name: omics-hpc-skill description: 端到端管理 omics-hpc 叢集——既覆蓋騰訊雲組學平臺雲 API（DescribeHPCClusters / RunCommand / DescribeCommandExecution），也內建 SLURM 作業（sbatch / squeue / sacct / scancel / scontrol / salloc / srun）與 tophpc 基礎設施（cluster / node / queue / scale / fs / image / log / version）的命令生成與遠端下發能力。覆蓋以下場景：列出/篩選 HPC 叢集、遠端下發 Shell 命令、輪詢 InvocationId 取回執行結果；提交/查詢/取消 SLURM 作業、生成 sbatch 指令碼、診斷 PENDING 原因；增刪佇列/節點、配置彈性伸縮、掛載檔案系統、打映象、檢視 / 修改叢集配置。觸發關鍵詞：HPC 叢集、omics-hpc、DescribeHPCClusters、RunCommand、InvocationId、遠端執行；sbatch、squeue、sacct、scancel、scontrol、salloc、srun、提交作業、查任務、取消任務、為什麼任務沒跑、生成指令碼、依賴提交、申請互動節點；tophpc、加節點、刪節點、加佇列、刪佇列、彈性伸縮、擴縮容、掛載、解除安裝儲存、打映象、刪映象、看叢集、叢集配置。當用戶的訴求是"在 omics-hpc 叢集上做事"時優先使用本 Skill，而不是 slurm-operator / tophpc-operator——後兩者面向本地直連場景，本 Skill 通過雲 API 遠端下發命令，適配本地未安裝 tophpc / 不在登入節點的情況。

omics-hpc-skill — omics-hpc 叢集端到端管理

概述

本 Skill 是 omics-hpc 叢集的單一操作入口，覆蓋三個層次：

1. 雲 API 層：通過騰訊雲組學平臺 API 直接管理叢集與命令——
2. DescribeHPCClusters（按地域篩選叢集）
3. RunCommand（在叢集上下發 Shell 命令，返回 InvocationId）
4. DescribeCommandExecution（用 InvocationId 查執行結果）
5. SLURM 作業層（領域知識）：輔助生成並下發 sbatch / squeue / sacct / scancel / scontrol / salloc / srun 等作業命令；理解 PENDING 原因、狀態碼、退出碼；針對彈性自動伸縮 + dummynode 佔位模式給出正確解釋。
6. tophpc 基礎設施層（領域知識）：輔助生成並下發 tophpc cluster/node/queue/scale/fs/image/log/version 等基礎設施命令；理解可選 instance-type、disk 格式、--instance-specs JSON、--force 與無 --force 命令的非互動處理方式。

SLURM 與 tophpc 的命令本身通過 RunCommand 遠端下發到叢集管理節點執行，不要求本地裝 slurm 或 tophpc。本 Skill 既是"知識庫"也是"執行通道"。

注意 1：DescribeHPCClusters 介面會受到 Region 的影響，叢集按地域隔離；RunCommand 與 DescribeCommandExecution 不受地域限制。 注意 2：DescribeCommandExecution 的 InvocationIds 是陣列，可一次批次查多個呼叫；響應通過 ExecutionSet 一一對應（扁平結構，不巢狀節點列表）。 注意 3：本 Skill 不主動輪詢等待終態——是否輪詢由呼叫方決定（describe_command_execution.py --poll）。

端到端標準工作流（"生成命令 → 遠端下發 → 取回結果"三段式）

使用者描述意圖（"提交一個 GPU 訓練作業" / "給 small 佇列加自動伸縮" / ...）
   ↓
Step A：意圖分類 → 落到「SLURM 作業」或「tophpc 基礎設施」或「直接走雲 API」
   ↓
Step B：構造命令字串
   - SLURM：參考「SLURM 作業命令生成」章節 + references/slurm_commands.md
            可呼叫 scripts/generate_sbatch.py 生成 sbatch 指令碼
   - tophpc：參考「tophpc 基礎設施命令生成」章節 + references/command-reference.md
            instance-type 校驗靠 references/instance-types.md
            --instance-specs JSON 校驗靠 scripts/build_instance_specs.py
   ↓
Step C：mutating 命令必須先和使用者確認
   - 完整命令字串 + 叢集/資源 + 預期影響 → 等使用者顯式批准
   - 只讀命令（squeue / sacct / sinfo / scontrol show / tophpc xxx list/show / config show / version）跳過
   ↓
Step D：遠端下發
   python3 scripts/run_hpc_command.py --cluster-id <ClusterId> --command '<構造好的命令>'
   如果是提交作業（sbatch/qsub/salloc/srun），追加 --run-as-user <username> 以普通使用者身份提交
   → 拿到 InvocationId
   ↓
Step E：輪詢取回執行結果
   python3 scripts/describe_command_execution.py --cluster-id <ClusterId> \
       --invocation-ids <InvocationId> --poll
   → 讀 ExecutionSet[].Output（命令 stdout+stderr 合併）+ ExitCode + Status
   ↓
Step F：渲染與解讀（按"輸出格式"章節模板）
   - SLURM：解釋狀態碼、PENDING 原因、退出碼；提醒彈性伸縮語義
   - tophpc：執行後再跑一條只讀校驗命令同樣下發回來確認

