storage-mgmt-skill

name	storage-mgmt-skill
description	太极平台存储治理子skill —— 通过 MCP 协议查询应用组存储集群（含 COS 对象存储）、ceph 地域信息、目录权限、冷热分析目录明细，按 ceph 路径列目录（ll）、读小文件内容、查集群水位，并提交存储扩容/缩容配额申请。当用户提及"存储 / ceph /冷文件 / 冷热分析 / 目录权限 / 存储集群 / 存储配额 / COS / 对象存储 / ll / 列目录 / 读文件内容 / 集群水位 / 剩余空间"等关键词时，应使用本 skill。
version	1.1.0
author	taiji-team

Storage Management Skill（存储治理）

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

0. 边界说明

范围：

• 应用组维度（控制面）：存储集群查询、ceph 地域查询、目录权限查询、冷热分析/目录治理明细、存储配额扩容/缩容申请
• 路径维度（数据面）：给定完整 ceph 路径列目录（ll）、读小文件内容、查集群水位

排除：

• ⚠️ 应用组下HDFS 集群/配额/可用集群 → data-processing-skill
• 应用组资源使用/卡时配额 → resource-mgmt-skill
• 训练任务 → task-skill

Helper 声明：缺 app_group_id 时可直调 query_shared_resources_app_group_list；缺 wsid 时可直调 list_user_workspaces。调用前分别执行 python3 scripts/tool_manual.py query_shared_resources_app_group_list 或 python3 scripts/tool_manual.py list_user_workspaces 获取参数说明，无需切换 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：用户给了 app_group_id 直接用，禁止为校验先查列表。
• 缺必填参数：告知缺什么并给示例值。
• 误入场景：用户转向"卡时配额/模型/任务"等非存储意图时，立即退出。
• 写操作：apply_storage_quota 调用前必须向用户展示完整申请摘要（申请人/应用组/集群/地域/当前配额→目标配额/审批人/申请理由），获得明确确认后才可调用。默认审批人 joefang（有固定候选集，无特殊要求时用默认，不要自行编造）。

---

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。

应用组维度（控制面）：入参以 app_group_id 为主键

工具	用途	写操作
query_storage_clusters	查询应用组存储集群列表/冷文件大小/存储概览；默认 storage_type=filestore，只有用户明确说 COS/对象存储/桶/bucket 时才传objectstore
query_app_group_ceph_locations	查询应用组 ceph 地域（英文+中文逗号串+集群精简明细）；轻量版，"支持哪些地域""加模型地域前选location"用此工具
query_storage_dir_permission	查询某集群下指定目录的读写/只读用户、配额与子目录权限；入参用 dir 不是 path/container_path
query_storage_dir_governance_detail	治理目录明细：合并目录文件列表与冷热分析；需container_path（从 query_storage_clusters 获取）
apply_storage_quota	提交文件存储配额扩容/缩容申请单（task_type=extend_quota）；仅支持 filestore	✍️

路径维度（数据面）：入参以完整 ceph path 为主键，后端自动反解应用组/集群，不要传 app_group_id/cluster_name

工具	用途	写操作
list_storage_dir	按完整 ceph path 列目录下文件/子目录元数据（类似 ll，最多 2000 条）
get_storage_file_content	按完整 ceph path 读取小文件内容（≤1MB，UTF-8 文本）
query_storage_cluster_free_space	按完整 ceph path 查所在集群水位：配额/已用/剩余/使用率

跨模块速查工具

直达其他模块，通过 scripts/tool_manual.py <工具名> 确认参数后调用。

跨模块工具	用途
list_user_workspaces	直调工作空间查询，缺 wsid 时列出可访问空间供用户选定
query_shared_resources_app_group_list	直调查询当前用户有权限的应用组列表

