菜单
vLLM 日志诊断调度器。接收 vLLM 相关日志，自动判断问题方向并调度对应子skill进行诊断。触发词：vllm日志、vllm诊断、vllm日志分析、vllm推理、vllm问题定位、vllm故障。
用 Codex 或 Claude 帮你安装 复制这段 Prompt，粘贴到 Codex、Claude 或其他助手里，让它检查 Skill 页面并帮你完成安装。
基于 SOC 职业分类
| name | log-diagnosis-vllm |
| description | vLLM 日志诊断调度器。接收 vLLM 相关日志，自动判断问题方向并调度对应子skill进行诊断。触发词：vllm日志、vllm诊断、vllm日志分析、vllm推理、vllm问题定位、vllm故障。 |
接收 vLLM 相关日志，自动判断方向，分发给对应子 skill 进行诊断，并汇总输出结论。
方式一：直接调度（用户已告知方向）
/skill log-diagnosis-vllm
[粘贴日志]
> 推理超时问题
方式二：全自动（用户不知道什么方向）
/skill log-diagnosis-vllm
[粘贴日志]
> 帮我看看是什么问题
Step 1：解析输入
Step 2：判断方向
Step 3：加载子 skill 并执行
Step 4：汇总输出
同时解析两个输入：
三种路径，优先级从高到低：
| 路径 | 条件 | 处理方式 |
|---|---|---|
| 直接调度 | 用户主动提示方向 | 根据提示直接加载对应子 skill |
| 错误特征分析 | 日志中有 error/warn 日志 | 分析错误语义，映射到对应方向 |
| 零样本分类 | 以上都没有命中 | LLM 根据日志特征判断最可能的方向 |
错误特征 → 方向 映射表：
| 错误特征 | 映射方向 | 对应子 skill |
|---|---|---|
| RPC timed out / sample_tokens timed out | 推理超时 | log-diagnosis-vllm-inference-timeout |
| EngineDeadError / EngineCore fatal error | 引擎崩溃 | log-diagnosis-vllm-inference-timeout |
| 500 Internal Server Error + 超时 | 推理超时 | log-diagnosis-vllm-inference-timeout |
| 模型加载失败 / weight loading failed / checkpoint error | 模型初始化 | log-diagnosis-vllm-model-init（待创建） |
| OOM / out of memory / NPU memory | NPU 内存问题 | log-diagnosis-vllm-npu-oom（待创建） |
| NCCL / nccl error / 通信失败 | 多节点通信 | log-diagnosis-vllm-multi-node（待创建） |
| CUDA error / GPU error | GPU/NPU 硬件问题 | 结合系统日志 |
零样本分类 prompt（备用）：
你是一个 vLLM 推理服务的日志诊断专家。以下是一段服务日志，请判断最可能属于哪类问题：
日志：
---
{raw_logs}
---
选项：
A. 推理超时问题（RPC 超时、sample_tokens 超时、引擎卡住）
B. 模型初始化问题（权重加载失败、模型加载超时）
C. NPU/GPU 内存问题（OOM、内存不足）
D. 多节点通信问题（NCCL 错误、节点间通信失败）
E. 其他 vLLM 异常
请只输出选项字母和简短理由（1-2句话）。
根据 Step 2 的判断结果，加载对应子 skill：
if 方向 == "推理超时" or "引擎崩溃":
skill_view(name="log-diagnosis-vllm-inference-timeout")
执行子 skill 的诊断流程
elif 方向 == "模型初始化":
skill_view(name="log-diagnosis-vllm-model-init")
执行子 skill 的诊断流程（待创建）
elif 方向 == "无法判断" or 命中多个方向:
尝试所有相关子 skill，汇总各自发现
统一格式输出：
## vLLM 日志诊断结论
**判断方向**：xxx
**诊断依据**：...
**根因定位**：...
**修复建议**：...
---
## 详细诊断过程
[子 skill 的完整输出]
---
## 下一步
1. ...
2. ...
| 子 skill | 状态 | 说明 |
|---|---|---|
log-diagnosis-vllm-inference-timeout | ✅ 已就绪 | 推理超时/引擎崩溃诊断 |
log-diagnosis-vllm-model-init | ⏳ 待创建 | 模型加载/初始化失败 |
log-diagnosis-vllm-npu-oom | ⏳ 待创建 | NPU 内存不足 |
log-diagnosis-vllm-multi-node | ⏳ 待创建 | 多节点通信问题 |
新增诊断方向时：
log-diagnosis-vllm/ 下创建子 skill 目录详见 log-diagnosis-framework 框架规范。
从代码仓提取指定特性的关键日志，生成「日志定位指南」Markdown（正文三层快速定位+分阶段+卡点速查，附录含特性链路全量日志表与 Mermaid）。不产出 CSV/9列表格关系图。触发词：整理{特性}日志定位指南、生成{特性}日志定位指南、从代码整理{特性}定位指南。
日志标准规范的适配器层。根据外部标准文档执行日志质量检查，调用 scan / rewrite / write 能力。触发词：日志标准、日志规范、日志质量标准、log standard、log quality、制定日志规范。
Controller 精度告警触发的实例「自杀」(terminate) 失败日志诊断。当 precision auto-recovery 应杀 P/D 却未杀、terminate_instance_for_recovery 失败、或 Recovery/NodeManager stop 报错时， 按 Coordinator→Controller→Recovery→NodeManager 链路定位根因。触发词：controller自杀、自杀失败、 terminate失败、precision-auto-recover、精度告警恢复、terminate_instance、Recovery:、实例终止失败、 auto-recovery failed、add_alarm、0xFC001107。
大 EP 场景启动失败/拉不起来的日志诊断。当 Controller 或 Coordinator 无法到达 MindIE-MS coordinator is ready，或长期 not ready 时，按 cmotor 启动五阶段定位；PD 分离卡在就绪前则下钻 mindie-llm 建链。触发词：大EP拉不起来、大EP启动失败、大EP启动卡住、coordinator not ready、coordinator is ready、MindIE-MS coordinator is not ready、大EP起不来。
MindIE/cmotor 日志诊断调度器。接收 MindIE/PyMotor/cmotor 相关日志，自动判断问题方向并调度对应子 skill 诊断。触发词：日志诊断、日志分析、日志定位、故障定位、MindIE日志、PyMotor日志、大EP拉不起来、coordinator not ready。
将不合规的日志改写为符合 log-quality-standard 的版本。输入扫描报告，输出每条日志的修改前后对比（diff）和具体修改建议。触发词：重写日志、改写日志、日志整改、修复日志。