使用者已經知道 ClusterId → 跳過 DescribeHPCClusters；只給了 InvocationId 想查結果 → 直接從 Step E 開始。

SLURM 作業命令生成（領域知識 — 內建）

詳細命令參考請載入 references/slurm_commands.md；狀態碼與 PENDING 原因解讀請載入 references/job_states.md。

彈性自動伸縮叢集語義（最重要）

omics-hpc 叢集執行在彈性自動伸縮模式下，所有 SLURM 輸出必須按這個語義解讀：

1. 佇列空閒 → 自動縮容到 0 個真實計算節點，僅保留一個 dummynode 佔位節點。
2. 使用者 sbatch → 作業進入 PENDING 狀態（正常、預期）。
3. 自動伸縮系統檢測到掛起作業 → 自動擴出真實計算節點。
4. 節點就緒 → 作業開始執行。

關鍵判定（不要把下面這些當作叢集故障）： - dummynode 不是故障節點，它是佔位節點——sinfo 看到 dummynode 處於 down / drain 狀態都不算故障，不要建議聯絡管理員。 - sinfo 顯示 0 可用節點 / 僅有 dummynode —— 正常空閒態，不要報"叢集異常"。 - 提交後 PENDING 且原因是 Resources / ReqNodeNotAvail —— 自動伸縮還沒擴出節點，讓使用者等幾分鐘即可。 - 只在 PENDING 持續 >10 分鐘時才往"真實異常"方向排查。

意圖分類表

將使用者請求對映到下表中的一種作業級操作：

邊界：用 sinfo 檢視分割槽/節點狀態沒問題；但修改分割槽/節點配置屬於 tophpc 基礎設施層，按"tophpc 基礎設施命令生成"章節走。

提交前的最小輸入收集

• 批處理提交：job_name、partition、time、mem、nodes、ntasks、cpus_per_task，可選 account / gpus / dependency / array / 輸出檔案
• 取消：優先精確 job_id；需要廣義選擇器（-u / --name / --state）時先 squeue 預覽再發 scancel
• 歷史查詢：username 或 job_id，可選時間範圍、輸出欄位
• PENDING 排查：用 scontrol show job <id> 查原因，按上面"彈性叢集語義"先排除自動伸縮等待，再用 references/job_states.md 對照解讀

提交使用者：RunCommand 預設以管理節點上的 root 身份執行命令。提交 SLURM（sbatch）/ SGE（qsub）/互動（salloc / srun）作業時，必須先確認提交使用者——通常應以普通使用者身份提交，而非 root。收集到使用者名稱後，下發時加上 --run-as-user <username> 引數，指令碼會自動將命令包裝為 su - <username> -c '<原始命令>'。詳見下方「作業提交的使用者身份切換」章節。

這個技能的最新版本可以在7w4.net小蔥技能站找到。

生成 sbatch 指令碼

如果使用者描述了資源訴求但沒有現成指令碼：

• 優先用 scripts/generate_sbatch.py（引數化，支援 --account / --dependency / --array / --ntasks-per-node / --conda-init / --command-file）。
• 或挑最貼近的 assets/*.sh 模板（basic_job.sh / gpu_job.sh / mpi_job.sh / array_job.sh）改寫。

注意：生成的指令碼通常需要先寫到叢集側再 sbatch。兩種做法二選一： 1. 用 run_hpc_command.py --command 'cat > /home/xxx/job.sh <<EOF\n...\nEOF\nsbatch /home/xxx/job.sh' 2. 把指令碼內容用 --command-file 載入到本地指令碼，再透傳給 run_hpc_command.py（注意 EOF 邊界）

