taiji-basic-platform-skills

name	taiji-basic-platform-skills
description	太极混元一站式平台专门为LLM设计的 MCP Skill —— 通过 MCP 协议与太极平台后端交互，提供 AI 全链路能力的查询与操作。当用户提及太极、模型训练、数据转换、评估评测、任务状态、部署模型、模型推理等关键词时，应首选本 Skill 执行。
version	6.0.0
author	taiji-team

Taiji Basic Platform Skills（聚合 skill）

太极平台专门为大语言模型设计的 MCP Skill —— 由多个独立子 skill 组成的 skill set。每个子 skill 自带 scripts/connect_mcp.py + scripts/tool_manual.py + references/，可单独下载使用，也可作为本聚合 skill 的一部分被路由加载。

顶层仅做「prompt → 子 skill」路由，不直接暴露业务工具；各 sub-skills/*-skill/ 为独立子 skill（含 SKILL.md + references/ + scripts/，可单独下载），工具精确名/参数都在子 skill 的 references/*_api.md，按需用子 skill 内的 tool_manual.py 提取。子 skill 间互不依赖，各自 SKILL.md §1 自包含全部执行规则。

⚠️ 路由决策（最高优先级，做任何操作前必读）

收到用户请求后，在加载任何子 skill 之前，必须先按以下顺序做路由决策：

1. 核对「路由红线」（见下方）→ 命中则直接进入指定子 skill
2. 核对「歧义词消歧表」→ 命中则先追问澄清
3. 查「子 skill 路由表」→ 命中唯一子 skill 则进入

严禁跳过路由决策直接读取子 skill 的 SKILL.md。

---

会话初始化与热更新

每次会话首次加载时，执行当前安装根目录的热更新脚本：

python3 ./hot_reload.py

用户明确说“更新 skill / 拉最新版”时，执行：

python3 ./hot_reload.py --force

热更新目标由安装位置决定，不要手工改为更新另一个 skill：

• 在 taiji-basic-platform-skills/ 整包中运行任一子 skill 的 connect_mcp.py 或 hot_reload.py 时，自动更新整个 taiji-basic-platform-skills 整包。
• 单独安装 task-skill/、model-manage-skill/ 等目录时，更新该独立 skill 本身；不同独立 skill 的版本、TTL 和状态互不共享。
• 客户端按 skill_key 调用热更新接口；basic 整包与各独立子 skill 可以有不同 current 版本，整包内的文件快照不会自动追随独立子 skill 的发布。

Telemetry 首次授权（必须先判断当前 Agent，禁止提前执行 setup）

每个会话首次加载本 skill 时，先在本 skill 根目录执行只读的当前 Agent 支持检查：

python3 telemetry/setup.py --current-agent-support-status

按输出处理：

• unsupported：当前运行本 Skill 的 Agent 不在支持范围内；不得展示 Telemetry 授权文案，不得执行任何其他 telemetry/setup.py 命令，不得创建或修改 Telemetry 状态文件，直接继续用户任务。

• supported:<variant>：再执行以下只读状态检查：

  python3 telemetry/setup.py --consent-status
  

  并按输出处理：

  • accepted：不再询问；先执行 python3 telemetry/setup.py --ensure-current-agent，再继续用户任务。该命令只检查当前 Skill 所在 Agent 的 hook；该 Agent 首次使用或该 Agent 的 24 小时 ensure stamp 过期时才会实际检查/补齐，其他情况直接退出。若当前 Agent 是新注册 hook，hook 通常从其下一次新 session 起生效。
  • declined：不再询问，继续用户任务。
  • undecided：必须先向用户完整展示以下固定文案，等待用户明确选择；不得提前执行 setup。

