slurm-assistant

name	slurm-assistant
description	Slurm HPC 集群助手，为高校学生/教师定制。支持本地（集群上）和远程（集群外）两种使用模式。 TRIGGER 当用户： - 提到 slurm、sbatch、squeue、scancel、salloc、srun、sinfo 等 Slurm 命令 - 提到 hpc 集群、slurm 集群、超算、计算节点、作业调度系统 - 想要查看分区/节点状态、队列情况、GPU 可用性 - 需要提交/取消/查看作业 - 需要申请交互式资源或运行命令 - 需要生成或修改 slurm 作业脚本 - 需要上传/下载文件到 HPC 集群 - 需要连接公共集群、实例或本地集群节点

Slurm 集群助手

跨平台 Slurm HPC 集群管理工具，采用 server + client + skill 架构。

---

最小执行协议

Step 0：优先使用 Rust

使用：

slurm-client --help

禁止把 Python CLI 当作默认入口。当前 skill 的主链路只应使用 Rust server/client。

若直接执行 slurm-client 出现“找不到命令”，立刻改为显式路径重试（例如 ~/.local/bin/slurm-client），不要继续盲跑后续命令。

Step 1：先看本机 server

每次会话开始先执行：

slurm-client server ensure --json

Step 2：检查连接

slurm-client connection list --json

然后快速检查现有会话（优先复用活跃会话）：

slurm-client session summary --json

分流：

• 没有连接：读 references/workflow_init.md
• 一个连接：直接记录其 connection_id
• 多个连接：按用户意图选 cluster、instance 或 local
• 若存在 resource-node 连接，先查看其 health_state，优先复用 online 状态连接

强制规则（必须遵循）：

• 只要用户提到“贵州大学 / 贵大 / GZU”，必须先读取 references/use_gzu.md
• 未读取 references/use_gzu.md 前，禁止执行实例路径相关的安装、数据读写、软链接命令
• 路径不得猜测，必须按 references/use_gzu.md 的映射表确定

Step 3：按 6 类任务执行

1. 资源查看

slurm-client status --connection <connection_id> --gpu --json
slurm-client find-gpu --connection <connection_id> --json
slurm-client partition-info --connection <connection_id> --json

2. 作业管理

slurm-client jobs --connection <connection_id> --json
slurm-client submit --connection <connection_id> <script> --json
slurm-client log <job_id> --connection <connection_id> --json
slurm-client cancel <job_id> --connection <connection_id> --json
slurm-client alloc --connection <connection_id> -p <partition> --json
slurm-client run --connection <connection_id> <command>... --json

alloc 执行规则（必须遵循）：

• 用户明确要“现在申请/直接申请/申请这张卡”时，必须使用 --execute
• 禁止只返回 salloc 规划命令后让用户手动执行
• 只有在用户明确要求“先看命令不执行”时，才允许不加 --execute
• 用户提到“抢占xx / 抢占显卡 / 抢占 A100”时，默认解释为：alloc --preempt --execute
• --preempt 模式会自动使用 tmux 运行 salloc 并在分配后 sleep infinity 保活，避免会话断开导致资源被释放
• alloc --execute 成功后，client 会自动把分配到的节点登记为 resource_node 连接（jump_host 指向当前集群连接）；--preempt 场景同样适用
• alloc --execute 之前必须先检查“当前是否可满足申请”（GPU/CPU/节点约束）；若不满足，直接报告，不进入排队等待
• 等待必须有限：执行模式下必须带 --wait（未显式传入时使用默认有限等待）
• 默认不指定 --mem 和 --time；只有用户明确提出内存或时长要求时才添加

3. 文件传输

slurm-client upload <local> <remote> --connection <connection_id> --json
slurm-client download <remote> <local> --connection <connection_id> --json

4. 环境配置

• 涉及安装、编译、大下载时，优先引导到计算节点或批处理作业

5. 多连接 / 实例

slurm-client connection list --json

6. 兜底远程命令

slurm-client exec --connection <connection_id> --cmd '<command>' --json

Step 4：安全分流

• A 类：只读/轻量，可直接执行
• B 类：普通写操作，说明后执行
• C 类：高成本操作，不在登录节点直接做
• D 类：危险/破坏性操作，必须先确认

Step 5：输出要求

• 优先给结论和下一步
• 不直接把大段 JSON 原样贴给用户
• 不使用 emoji
• 状态用 [RUNNING]、[PENDING] 这类文字标签

---

不可违背原则

禁止在登录节点直接进行重操作：

• 大规模下载
• 编译大型软件
• 长时间数据处理
• 训练任务
• 高内存占用程序

正确做法：

1. 先 alloc 申请资源，或 submit 提交作业
2. 获得计算资源后再执行重操作
3. 完成后 release 或 cancel

---

多连接管理

连接通过 Rust client 统一管理：

slurm-client connection list --json
slurm-client connection get --id <connection_id> --json
slurm-client connection add --label <label> --kind <kind> --json
slurm-client connection remove --id <connection_id> --json

当存在多个连接时，后续命令必须显式传 --connection <connection_id>。

---

实例连接流程

当用户说“连接实例”“切换到实例”时：

1. 先 connection list --json
2. 如果已有目标实例连接，直接使用它的 connection_id
3. 如果没有，收集 host / port / user
4. 执行：

slurm-client connection add \
  --label "<实例名>" \
  --host "<host>" \
  --port <port> \
  --user "<用户名>" \
  --kind instance \
  --json

5. 用轻量探测验证：

slurm-client exec --connection <connection_id> --cmd 'hostname' --json

若用户场景包含“贵州大学实例”，还必须先做：

1. 读取 references/use_gzu.md
2. 判定实例类型：容器实例(SSH) 或 虚拟机实例(WebDAV)
3. 明确当前会话可用路径映射（个人目录 / 项目目录 / 公共集群目录）
4. 在执行安装、数据操作前，先向用户说明“本次将使用的实际路径”

禁止行为：

• 把 218xx 端口场景直接按公共集群路径处理
• 未判定实例类型就直接使用 /home/share/Official 或 /groups/... 路径

---

贵州大学 HPC 特例

固定连接参数：

• Host：210.40.56.85
• Port：21563

在贵州大学集群上，下载数据集或安装软件前，优先检查公共资源目录，详见 references/gzu_public_resources.md。

额外强制规则：

• 只要用户提到“贵州大学”，必须先读 references/use_gzu.md，再决定命令
• 涉及“实例”时，优先执行“路径映射确认”，再执行任何环境配置命令
• 输出中必须显式给出映射后的关键路径，避免用户误用目录

---

命令速查

类别	命令	详细
server	server status	references/commands.md
连接	connection add/list/get/remove	references/commands.md
状态	status / find-gpu / partition-info / node-info / node-jobs	references/commands.md
作业	alloc / release / run / submit / jobs / log / cancel	references/commands.md
文件	upload / download	references/commands.md
兜底	exec	references/commands.md

---

参考资源

文件	说明
references/minimal_decision_tree.md	最小决策树
references/commands.md	完整命令参考
references/workflow_init.md	首次使用流程
references/workflow_status.md	用户作业与资源状况
references/workflow_job.md	作业流程
references/workflow_file_transfer.md	文件上传下载
references/workflow_local_execution.md	集群本地模式
references/workflow_env_config.md	环境配置
references/gzu_public_resources.md	贵州大学公共资源