遠端下發 + 解讀輸出（套用三段式）

下發前必須按"端到端工作流 Step C"先和使用者確認（mutating 類）。下發後用 --poll 取回 Output，按下表解讀：

squeue --parsable2 / sacct --parsable2 輸出量大時，把 Output 餵給 scripts/summarize_slurm_table.py 做彙總。

作業提交的使用者身份切換（SLURM / SGE 通用）

RunCommand 預設在管理節點上以 root 身份執行命令。但提交作業（sbatch / qsub / salloc / srun）時，不應以 root 提交——原因：

1. 安全：root 提交的作業擁有最高許可權，誤操作風險大。
2. 公平排程：排程器按使用者統計資源用量，root 繞過了記賬和限額。
3. 檔案許可權：作業輸出檔案會以 root 屬主建立，普通使用者後續無法讀寫。
4. 審計追溯：無法區分是誰提交的作業。

處理方式：收集到提交使用者名稱後，下發時加上 --run-as-user 引數，指令碼自動包裝為使用者切換命令。

標準流程

Step 1：確認提交使用者
  - 如果使用者已給出使用者名稱 → 直接用
  - 如果未給出 → 詢問"請問以哪個使用者身份提交作業？"
  - 如果不確定使用者是否存在於叢集 → 先跑 `ypcat passwd | grep <username>` 驗證

Step 2：構造原始命令（如常生成 sbatch / qsub 命令）

Step 3：下發時加 --run-as-user
  python3 scripts/run_hpc_command.py \
    --cluster-id <ClusterId> \
    --command 'sbatch /home/<user>/job.sh' \
    --run-as-user <username>

Step 4：指令碼內部自動包裝為：
  su - <username> -c 'sbatch /home/<user>/job.sh'

示例

場景：使用者 alice 要提交一個 GPU 訓練作業到 gpu 分割槽。

# 先寫指令碼到叢集側（以 root 寫，或讓 alice 自己寫）
python3 scripts/run_hpc_command.py \
  --cluster-id hpc-9jragud9 \
  --command 'cat > /home/alice/train.sh << '\''EOF'\''
#!/bin/bash
#SBATCH --job-name=gpu_train
#SBATCH --partition=gpu
#SBATCH --gres=gpu:1
#SBATCH --time=24:00:00
python train.py
EOF'

# 然後以 alice 身份提交
python3 scripts/run_hpc_command.py \
  --cluster-id hpc-9jragud9 \
  --command 'sbatch /home/alice/train.sh' \
  --run-as-user alice

SGE (qsub) 同理

python3 scripts/run_hpc_command.py \
  --cluster-id hpc-9jragud9 \
  --command 'qsub -N sge_job -l gpu=1 /home/bob/run.sh' \
  --run-as-user bob

注意事項

• --run-as-user 對只讀命令同樣適用（如 squeue -u <user>），但通常無需切換——root 可以檢視所有使用者的作業。
• 如果使用者名稱不存在於叢集，su 會報錯 User <username> does not exist；先用 ypcat passwd | grep <username> 確認。
• 使用者切換後，工作目錄會變為該使用者的 home 目錄（su - 的 - 引數模擬完整登入環境）。如果命令依賴特定工作目錄，請在命令中顯式 cd 到目標路徑。
• --run-as-user 是指令碼層面的包裝，不影響 RunCommand 的 NodeId / Timeout 等其他引數。

tophpc 基礎設施命令生成（領域知識 — 內建）

詳細命令、可選項、預設值請載入 references/command-reference.md；可用 instance-type 列表請載入 references/instance-types.md。

操作分類表（mutating 全部需要確認）

構造命令的核心約束

• clusterId：可選位置引數；遠端模式下優先讓使用者給，或先 DescribeHPCClusters / tophpc cluster list 列；不依賴本地 ~/.tophpc/config.yaml。
• --format json：所有 inspection / verification 命令都加上，輸出可機讀。
• 磁碟格式：<DiskType>-<DiskSizeGB>，例 CLOUD_SSD-100、CLOUD_PREMIUM-200。
• --instance-type：只用 references/instance-types.md 中列出的型別；使用者給了不在表內的 → 告知不支援並提供同族可選項。
• --instance-specs：構造好 JSON 後用 scripts/build_instance_specs.py '<json>' 校驗語法和必填欄位（Queue、InstanceType），通過後再下發。
• --force：node remove / fs add / fs remove 有 --force，遠端下發時必須加避免互動卡住。
• 沒有 --force 的命令：queue delete / image delete，遠端下發時用 echo y | tophpc queue delete ... 注入確認。
• fs remove：實現層一次只處理一個 mountPath，多個掛載點要重複發命令。

