不属于业务参数；不得在工具 JSON 中传递、猜测、回显，或写入文档/日志/代码/命令示例/最终回复。
3. 不得为验证 Token 调用无关工具或执行探活；直接执行用户真正需要的首个业务调用。
4. 首次业务调用返回 NO_TOKEN_CONFIGURED/401/403 或明确凭证失效错误时，才引导用户提供或更新 Token（指引用户打开 https://taiji.woa.com/#/project-list → 工作台 → 右上角企业微信名 → 查看 ApiToken）。
5. 收到 Token 后保存：python3 scripts/connect_mcp.py save-token '<token>'，保存后只重试原请求一次；仍失败则如实报告并停止。网络错误/5xx/超时/响应解析错误不得归因于 Token。

1.2 本模块调用路径

用户 prompt
   ↓
⓪ 先看§0 边界说明——确认请求属于本模块；不属于则立即退出切换
   ↓ 属于本模块
① 查§3快速路由表——命中【流程文档】→ 先完整读该文档再规划；或者命中【工具链路】 → tool_manual.py 批量获取参数细节
   ↓ 未命中
② 语义分析：工具名/参数已确定 → 直接调用；不确定 → scripts/tool_manual.py <tool1> <tool2> ...
   （仅对确定要调用的工具名批量获取，严禁逐个查询）
   ↓
③ ✅ 唯一调用通道：scripts/connect_mcp.py call <tool_name> '<json>'

1. references 分两类，取用方式不同：
   • 流程文档（*_flow.md/*_analysis.md）——§3 命中或语义判定需要时必须先完整阅读该文档再执行，不得仅凭 §3 一行字直接调工具；
   • 工具手册（*_api.md，由 tool_manual.py 按需提取）——只提供单工具参数规则。
2. 工具名或参数有任何不确定时，先基于 §2 用途列和 query 语义确定目标工具名，然后运行 tool_manual.py <tool1> <tool2>——仅对确定要调用的工具名批量获取参数，如果不能精确确认，可以适当多传，但严禁多轮逐个查询。
3. 结果为空、工具返回错误、权限不足、网络失败或超时时，及时停止、如实说明返回信息；不得编造结果、自行暴力搜索、URL、资源状态或成功结论。当工具不支持用户要求的筛选维度或操作时，及时告知用户能力边界，不得通过写脚本、分页遍历客户端过滤等方式绕过。用准确的名称/ID查不到时，直接告知用户找不到，不得换模糊关键词、换工具反复尝试。
4. 页面 URL 只能原样使用工具返回字段；严禁根据 ID、历史格式或推测拼接 URL。
5. MCP 输出截断规则：当输出过长被截断（Output too large）时，严禁再次调用 MCP 工具（如缩小 page_size 重查）。正确的处理方式是：用 Read 工具直接读取提示中指定的缓存文件路径，或使用 grep/head/tail 等轻量命令快速定位内容。MCP 调用昂贵（耗时 + Token），Read 和 grep 几乎零成本。
6. connect_mcp.py 是唯一调用通道：严禁改用 mcporter、裸 curl、use_mcp_tool 或自拼 HTTP；报错时仍用 connect_mcp.py 修正重试，不切换调用方式。

1.3 JSON 输出与结果处理

1. 所有非交互命令默认向 stdout 输出且仅输出一个合法 JSON 值；Agent 直接使用 json.loads(stdout) 解析结果。
2. 列表结果保持接口返回的原始顺序；Markdown 表格结束后必须保留一个空行再输出后续内容。
3. 同参数不重调：同一工具同一组参数不得重复调用；返回体过大被落盘时用 Read/grep 处理已落盘文件，不要重新发起同一调用；分页查询按用户指定页/页数调用一次即止。

1.4 Agent 行为与跨模块边界

1. 业务参数齐备时，Agent 直接执行工具调用并汇报真实结果；不得把命令交给用户自行运行。
2. 仅在缺少工具必填业务字段、当前模块无法确认用户意图、调用失败，或写操作需确认时追问。
3. 不得猜测、补全或批量枚举用户未提供的资源标识（工作空间、任务、应用组、模型、服务、路径、URL）。
4. 严守用户输入的 id/name：当用户提供的 id/name 无法满足预期行为时（如搜索无结果），禁止自行搜索替代项重试；直接告诉用户实际情况。
5. 误入立即退出：进入本模块后，若发现请求核心对象不属于本模块范围，立即切换到正确的子 skill，严禁在本模块内试探性调用。
6. 需要跨模块直调工具时，先用 scripts/tool_manual.py <工具名> 确认该工具在本模块 references 中已声明为 helper，再通过 connect_mcp.py 调用。

1.5 写操作与安全

1. 创建、更新、删除等写操作，必须遵循对应工具手册的前置查询、影响说明和确认要求。
2. 用户未明确目标、范围或影响对象时，不得擅自执行写操作。
3. 写操作成功前不得声称已创建、已更新、已停止或已完成。
4. 工具专属的覆盖语义、read-modify-write、状态限制、二次确认和成功后停止规则保留在对应工具手册，不得被本节覆盖或弱化。