---

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
存储概览+冷文件识别（"帮我看看存储情况，有没有需要清理的"）	① query_storage_clusters（取cluster_name/container_path/location）→ ② query_storage_dir_governance_detail（选代表集群，path="/")	代表集群选 cold_size_gb 最大且非空的一个；用户未说"遍历全部"则只查一个
目录权限/配额（"各目录配额用了多少/谁有权限"）	① query_storage_clusters（取 cluster_name/location）→ ② query_storage_dir_permission（选代表集群，dir="/" 或用户指定）	代表集群选 used_storage_gb 最大；禁止对第二、三个集群继续调用
存储扩容申请	① query_storage_clusters（确认当前配额）→ ② 向用户展示申请摘要→ ③ 确认后apply_storage_quota	②必须获得用户明确确认

⚠️ 不要在用户未指定时自动串联——每个工具独立可调用，仅当用户明确需要且缺参数时再建议先取集群信息。

---

4. 模块注意事项

4.1 两类工具的分界

• 应用组维度（控制面）：主键是 app_group_id（+ cluster_name/location/dir 等）
• 路径维度（数据面）：主键是完整 ceph 路径 path（如 /apdcephfs_jn5/share_305546123/hunyuan），后端自动反解应用组/集群/地域，无需也不要传 app_group_id/cluster_name
• 读权限由后端按当前 Token 用户校验；无权限报错是正常鉴权结果，不要归因为"路径不存在/工具故障"

4.2 默认 filestore

1. 用户只说"存储集群/存储空间/冷文件/冷热分析/目录权限/配额"→ 默认 storage_type=filestore，不要同时查objectstore。
2. 只有明确说"COS/对象存储/桶/bucket"→ 才用 storage_type=objectstore。
3. COS 能力边界（严禁调工具）：当前仅支持 query_storage_clusters(storage_type=objectstore) 查 COS 概览。以下场景严禁调用任何 MCP 工具，直接回答"当前不支持"：
   • COS 桶扩容/缩容 → 不支持（apply_storage_quota 仅限 filestore）
   • COS 桶目录权限设置 → 不支持（query_storage_dir_permission 仅限 filestore）
   • COS 桶文件列表/目录浏览 → 不支持（list_storage_dir 仅限 filestore）
   • COS 桶读文件内容 → 不支持（get_storage_file_content 仅限 filestore）

4.3 fan-out 控制（严格）

1. 默认不遍历全部集群/应用组：用户未说"全部/每个/遍历所有"时，只选唯一一个代表集群调用下游工具。
2. 代表集群选法：一般优先used_storage_gb 最大；冷热治理优先 cold_size_gb 最大且非空；目录名明确时直接查该目录。
3. 目录明细默认只查当前层（path="/"），不自动下钻子目录。
4. 去重调用：同一 app_group_id + cluster_name + dir/path 的查询只调用一次，结果可用时直接回答，不要重复确认。

4.4 路径维度注意

1. 用户给出完整 ceph 路径直接调用 list_storage_dir/get_storage_file_content/query_storage_cluster_free_space，不要再索要app_group_id/cluster_name，也不要先跑 query_storage_clusters。
2. get_storage_file_content 仅限小文本（≤1MB）；疑似大文件先用 list_storage_dir 看 size_bytes。
3. list_storage_dir 最多 2000 条；达上限时提醒用户进入子目录再查。

4.5 参数易混淆点

1. query_storage_dir_permission 的目录参数是 dir（不是 path/container_path）。
2. query_storage_dir_governance_detail 需要 container_path（从 query_storage_clusters 返回获取）。
3. query_app_group_ceph_locations 返回的location/ch_location 是逗号分隔字符串（非数组）。
4. 对象存储 total_storage_gb 多为0、cold_size_gb 多为 null 是正常特征。

4.6 纯How-to 不调用工具

用户只问"如何/怎么申请/流程/说明"且未要求查询当前资源或提交申请时，基于文档回答即可，不要先调用 MCP。

4.7 错误处理

错误	含义	处理
HTTP 403	权限不足	提示确认用户是该应用组成员
用户对路径无读权限	正常鉴权	据实转达，不重试不绕道
file too large: >1MB	文件超限	提示改用 list_storage_dir 看元数据或选更小文件
冷热分析超时	降级	工具仍返回目录基础信息，冷热列显示 —，不整体报错
路径不存在	路径拼写错误	提示核对路径，可先list_storage_dir 看上层