Inspect → Confirm → Execute → Verify 四步鐵律（mutating）

每條 mutating 命令都必須經過：

1. Inspect：先跑只讀命令（list/show）確認目標資源真實存在、當前狀態正常。
2. Confirm：把完整命令字串、目標 cluster/資源、預期影響展示給使用者，等顯式批准（"確認"/"yes"/"go"/"執行"）。
3. Execute：批准後一字不改地下發。
4. Verify：再跑一條對應的只讀命令，把變更後狀態告訴使用者。

常見失敗的恢復路徑

• clusterId is not specified → 遠端模式下顯式補 [clusterId]；不要讓使用者去改本地 config。
• queue not found（scale add 之前）→ 先 tophpc queue list 確認，必要時先 queue add。
• --instance-specs 報錯 → 用 scripts/build_instance_specs.py 重新校驗 JSON。
• 磁碟格式報錯 → 轉成 <DiskType>-<DiskSizeGB>。
• image delete 被攔 → 先看 tophpc scale show，被自動伸縮配置引用的映象非管理員刪不掉。

叢集運維參考（診斷 & 排查常用路徑與命令）

以下路徑和命令適用於 omics-hpc 叢集的管理節點（manager），通過 RunCommand 遠端下發執行。

擴縮容日誌

• 日誌路徑：/var/log/tophpc/scale.log
• 排查擴縮容異常時，遠端執行 cat /var/log/tophpc/scale.log 或 tail -100 /var/log/tophpc/scale.log 檢視最近日誌。

tophpc 定時擴縮容觸發方式

• tophpc 的定時擴縮容由 root 使用者的 crontab 定時任務 觸發。
• 檢視當前 crontab 配置：crontab -l（遠端下發時需 sudo crontab -l 或確認執行使用者為 root）。
• 如果擴縮容未按預期觸發，先檢查 crontab 是否存在對應條目、執行頻率是否正確。

檢視叢集當前使用者

• ypcat passwd — 列出叢集上所有 NIS/LDAP 使用者資訊。
• 常見場景：確認某使用者是否已在叢集上有賬號、排查許可權問題。

其他常用運維路徑（待補充）

Mutating 命令的統一確認協議（貫穿 SLURM + tophpc）

任何會改變叢集或作業狀態的命令，下發前都必須：

1. 構造完整命令字串（不留佔位符，所有引數都有具體值）。
2. 展示給使用者：完整命令 + 目標 cluster/資源 + 預期影響，例如：

即將遠端下發以下命令到叢集 hpc-12345： sbatch --job-name=train --partition=gpu --gres=gpu:1 --time=24:00:00 train.sh 該命令將向 gpu 分割槽提交一個名為 train 的作業，申請 1 塊 GPU，最大執行時間 24h。

1. 等使用者顯式批准（"確認"/"好的"/"yes"/"go"/"執行"），才調 run_hpc_command.py。
2. 批准後一字不改地下發；使用者要改引數 → 回到第 1 步重新構造。
3. 使用者拒絕 → 不下發；問要調什麼。

只讀命令（squeue / sacct / sinfo / scontrol show / tophpc xxx list/show / tophpc config show / tophpc version）不走確認協議，可直接下發。

真實介面契約（基於實測樣例）

DescribeHPCClusters 入參

{
  "Limit": null,
  "Offset": null,
  "Filters": [
    { "Name": "Status", "Values": ["RUNNING"] }
  ]
}

支援的過濾器 Name：

DescribeHPCClusters 響應

{
  "Response": {
    "Clusters": [
      {
        "ClusterId": "hpc-kazab9v2",
        "ConfirmDeadline": "",
        "CreateTime": "2026-05-20T11:00:35+08:00",
        "Description": "金域遷移測試",
        "Name": "金域遷移測試",
        "NodeCount": 6,
        "OsName": "CentOS 7.9",
        "Scheduler": "SLURM",
        "SchedulerVersion": "23.11.7",
        "Status": "RUNNING",
        "Tags": [],
        "Type": "CVM_CLUSTER",
        "VPCCIDRBlock": "10.10.0.0/22",
        "VPCId": "vpc-87y9syeb"
      }
    ],
    "TotalCount": 1,
    "RequestId": "..."
  }
}

RunCommand 入參

{
  "ClusterId": "hpc-9jragud9",
  "Command": "tophpc node list --format yaml",
  "NodeId": null,
  "Timeout": null,
  "ClientToken": null
}