固定确认文案：

是否同意太极Skill收集调用所必需的运行信息？ 【是/同意】【否/不同意】

用户明确回复“是”或“同意”后，执行：

python3 telemetry/setup.py

用户明确回复“否”或“不同意”后，执行：

python3 telemetry/setup.py --decline

用户回复含糊、未选择或转移话题时，不得执行 setup。--decline 只记录拒绝状态，不注册或修改任何 Agent hook。

🛠️ 给 Skill 开发者（非 Agent 运行时）：本地改 SKILL.md / references/ 后测未发布改动时，请设 export TAIJI_NO_HOT_RELOAD=1（或改完立刻 commit），否则 connect_mcp.py 可能按 TTL 热更新 ZIP 覆盖本地未提交改动。合入 MR 默认目标分支为 foundation_model_pre。详见 taiji-dev-rules 仓库 skills/taiji_official_skills_dev_rules.md。

---

##顶层 conventions（路由与全局行为）

本节只管路由决策和跨模块协作——进入子模块后以子模块「子 skill conventions」为唯一执行行为依据。凭证、JSON 输出、写操作安全等执行规则已在各子 skill §1 自包含，顶层不再重复。

1. 路由流程

用户 prompt
   ↓
① 意图清晰度判定：用户意图是否足够明确？
   - 命中「歧义词消歧表」→ 先追问澄清，拿到明确意图后继续
   - 意图模糊但未命中歧义表 → 追问用户补充关键信息
   ↓ 意图已明确
② 逐条核对「路由红线」→ 命中直接路由，不查其他表
   ↓ 未命中
③ 查「子 skill 路由表」+「路由表补充规则」→ 命中唯一子 skill → 进入
   ↓
④ 进入子 skill 后，按其调用路径执行

1. 每个新用户请求都重新路由；不得因上一轮进入某子模块而沿用。
2. 意图不清时必须先追问澄清；不得在意图未明确时盲目调用多个模块工具。
3. 进入子模块后，子模块的边界说明、工具选择和写操作确认优先于顶层候选路由。

2. 跨模块协作

1. 跨模块请求先规划所需模块及每步要获取的标识；未声明为当前模块 helper 的前置模块，只执行取标识所必需的只读查询，完成后立即切换目标模块。
2. 路由表不用于故障逃生：路由表仅用于用户主动发起新请求时的模块切换。子 skill 内工具报错时，先按该子 skill 的错误处理修正或如实报告，不得借"重新路由"之名擅自换模块工具绕错。
3. 当前子模块 helper_api.md 明确声明工具、参数、返回字段和使用边界时，可直调该跨模块工具。写操作 helper 还须写明前置查询、影响说明、确认要求；工具未声明或信息不完整时必须重新路由。

3. 反幻觉与即时反馈（最高优先级）

1. 禁止编造数据：用户要求查询、操作、分析实际平台资源时，必须通过 MCP 工具获取真实结果。
2. 即时反馈问题：用户指定的 ID、名称等资源不存在或无法操作时，立即将错误信息反馈给用户，不要自己换条件反复搜索。

