get-available-resources
应在任何计算密集型科学任务开始时使用此技能，以检测并报告可用系统资源（CPU 核心数、GPU、内存、磁盘空间）。它会生成一个包含资源信息和战略性建议的 JSON 文件，用于指导计算方法选择，例如是否使用并行处理（joblib、multiprocessing）、进行超出内存的数据计算（Dask、Zarr）、采用 GPU 加速（PyTorch、JAX），或选择节省内存的策略。在运行分析、训练模型、处理大型数据集，或任何需要考虑资源限制的任务之前，请先使用此技能。
分类
开发工具安装
热度:7
下载并解压到你的 skills 目录
复制命令，发送给智能体自动安装：
下载并安装这个技能 https://openskills.cc/api/download?slug=k-dense-ai-skills-get-available-resources&locale=zh&source=copy
Get Available Resources - 系统计算资源检测
技能概述
Get Available Resources 是一个专为科学计算设计的资源检测技能，在计算密集任务开始前自动检测 CPU、GPU、内存和磁盘空间，并生成战略性建议帮助您选择合适的计算方法（如 Dask、PyTorch、joblib 等）。
适用场景
1. 大数据分析前
在处理 GB 级别的数据集前，使用本技能检测可用内存和磁盘空间，自动判断应该使用 Pandas（内存加载）还是 Dask（分块处理），避免因内存不足导致的程序崩溃。
2. 机器学习训练前
在开始模型训练前检测 GPU 可用性（支持 NVIDIA CUDA、AMD ROCm、Apple Silicon Metal）和后端，推荐适合的深度学习框架（PyTorch、TensorFlow、JAX）及设备配置。
3. 并行处理优化
在运行大规模并行任务前，自动检测 CPU 核心数并推荐最优 worker 数量，为 joblib、multiprocessing、Dask 提供性能优化的并行策略。
核心功能
1. 全面的硬件检测
自动检测系统硬件信息，包括 CPU（物理/逻辑核心数、架构）、GPU（NVIDIA、AMD、Apple Silicon 及其 VRAM 和驱动版本）、内存（总量和可用量、使用率、交换空间）、磁盘（总空间和可用空间），以及操作系统和 Python 版本信息。
2. 智能资源建议
根据检测结果生成上下文感知的战略性建议：并行处理策略（高/中/低并行度及推荐 worker 数）、内存策略（内存受限/适中/充足及推荐库如 Dask/Zarr）、GPU 加速推荐（可用的后端及对应库），以及大数据处理策略。
3. 跨平台 GPU 支持
全面支持三大 GPU 平台：通过 nvidia-smi 检测 NVIDIA GPU 并报告 VRAM 和计算能力，通过 rocm-smi 检测 AMD GPU，通过系统检测识别 Apple Silicon M1/M2/M3/M4 芯片的 Metal 统一内存支持。
常见问题
如何检测系统有哪些 GPU 可用？
运行技能提供的
scripts/detect_resources.py 脚本，它会自动检测 NVIDIA、AMD 和 Apple Silicon GPU，并在生成的 .claude_resources.json 文件中报告 GPU 型号、VRAM 大小、驱动版本和可用后端（CUDA、ROCm、Metal）。什么时候应该用 Dask 而不是 Pandas？
当数据集大小超过可用内存的 50% 时，技能会推荐使用 Dask 进行内存外处理。例如，如果可用内存为 8GB，而数据集为 10GB，则应使用 Dask 分块加载而不是 Pandas 一次性加载。
Apple Silicon Mac 能用 GPU 加速吗？
可以。该技能能检测 Apple M1/M2/M3/M4 芯片及其 Metal 支持，并推荐使用 PyTorch MPS 后端、TensorFlow-Metal 或 JAX-Metal 进行 GPU 加速，充分利用统一内存架构。