---

2. MCP 工具清单表

写操作标记：✍️。完整参数/返回/SOP 用scripts/tool_manual.py <工具名> 按需获取。

工具	用途	写操作
query_shared_killengine_kill_rules	查询查杀规则列表（按 app_group_id/名称/类型/状态/作用域分页）；过滤：status="enabled"/"disabled"，scope_type="all"/"business_flag"/"business_tag"，task_types=["train"/"inf"]，rule_name 模糊
get_shared_killengine_kill_rule	查询单条规则完整定义（条件/动作/匹配配置）；入参 rule_id
query_shared_killengine_kill_records	查询查杀记录（哪些任务被kill了）；app_group_id后端强制必填，可选start_at/end_at/kill_strategy
create_shared_killengine_kill_rule	创建查杀规则	✍️
update_shared_killengine_kill_rule	修改查杀规则（全量更新生成新版本，改前必须先get取回当前定义）	✍️
set_shared_killengine_kill_rule_status	启用/停用查杀规则	✍️
delete_shared_killengine_kill_rule	删除查杀规则（不可恢复；preset 规则禁删）	✍️

---

3. 快速路由表（多工具流程编排）

💡 涉及多工具的操作，一次用 scripts/tool_manual.py <工具1> <工具2> ... 批量获取多个工具说明，避免多次调用。

场景	流程	流转条件
规则详情/完整配置/第一条规则	① query_shared_killengine_kill_rules（page=1,page_size=1取ID）→② get_shared_killengine_kill_rule(rule_id)	列表返回不代替详情接口
修改规则	① get_shared_killengine_kill_rule（取回当前定义）→ ② 修改字段 → ③ update_shared_killengine_kill_rule（全量提交）	update是全量更新，不取回就改会丢字段
kill_strategy二次过滤	① query_shared_killengine_kill_records（仅app_group_id）→ 取第一条的 kill_strategy → ② 再加 kill_strategy 过滤	第二次不附加额外分页参数
查某任务是否被查杀（给的是任务名非 task_id）	① 回顶层走 task-skill定位精确task_id/instance_id/app_group_id → ② 回本skill query_shared_killengine_kill_records	严禁枚举全部应用组/规则来"猜"
创建→验证→清理闭环	① create（取返回 rule_id）→ ② 后续启停/更新/删除均复用该 rule_id	严禁创建第二条同类规则

---

4. 模块注意事项

4.0 创建规则必要领域知识

创建/修改查杀规则时涉及以下枚举，严禁猜测，不确定先调 info <tool> 确认：

• scope_type：all（全局）/ business_flag（按应用组）/ business_tag（按标签）
• condition_groups 内 metric：gpuUtil / gpuUtilMax / runDuration / gpuNum；operator：> < >= <= =；unit：percent / minute / hour / card；GPU 类可带 duration + duration_unit（minute/hour）
• match_config.on_metric_null：skip（默认）/ skip_and_reset / treat_as_zero
• 写操作需系统管理员或应用组管理员权限，否则 403

⚠️ "任务加白防查杀"→ resource-mgmt-skill；"管理查杀规则/查杀记录"→ 本模块。

4.1 最小参数原则

1. 只传 kill_engine_api.md 明确列出的参数；wsid 不是查杀引擎工具入参，严禁透传。
2. 不要把示例中的 task_types/training_task_subtypes/locations/resource_types/match_config 等当默认值，除非用户明确要求或工具必填。
3. 严禁猜测枚举类参数（scope_type/metric/operator/unit 等必须来自用户明确意图或文档枚举）。

4.2 分页与过滤

1. 分页最小化：不默认使用 page_size=50。普通过滤查询不传分页参数；用户说"前N条/最近N条"时才传 page=1,page_size=N。
2. 过滤条件一次到位：scope_type="all" / status="enabled"/"disabled" / task_types=["inf"/"train"] / rule_name="低利用率" / creator=<用户> 一次传入，不要先无过滤查再过滤验证。
3. 最近记录时间窗：基于当前日期生成合理start_at/end_at，返回空不扩大时间窗。

4.3 写操作单次闭环

1. 创建成功后复用返回的 rule_id 继续操作，严禁再创建第二条同类规则。
2. 创建临时规则时 scope_config 默认只写 values，action_config 默认只写 alarm.enabled 与 kill.enabled；不补任务类型/子类型/地域/资源类型/告警间隔/接收人/match_config。
3. 路径写错时修正路径重试同一步，不改变业务参数。

4.4 错误处理

错误	含义	处理
403	权限不足	提示需系统管理员或应用组管理员
401	Token 失效	引导重新配置
40301	尝试删除 preset 规则	预设规则禁删，如实告知
网络/超时	服务异常	如实告知，不重试写操作