---

歧义词消歧表（命中即追问，确认意图后再路由）

🚨 当用户输入命中下表任一关键词时，严禁直接调用 MCP 工具，必须先按"必须追问或路由"列向用户确认意图，确认后再走下方「子 skill 路由表」。

用户表述	可能意图	必须追问或路由
上班车 / 数据班车 / 后训练班车 / 上到班车	① 后训练上班车（→ posttrain-data-skill） ② 预训练融合任务（→ data-processing-skill）	"您是想：① 把 Topic 数据版本加入后训练数据班车 ② 查询预训练融合任务（shuttle-task）进度？"
建数据 / 注册数据 / 登记数据 / 新建一份数据	① 后训练数据版本（→ posttrain-data-skill） ② 数据搬迁拷贝（→ data-processing-skill） ③ SFT 转 bin（→ data-processing-skill）	"您是想：① 把已有 JSONL 注册到后训练数据管理 ② 把数据从一个路径搬到另一个路径 ③ 把 SFT 数据转成 bin 文件给训练用？"
建 topic / 建主题 / 新建 topic	① 后训练 Topic（→ posttrain-data-skill） ② 预训练 Topic（→ data-processing-skill） ③ Kafka/MQ topic（本 Skill 不支持）	"您说的 topic 是后训练数据管理的 Topic、预训练数据资产登记的 Topic，还是 Kafka/MQ topic 之类的其他系统主题？"
建数据集 / 新建数据集	① 后训练数据集（→ posttrain-data-skill） ② 预训练数据集（→ data-processing-skill） ③ 评测数据集（→ evaluation-skill）	"您说的数据集是后训练用、预训练用，还是评测用？"
基础测试 / 链路评估 / 工程链路评估 / 一键测试	① ADT 模型基础测试（→ adt-test-skill：乱码/重复/截断/接口检测） ② 模型评测任务（→ evaluation-skill）	"您是想做：① ADT 模型基础测试（乱码/重复/截断/接口四项基础能力检测）② 还是模型评测任务（评测集得分/Insight）？"
下载 / 导出 数据（评测/质检上下文）	① 文件存储（ceph / nitrofs(hifs)）数据导出（→ data-processing-skill） ② 质检不合格数据（→ posttrain-data-skill） ③ 评测 Insight / Case 导出（→ evaluation-skill）	"您要下载的是：① 文件存储（ceph / nitrofs(hifs)）上的数据 ② 质检发现的不合格数据 ③ 评测 Insight / 评估明细？"
任务状态 / 任务进度（无 task_id 前缀线索）	① 训练任务（→ task-skill） ② 模型格式转换（→ model-convert-skill，同为 finetuning_* 前缀） ③ 其他业务类任务：SFT 转 bin / 数据导出 / 评测 / 质检 等	"请提供 task_id 全名，或告诉我是哪类任务（自定义训练 / 模版化训练 / 模型开发 / 模型转换 / 转 bin / 数据导出 / 评测 / 质检 / 后训练数据管理）。"
有哪些训练任务 / 在跑的训练任务 / 运行中的训练任务（给了 wsid 但没说类别）	① 模版化训练 ② 自定义训练 ③ 模型开发 ④ 全部	"请问您想查哪类训练任务：模版化训练 / 自定义训练 / 模型开发 / 全部？" 。

⛔ 平台不支持项（直接告知用户，不追问不尝试）：

• 非标准太极链接（非 https://taiji.woa.com/... 或 https://hunyuanaide.taiji.woa.com/...）：要求提供标准链接或 task_id/服务名，禁止解码或调用工具搜索。
• 按 polaris 注册地址精确过滤/统计服务数量：直接说明不支持，给出替代过滤项，禁止分页扫描。

💡 歧义词命中后的执行顺序：先追问 → 用户确认意图 → 查「子 skill 路由表」找到目标子 skill → 进入子 skill 后以其「子 skill conventions」为准。

---

路由红线（最高优先级，先于路由表/其他所有规则）

以下是平台中最易混淆的模块边界。进入任何子 skill 前，先逐条核对用户意图是否命中红线；命中的 query 直接路由：

#	用户意图特征	必须直达
1	"预训练融合任务 / shuttle / 融合 Pipeline + 到哪一步/产物路径/进度"（如"融合任务 500 到哪一步"）	data-processing-skill
2	"预训练转 bin / SFT 转 bin / bin 合并任务 + 列表/状态/进度/重试"（如"预训练转bin的任务列表前10条"、"bin 合并任务 15 重试"）	data-processing-skill
3	"数据导出 / 拷贝 / 搬运 / 外租卡 / CUDOFS / 合并任务 + 纯数字 task_id"（如 2001、106、15）	data-processing-skill
4	"tokenizer / 分支 / 模型系列 / 训练阶段 / master / hy_3 / train_stage / branch"	data-processing-skill（tokenizer 三级级联枚举）
5	"应用组 + 可选择/有哪些/可选/列表" 且上下文含 预训练/parquet/转 bin	data-processing-skill
6	"应用组 + HDFS 集群/配额"	data-processing-skill
7	"评测版本 / 评估版本 + 列表/副本"	evaluation-skill（Arena 即评测版本，非 exercise_version）
8	"分析评测任务结果 / 各评测集得分 / 题目结果 / 评测进展"	evaluation-skill
9	"底线问题/复读乱码/错误归因/下钻/WildClaw/agent 轨迹/langfuse/开源 metric 改写"	evaluation-skill（对应分析流程文档）
10	"拷贝失败 / 重新拷贝 / 拷贝到+地域"（模型地域拷贝语义）	model-manage-skill
11	"质检 / 底线质检 / 质检 N / inspection N"（数据上下文）	posttrain-data-skill
12	"拷贝/复制/搬迁/分发"+数据路径（无模型地域语义）	data-processing-skill
13	"指标/loss/grad_norm"（未明确说 SwanLab 空间/项目）	metric-skill
14	URL 含 instance_new 或 instance? + name=（推理服务实例）	service-deploy-skill
15	URL 含 instId= 参数（训练实例）	instance-skill
16	"上传分析文件/深度分析结果/上传评测分析"（"上传" + "分析/评测" 语义）	evaluation-skill
17	（用户给出 task_record_id + 数字，问"转换/发布/进度"）

