get-available-resources
Detectar recursos del sistema para computación científica
也可从以下获取: K-Dense-AI
Las tareas de computación científica requieren recursos de hardware apropiados para ejecutarse eficientemente. Esta habilidad detecta automáticamente los núcleos de CPU, disponibilidad de GPU, memoria y espacio en disco para recomendar estrategias computacionales óptimas y elección de bibliotecas.
下载技能 ZIP
在 Claude 中上传
前往 设置 → 功能 → 技能 → 上传技能
开启并开始使用
测试它
正在使用“get-available-resources”。 Detectar recursos del sistema disponibles
预期结果:
- CPU: 8 cores (arm64 architecture)
- Memory: 16 GB total, 8.5 GB available
- GPU: Apple M2 detected with Metal backend
- Recommendation: Use high parallelism with 6 workers
- Recommendation: GPU acceleration available via PyTorch-MPS
正在使用“get-available-resources”。 Verificar si puedo entrenar un modelo localmente
预期结果:
- NVIDIA GPU detected with 8GB VRAM
- Backend: CUDA available
- Suggested libraries: PyTorch, TensorFlow, JAX
- Memory: 32 GB RAM available - sufficient for most datasets
- Parallel workers recommended: 6
安全审计
安全This is a legitimate system resource detection script for scientific computing. All subprocess calls use hardcoded command names (nvidia-smi, rocm-smi, sysctl, system_profiler) to standard system utilities with list arguments (no shell injection risk). File write at line 267 outputs to a predictable local JSON file for resource data storage. No network calls, data exfiltration, credential access, or persistence mechanisms found. The static findings are false positives triggered by pattern matching on subprocess and file operations without semantic context.
风险因素
质量评分
你能构建什么
Analizar conjuntos de datos grandes
Determinar si los conjuntos de datos caben en memoria o requieren Dask, Zarr, o procesamiento fuera de núcleo
Entrenar redes neuronales
Verificar disponibilidad de GPU y seleccionar el backend apropiado para PyTorch, TensorFlow, o JAX
Ejecutar simulaciones
Identificar el número óptimo de trabajadores para procesamiento paralelo con joblib o multiprocessing
试试这些提示
Use the get-available-resources skill to detect available CPU, GPU, memory, and disk resources
Run get-available-resources and recommend whether I should use Dask, Zarr, or in-memory processing
Use get-available-resources to check GPU availability and suggest optimal libraries for my hardware
Run resource detection and determine the optimal number of parallel workers for processing
最佳实践
- Ejecutar la detección de recursos al inicio de cada sesión de proyecto
- Volver a ejecutar antes de escalar trabajadores paralelos o tamaños de datos
- Guardar el archivo .claude_resources.json en directorios de proyecto para documentación
避免
- Ejecutar la detección de recursos una vez e ignorar la disponibilidad cambiante de recursos
- Asumir disponibilidad de GPU sin verificar (nvidia-smi puede no estar instalado)
- Usar todos los núcleos disponibles para procesamiento paralelo sin dejar margen para operaciones del sistema