compute-infra

我要把本地、集群或云 GPU 变成可复用科研工作台

在本机、SSH/Slurm、Modal、云 GPU 和模型端点之间选择执行环境，记录依赖、资源、成本和可回收状态。

适合谁

跑大模型或大数据分析的人课题组工程负责人需要复现实验环境的人

准备这些材料

代码仓库或 notebook依赖文件和权重需求GPU/CPU/内存需求预算和数据安全边界

会调用的 Skills

sa.nextflowsa.optimize-for-gpucs.compute-env-setupcs.remote-compute-sshcs.managed-model-endpoints

开始前

先安装这个工作流需要的 Skills

选择你的系统和 Agent，复制命令到终端运行。安装完成后，再把下方提示词交给 Agent。

系统

Agent

curl -sSL https://paperskills.com/scripts/paperskills-install.sh | bash -s -- \
  --tool codex \
  --skills sa.nextflow,sa.optimize-for-gpu,cs.compute-env-setup,cs.remote-compute-ssh,cs.managed-model-endpoints \
  --registry https://paperskills.com/api/registry

推荐工作流

第 1 步 · sa.optimize-for-gpu

评估资源和运行策略

查看 Skill

发给 Agent 的任务

用 optimize-for-gpu 检查当前 Python/NumPy/pandas/ML 管线哪里适合 GPU 或并行化，并给出 CPU/GPU/集群取舍。

建议产出

资源策略加速候选点风险与成本

第 2 步 · sa.nextflow

封装可恢复数据管线

查看 Skill

发给 Agent 的任务

用 nextflow 为多步骤分析或 nf-core 流程设计 samplesheet、nextflow.config、容器/conda 环境和 -resume 运行策略。

建议产出

Nextflow 配置samplesheet恢复运行策略

第 3 步 · cs.compute-env-setup

注册远程环境或模型端点

查看 Skill

发给 Agent 的任务

用 compute-env-setup 规划 SSH/Slurm/Modal/模型端点的注册方式、启动/停止脚本、权重缓存、日志和清理流程。

建议产出

环境清单启停脚本方案清理流程

nextflow

端到端构建、运行和调试 Nextflow 数据管道与 nf-core 工作流。用户提到 Nextflow、nf-core、.nf 文件、nextflow.config、DSL2、process/channel/operator、samplesheet，或需要运行社区管道、编写/测试模块、配置容器/执行器、扩展到 HPC/云、排查失败或 -resume 运行时使用。

查看 Skill

使用 CuPy、Numba CUDA、Warp、cuDF、cuML、cuGraph、KvikIO、cuCIM、cuxfilter、cuVS、cuSpatial 和 RAFT 对 Python 代码进行 GPU 加速。每当用户提到 GPU/CUDA/NVIDIA 加速，或想要加速 NumPy、pandas、scikit-learn、scikit-image、NetworkX、GeoPandas 或 Faiss 工作负载时使用。涵盖物理模拟、可微渲染、网格光线投射、粒子系统（DEM/SPH/流体）、矢量/相似性搜索、GPUDirect Storage 文件 IO、交互式仪表板、地理空间分析、医学成像和稀疏特征求解器。当您看到 CPU 密集型 Python 代码（循环、大型数组、机器学习管道、图形分析、图像处理）时，即使没有明确请求，也可以使用这些代码，这些代码将受益于 GPU 加速。

查看 Skill

AI 与模型实验数据分析管线