判不定边界时：先看下面的「歧义词消歧表」「子 skill 路由表」两节查证，再进入子 skill；不要仅凭子 skill 名称/描述的第一印象选择。

---

子 skill 路由表

子skill	入口	覆盖范围与触发词
工作空间	workspace-skill	工作空间、wsid、空间列表、空间用户组
训练任务	task-skill	basic_train_*（自定义训练/模型开发）+ finetuning_*（模版化训练）：列表/详情/启停/配置/产出(ckpt)/克隆/分享/异常事件（Pod/实例/日志见 instance-skill）
训练指标	metric-skill	loss / grad_norm、聚合统计、趋势图、tf_events、通过 task_id 查 SwanLab 自定义指标
SwanLab 实验管理	swanlab-skill	直接操作 SwanLab 空间/项目/实验/run 指标/日志/媒体（需 swanlab_api_key）
模型评测	evaluation-skill	评测结果/得分/CRUD/Insight & Case 导出/上传分析文件/结果/新建评估版本(Arena)/发布集合版本/上线集合版本/下线集合版本/错误归因/底线问题检测/伴生评估配置/开源 Metric 改写。⚠️ "上传深度分析/分析文件" → evaluation-skill，不是 storage/data-processing
模型管理	model-manage-skill	模型搜索/详情/发布/地域/权限/克隆/预热/平台枚举 + task_record_id / model release 状态 / 发布进度查询
服务部署	service-deploy-skill	模型服务 + 服务组 + 变更任务 + 实例日志 + 推理服务实例（Pod）执行命令（仅测试服务）+ 大模型对话（OpenAI 兼容）。URL 含 instance_new?name= → 推理服务
资源管理	resource-mgmt-skill	应用组/资源配额/卡时/GPU 利用率/MFU/集群资源/任务加白/资源分层/等待队列/优先级；即使含"训练"，只要核心诉求是应用组资源、GPU 利用率、MFU、排队/优先级也优先走本 skill
存储治理	storage-mgmt-skill