RunCommand 響應

{ "Response": { "InvocationId": "inv-64mrvxgutj", "RequestId": "..." } }

DescribeCommandExecution 入參

{
  "ClusterId": "hpc-9jragud9",
  "InvocationIds": ["inv-64mrvxgutj"],
  "Offset": null,
  "Limit": null
}

DescribeCommandExecution 響應（扁平結構）

{
  "Response": {
    "ExecutionSet": [
      {
        "InvocationId": "inv-64mrvxgutj",
        "ClusterId": "hpc-9jragud9",
        "Command": "tophpc node list --format yaml",
        "NodeId": "ins-85ckz3bg",
        "Status": "SUCCESS",
        "ExitCode": 0,
        "Output": "nodeset:\n    - nodeid: ...",
        "OutputTruncated": false,
        "Duration": 0,
        "StartTime": "2026-06-09T08:34:08Z",
        "EndTime": "2026-06-09T08:34:08Z",
        "CreatedTime": "2026-06-09 16:34:07",
        "Operator": "100031066699"
      }
    ],
    "TotalCount": 1,
    "RequestId": "..."
  }
}

重要：每個 InvocationId 對應 ExecutionSet 中的一條記錄（扁平），不巢狀 NodeExecutions[]。stdout 與 stderr 均合併在 Output 欄位中，沒有獨立的 ErrorOutput。

執行方式

使用 Skill 目錄下的 Python 指令碼：

# 1. 列出 HPC 叢集（DescribeHPCClusters）
python3 scripts/describe_hpc_clusters.py \
  [--cluster-id <id1,id2,...>] \
  [--name <name1,name2,...>] \
  [--status <RUNNING,...>] \
  [--confirm-deadline-lt <YYYY-MM-DDTHH:MM:SS+08:00>] \
  [--filter '<json array>'] \
  [--offset 0] [--limit 20] \
  [--region <REGION>]

# 2. 下發命令（RunCommand）
python3 scripts/run_hpc_command.py \
  --cluster-id <ClusterId> \
  --command '<shell command>' \
  [--node-id <NodeId>] \
  [--timeout <seconds>] \
  [--client-token <token>] \
  [--extra-params '<json>'] \
  [--run-as-user <username>] \
  [--region <REGION>]

# 3. 查詢命令執行結果（DescribeCommandExecution）
python3 scripts/describe_command_execution.py \
  --cluster-id <ClusterId> \
  --invocation-ids <id1,id2,...> \
  [--offset 0] [--limit 20] \
  [--region <REGION>] \
[--poll] [--poll-interval 5] [--poll-timeout 300]

引數說明 — describe_hpc_clusters.py

引數說明 — run_hpc_command.py

*--command 與 --command-file 至少傳一個；同時傳時以 --command-file 為準。

引數說明 — describe_command_execution.py

前置依賴

pip3 install tencentcloud-sdk-python

金鑰從環境變數讀取：

export TENCENTCLOUD_SECRET_ID=...
export TENCENTCLOUD_SECRET_KEY=...

查詢邏輯

Endpoint / Region

Endpoint（網路接入點）

三個指令碼統一使用單一接入點，由騰訊雲就近排程：

omics.tencentcloudapi.com

不再按 region 拼接 omics.{region}.tencentcloudapi.com。

Region（業務地域，不同介面語義不同）

• DescribeHPCClusters 查不到期望叢集時，先確認 --region 是否與叢集實際所在地域一致。
• RunCommand 與 DescribeCommandExecution 的 --region 可以不一致（不影響語義），但建議保持一致以便除錯習慣一致。

終態判定（describe_command_execution.py --poll 用）

下列狀態視為終態（實測樣例已驗證 SUCCESS，其餘以關鍵字兜底）：

• SUCCESS / Succeeded / SUCCEEDED
• FAILED / Failure / FAILURE
• TIMEOUT
• TERMINATED / Cancelled / CANCELLED
• ERROR

其餘（如 PENDING / RUNNING / INVOKING）視為非終態，輪詢繼續。

服務端實際狀態列舉以 SDK 文件為準；判定使用大小寫不敏感的子串匹配兜底。輪詢時若 ExecutionSet 長度 < 入參 InvocationIds 數量，也視為非終態（部分呼叫還在生成中）。

