get-available-resources
检测科学计算的系统资源
Auch verfügbar von: K-Dense-AI
科学计算任务需要适当的硬件资源才能高效运行。此技能可自动检测CPU核心、GPU可用性、内存和磁盘空间，以推荐最佳计算策略和库选择。
Die Skill-ZIP herunterladen
In Claude hochladen
Gehe zu Einstellungen → Fähigkeiten → Skills → Skill hochladen
Einschalten und loslegen
Teste es
Verwendung von "get-available-resources". 检测可用的系统资源
Erwartetes Ergebnis:
- CPU: 8核心（arm64架构）
- 内存: 16 GB总计，8.5 GB可用
- GPU: 检测到Apple M2，使用Metal后端
- 建议: 使用6个工作线程实现高并行度
- 建议: 可通过PyTorch-MPS使用GPU加速
Verwendung von "get-available-resources". 检查我是否可以在本地训练模型
Erwartetes Ergebnis:
- 检测到NVIDIA GPU，8GB VRAM
- 后端: CUDA可用
- 建议的库: PyTorch、TensorFlow、JAX
- 内存: 32 GB RAM可用 - 足以处理大多数数据集
- 推荐的并行工作线程数: 6
Sicherheitsaudit
SicherThis 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.
Risikofaktoren
⚙️ Externe Befehle (4)
📁 Dateisystemzugriff (1)
⚡ Enthält Skripte (1)
Qualitätsbewertung
Was du bauen kannst
分析大型数据集
确定数据集是否适合内存，或是否需要Dask、Zarr或核外处理
训练神经网络
检查GPU可用性并为PyTorch、TensorFlow或JAX选择合适的后端
运行模拟
确定使用joblib或多进程进行并行处理的最佳工作线程数
Probiere diese Prompts
使用get-available-resources技能检测可用的CPU、GPU、内存和磁盘资源
运行get-available-resources并建议我应该使用Dask、Zarr还是内存处理
使用get-available-resources检查GPU可用性并为我的硬件推荐最佳库
运行资源检测并确定处理的最佳并行工作线程数
Bewährte Verfahren
- 在每个项目会话开始时运行资源检测
- 在扩展并行工作线程或数据大小之前重新运行
- 将.claude_resources.json文件保存在项目目录中以供文档记录
Vermeiden
- 仅运行一次资源检测而忽略资源可用性的变化
- 不检查就假设GPU可用（可能未安装nvidia-smi）
- 在不使用所有可用核心进行并行处理的情况下为系统操作预留空间