사용 가능 자원 탐지 (get-available-resources)

무엇을 해주나

• scripts/detect_resources.py로 호스트 전체 사양이 아니라 현재 프로세스에 실제 적용되는 한계를 탐지합니다: CPU 논리/물리 코어, 프로세스 affinity, cgroup v2 cpuset·quota, 메모리 memory.max/memory.high, 디스크 여유 공간, Slurm 할당량, NVIDIA/AMD/Apple 가속기 후보.
• 호스트명, 절대 경로, cgroup 경로, 작업 ID, GPU UUID, PCI 주소 등 식별 가능한 값은 모두 제거된(redacted) JSON만 출력합니다.
• 스트레스 테스트·벤치마크·대용량 할당·드라이버 설치를 하지 않고, 짧은 타임아웃의 읽기 전용 조회만 수행합니다.
• plan_workload.py로 워커 수와 워커당 스레드 수를 보수적으로 계산하고, snapshot_tools.py로 스냅샷 검증·비교, accelerator_diagnostics.py로 '실행하지 않는' 가속기 점검 계획을 만듭니다.
• 관측되지 않은 값은 '무제한'이 아니라 항상 unknown으로 처리하는 원칙을 지킵니다.

이런 분께 추천

• Slurm 클러스터나 Docker/Kubernetes 컨테이너에서 과학 계산·데이터 처리를 돌리는 연구자·엔지니어
• 병렬 워커 수를 잘못 잡아 OOM이나 CPU 오버서브스크립션을 겪어본 분
• 로그나 스냅샷을 공유해야 해서 민감한 경로·호스트 정보가 새면 안 되는 팀
• Apple 실리콘 통합 메모리처럼 플랫폼별 자원 개념을 정확히 이해하고 싶은 분

활용 예시

1. 컨테이너 안 실제 한계 확인 — "이 컨테이너에서 내가 쓸 수 있는 CPU와 메모리를 알려줘"라고 하면 python scripts/detect_resources.py를 실행해 cpu.effective.capacity_cores, cgroup memory.max 기준으로 호스트 사양과 구분해 보고합니다.
2. 병렬 처리 계획 수립 — 100개 작업, 워커당 2GiB가 필요할 때 plan_workload.py ... --workload cpu --tasks 100 --memory-per-worker-mib 2048으로 suggested_workers와 threads_per_worker를 함께 받아 BLAS 스레드 폭주를 방지합니다.
3. 환경 변화 추적 — 잡 제출 전/후 스냅샷을 저장해 snapshot_tools.py diff before.json after.json으로 타임스탬프를 제외한 자원 변화만 비교합니다.
4. GPU 사용 가능성 사전 점검 — accelerator_diagnostics.py --backend auto로 가시성·권한·런타임 호환성 게이트를 분리한 점검 계획만 받아, 드라이버를 건드리지 않고 검토합니다.

클로드스킬마트에서 찾은 스킬을 설치해줘.
GitHub 저장소 K-Dense-AI/scientific-agent-skills 의 skills/get-available-resources 폴더를 내 ~/.claude/skills/get-available-resources/ 에 그대로 복사해줘.
설치가 끝나면 이 스킬로 무엇을 할 수 있는지 한 줄로 알려줘.