가용 리소스 탐지기

무엇을 해주나

• 호스트 전체 사양이 아니라 현재 프로세스에 실제로 허용된 자원을 구분해서 측정합니다: 논리/물리 CPU, 프로세스 affinity, cgroup v2 cpuset·quota, Slurm 할당량.
• 메모리도 호스트 total/available, cgroup memory.max(하드 캡)와 memory.high(스로틀 경계), 스케줄러 할당을 각각 따로 보고합니다. Apple 실리콘은 통합 메모리로 처리해 GPU VRAM을 더하지 않습니다.
• NVIDIA/AMD/Apple GPU는 "백엔드 후보"로만 표시하고, 드라이버·프레임워크 호환성은 not_tested로 남겨 과장된 결론을 막습니다.
• 호스트명, 절대 경로, cgroup 경로, 잡 ID, 디바이스 UUID, PCI 주소 등은 모두 제거(redact)한 JSON을 stdout으로 출력합니다.
• 스냅샷을 받아 워커 수·워커별 스레드·메모리 예산을 계산하는 플래너, 스키마 검증기, 두 스냅샷 구조 diff, 실행하지 않는 가속기 진단 계획서를 함께 제공합니다.
• 스트레스 테스트·벤치마크·대용량 할당·드라이버 설치 같은 침습적 동작은 금지 규칙으로 명시돼 있습니다.

이런 분께 추천

• HPC 클러스터(Slurm)나 컨테이너에서 작업을 돌리며 "코어 몇 개, 메모리 몇 GB까지 써도 되나"를 매번 헷갈리는 연구자·엔지니어.
• 병렬 처리(multiprocessing, joblib, BLAS 스레드) 오버서브스크립션으로 성능이 떨어지는 문제를 겪는 데이터/ML 개발자.
• 로컬 머신, 맥, 윈도우, 리눅스 컨테이너를 섞어 쓰며 환경별 자원 한도를 일관된 형식으로 기록하고 싶은 사람.

활용 예시

1. 작업 전 자원 파악: "지금 이 환경에서 쓸 수 있는 CPU/메모리 알려줘" → python scripts/detect_resources.py로 JSON 스냅샷을 받아 cpu.effective.worker_ceiling과 유효 메모리 한도를 확인.
2. 병렬 작업 계획: 100개 태스크, 워커당 2GiB가 필요할 때 plan_workload.py resource-snapshot.json --workload cpu --tasks 100 --memory-per-worker-mib 2048으로 권장 워커 수와 워커별 스레드 수를 함께 받아 오버서브스크립션 방지.
3. 환경 변화 추적: 컨테이너 설정을 바꾼 뒤 snapshot_tools.py diff before.json after.json으로 cgroup 한도가 실제로 달라졌는지 타임스탬프를 제외하고 비교.

이 파일의 지시를 읽고 그대로 따라서 나를 도와줘:
https://raw.githubusercontent.com/K-Dense-AI/scientific-agent-skills/HEAD/skills/get-available-resources/SKILL.md

내가 원하는 것: (여기에 하고 싶은 일을 쓰세요)

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.