convez.ai
SkillDevOps & InfraestruturaAvançado
amanikiruga

Claude Skills para HPC e ML

amanikiruga/claude_skills

Skills para staging seguro de datasets em infraestrutura HPC/Lustre

Ver no GitHub
InicialPluginScore · de 0 a 100

Conjunto de skills reutilizáveis para Claude Code focados em trabalho com datasets de HPC/ML no supercomputador Isambard. Inclui gerenciamento seguro e durável de transferências de dados em larga escala com suporte a armazenamento consciente de inodes e monitoramento de saúde.

Instalação

$npx convez-ai amanikiruga/claude_skills

1 comando no terminal: detecta o formato do repositório (marketplace ou plugin avulso) e instala via Claude Code. Requer Node 18+ e o Claude Code instalado.

Métricas

Estrelas
0
Forks
0
Acompanhando
0
Saúde
14%
Último commit
há 5 meses
Versão
—
Issues abertas
0
Contribuidores
1

Casos de uso

  • Transferência segura de datasets grandes em clusters HPC
  • Gerenciamento de armazenamento em Lustre com awareness de inodes
  • Monitoramento e recuperação de transferências interrompidas
  • Integração com sbatch para processamento distribuído

Veredito

Skill muito especializada para contexto específico de HPC em Isambard, com foco em problemas reais de transferência de dados em larga escala. Útil apenas para quem trabalha com infraestrutura de alto desempenho em ambiente Lustre.

README

A tradução para o português deste README ainda está na fila.

claude_skills

Reusable Claude Code skills for our HPC / ML dataset work on Isambard.

Use

Clone into your Claude skills directory so they load automatically:

git clone git@github.com:amanikiruga/claude_skills.git ~/.claude/skills

Each subdirectory is one skill (<name>/SKILL.md). Invoke with /<name>, or let Claude load it when relevant. Restart Claude Code once after first clone so the directory is watched.

Skills

  • hpc-dataset-download — stage large datasets onto shared Lustre /projects safely and durably: inode-aware storage (SquashFS vs loose), durable sbatch + lockfile handoff, resumable transfers, health monitoring, and the hard-won gotchas.
Ver o original no GitHub

Bom para

Relacionados