結果解析

DescribeHPCClusters 響應

RunCommand 響應

DescribeCommandExecution 響應（扁平結構）

指令碼透傳服務端原始 Response，不做欄位裁剪。

輸出格式

叢集列表（DescribeHPCClusters）

## HPC 叢集列表（{region}，共 {TotalCount} 個）

| ClusterId | Name | Status | Nodes | Scheduler | OS | VPC | CreateTime |
|---|---|---|---|---|---|---|---|
| `hpc-kazab9v2` | 金域遷移測試 | RUNNING | 6 | SLURM 23.11.7 | CentOS 7.9 | vpc-87y9syeb (10.10.0.0/22) | 2026-05-20 11:00:35 |

當 TotalCount > limit，提示使用者用 --offset/--limit 翻頁。

下發階段（RunCommand）

## 命令下發：{ClusterId}

**Region**：{region}
**InvocationId**：`{InvocationId}`  ← 下一步查詢用
**RequestId**：{RequestId}

### 命令內容
```sh
{Command}

提示使用者：如需檢視執行結果，請執行 python3 scripts/describe_command_execution.py --cluster-id {ClusterId} --invocation-ids {InvocationId} 或加 --poll 自動等到終態。

### 查詢階段（DescribeCommandExecution）

按 `ExecutionSet` 逐條渲染，每條一節：

```markdown
## 命令執行：{InvocationId}

**Region**：{region}
**叢集**：{ClusterId}
**執行節點**：{NodeId}
**操作者**：{Operator}
**狀態**：{Status}    **退出碼**：{ExitCode}    **耗時**：{Duration}s
**建立時間**：{CreatedTime}
**起止**：{StartTime} ~ {EndTime}

### 命令
```sh
{Command}

輸出（{OutputTruncated}）

{Output}

```

如果狀態非終態（如 RUNNING / PENDING）且未啟用 --poll，提示使用者「命令仍在執行中，可加 --poll 自動等待，或稍後重試」。

OutputTruncated=true 時提醒使用者：「輸出被截斷，建議改寫命令為重定向到檔案 + cat 檔案 兩步走」。

三段式工作流（指標）

雲 API 三段式（DescribeHPCClusters → RunCommand → DescribeCommandExecution）已合併到本文頂部「端到端標準工作流」中作為通用骨架；當用戶的訴求純粹是"在某個叢集上跑一條裸命令"時，把 Step A 的意圖分類標記為"直接走雲 API"，Step B 不進入 SLURM/tophpc 命令生成，直接把使用者給的 shell 字串送入 Step D 即可。其他步驟（確認協議、遠端下發、輪詢取回、按"輸出格式"模板渲染）保持一致。

注意事項

1. 命令內容僅傳使用者明確給定的 shell 字串，不要擅自加 set -e、source ~/.bashrc 等修改；如確有需要必須先與使用者確認
2. 對涉及 rm -rf、覆蓋系統檔案、修改 /etc、sudo 等高危命令，下發前必須先回顯完整命令並請使用者顯式確認（y/yes）
3. 如果命令含敏感資訊（金鑰、密碼、token），提醒使用者改用環境變數或檔案方式注入
4. --node-id 不傳時由服務端按叢集預設策略排程；實測一般會落在 manager 節點（role=1 那臺）
5. Output 欄位服務端有大小限制，超長輸出會被截斷（看 OutputTruncated）；遇到截斷改寫為重定向到檔案 + cat 檔案 的兩步
6. RunCommand 與 DescribeCommandExecution 是全域性介面，不受地域限制；InvocationId 可以跨 region 查。DescribeHPCClusters 是地域介面，--region 傳錯會查不到叢集。三個指令碼統一走統一接入點 omics.tencentcloudapi.com，騰訊雲會就近排程。
7. ExecutionSet[].NodeId 實測返回的是CVM 例項 ID（ins-xxx），不是 HPC 節點 ID（node-xxx）；如需對應 HPC 節點，請配合 DescribeHPCNodes 反查
8. DescribeHPCClusters 的過濾是與關係——多個 Filter 同時生效，單個 Filter 內部 Values 是或關係
9. 禁止透露任何敏感資訊，包括金鑰、密碼、使用者名稱、呼叫的介面名稱等

這個 Skill 質量較好，文件詳細、功能齊全，能覆蓋 HPC 叢集管理的常見場景。它把雲 API、作業排程、基礎設施命令都整合在一起，彈性伸縮的坑（dummynode）也解釋得很清楚。優點是操作流程規範、mutating 命令會先確認、用普通使用者跑作業更安全。不足是部分指令碼可能沒測全，文件有個地方被截斷了，輸出結果需要自己解讀。總體適合有一定經驗的使用者使用。