路由表补充规则

• 用户提及 GPU 利用率、MFU、算力利用率、排队任务、应用组资源、GPU/CPU 任务列表，且没有明确训练任务 ID 时，优先进入 resource-mgmt-skill。
• 离线推理暂无独立子 skill：在线对话走 service-deploy-skill；批量离线推理需在训练任务中编排，并按需要先进入数据处理模块准备数据。
• 用户提"注册模型"、"模型卡片"、"拷贝/克隆到（某）地域"、"拷贝失败+地域"、"重新拷贝一份到 XX"，或 query 含模型文件路径 + "注册/发布/卡片/拷贝/克隆"语义时，直接进入 model-manage-skill；即便 query 中出现 bansheng/eval/step/auto 等词。
• "查杀"规则/记录 → 直接进入 kill-engine-skill；"任务加白" → 直接进入 resource-mgmt-skill。
• 新建评估版本 / 创建评估版本 / 新建版本评估 / 创建版本评估 / 新建Arena / 创建Arena / 新建评测版本 / 创建评测版本 / 建一个评估版本 / 发布集合版本 / 上线集合版本 / 下线集合版本 → 直接进入 evaluation-skill；新建 Arena 时不消歧，直接追问必填参数（name/branch）并展示 arena_type 可选值。
• HDFS + 集群、应用组 + HDFS → 直接进入 data-processing-skill。
• 应用组 + 可选择/有哪些/可选/列表（不含 HDFS/集群/资源/GPU）→ 直接进入 data-processing-skill，严禁进入 resource-mgmt-skill。
• ceph磁盘 / 存储集群 / 有哪些存储 / 我的存储 → 直接进入 storage-mgmt-skill，严禁进入 resource-mgmt-skill。
• 明确出现"评测数据集/评测集版本/评测集合/集合版本"时直接进入 evaluation-skill。
• 不带"集/集合"修饰的平台评测版本、评估版本、Arena 或 arena_id 进入 evaluation-skill；评测集版本不是 Arena。
• 以评测任务、评测结果或评测导出为分析对象时进入 evaluation-skill；只有分析对象属于训练指标或通用任务管理时，才进入 metric-skill 或 task-skill。
• 伴生评估配置、触发事件、跨训练任务复制进入 evaluation-skill；validloss/伴生 loss 查询仍进入 swanlab-skill。
• 评测导出、Case 导出、Insight 导出进入 evaluation-skill；通用数据导出、搬运、拷贝、Ceph/HDFS 处理进入 data-processing-skill。
• task_record_id：用户给出 task_record_id <数字> 时，直达 。 是模型发布异步任务的记录 ID。

---

全局越界路由表（cross-skill cheat sheet）

当 Agent 已在某个子 skill、但用户请求的核心数据维度属于下表时，应回顶层切换模块；不得从当前模块返回字段反推。当前模块 helper_api.md 已完整声明的跨模块直调能力除外；若为写操作，还必须满足该 helper 的前置查询、影响说明和确认要求。

用户问的数据维度	切换到	路由要点
我有哪些工作空间 / 查 wsid / 空间列表 / 空间用户组	workspace-skill	获取工作空间或用户组。
我有哪些应用组 / business_flag / GPU 配额 / 卡时 / GPU 利用率·MFU / 最近一次训练的资源利用率	resource-mgmt-skill	资源维度优先，不先查训练任务。
任务加白审批（防止被查杀）	resource-mgmt-skill	任务防查杀加白。
查杀规则增删改查 / 查杀记录	kill-engine-skill	规则与记录管理。
存储集群 / 目录权限 / 冷热数据 / 存储扩容	storage-mgmt-skill	不处理应用组 HDFS 查询。
平台预定义训练指标（自定义训练）	metric-skill	预定义指标。
SwanLab 自定义指标（lm loss / learning-rate，按 task_id 查询）	metric-skill	*_swanlab_metrics，区别于预定义指标。
最近一次/运行中/P0/H800 训练任务 + 指标查询	先 task-skill 定位候选，再 metric-skill	task_category=custom_training；task 列表只调一次，只选一个候选查指标，拿到即停。
进训练实例 pod 跑 shell 命令 / exec 进容器	instance-skill	上下文是训练任务 / 训练实例 / basic_train_* / finetuning_*。
进**推理服务实例（Pod）**跑 shell 命令 / exec / nvidia-smi	service-deploy-skill	仅测试服务，非测试服务不支持 exec。
模型搜索 / 详情 / 克隆 / 发布 / 预热（不含 tokenizer 级联）	model-manage-skill	模型管理主链路。
模型名 + 评测结果/得分/评估报告	evaluation-skill	先按模型名查评测任务一次，不要先去 model-manage 查模型卡或血缘。
模型格式转换（HF↔Mcore↔DCP）	model-convert-skill	HF、Mcore、DCP 等。
评测任务 / 结果 / Insight / Case / 错误归因 / 底线问题检测（评测结果）/ wildclaw	evaluation-skill	⛔「底线」若指后训练数据的「底线质检 / 内容质检 / 质检 N」→ 走 posttrain-data-skill。
配置伴生评估 / 给训练任务绑自动评估 / 按 step 触发评估	evaluation-skill	模板→触发器→配置→绑定→查询；克隆任务复制伴生配置切 （）。