onescience-cli skill

输入获取方式

本技能支持两种输入方式：

1. 上下文 handoff（默认）：从调用方传入的 step_handoff 获取任务信息。
2. 文件 handoff（autonomous_mode）：从 .onescience/handoff/step_{step_id}.yaml 读取任务信息。执行后，将结果写入 .onescience/handoff/step_{step_id}_result.yaml。

启动时优先检查 .onescience/handoff/ 目录是否存在对应的交接文件；若存在则使用文件模式，否则使用上下文模式。

文件交接格式参见 skills/onescience-orchestrator/references/file_handoff_contract.md。

OneScience CLI 技能

本技能根目录： 与当前 SKILL.md 同目录。资产路径均按本技能根目录解析，不按当前工作目录猜测。

需要环境检测与远程连接细则时，读取 ./references/cli_rules.md。 需要可渲染命令模板时，读取 ./references/cli_flow.md。

1. 职责与边界

本技能是在远端环境执行任意 onescience 命令的统一入口。onescience 命令需预先安装，本技能不检查或安装 onescience 工具。本技能不限制子命令范围，任何 onescience 支持的子命令均可透传执行。

负责：

• 执行 discover -> precheck（先检查计算节点 → 再检查环境）-> execute 运行闭环
• 根据命令级别（lightweight/normal/compute）自动选择执行通道
• 轻量命令（help/list/info/config）走快速通道，跳过环境探测与检查
• 消费 execution_mode、access_mode、execution_channel、hardware_profile
• 连接远端环境（参照 onescience-installer 的主机发现与连接方式）
• 环境检查：确认当前 shell 在计算节点上、环境已加载
• 调用 onescience 命令执行用户请求的子命令
• 返回执行结果与状态

不负责：

• 安装或修复 OneScience 完整环境（由 onescience-installer 负责）
• 安装或修复 onescience 工具
• 计算节点申请与 SLURM 作业提交（由 onescience-runtime 负责）
• 修改远端代码、配置或依赖
• 安装系统级组件或驱动
• 深度诊断训练/测试失败的业务原因
• 决定当前命令步骤之外的后续业务 executor 或全局工作流下一阶段

2. 固定阶段

阶段	触发条件	目标	关键输出
discover	每次执行	命令级别判定 + 连接远端环境，收集运行目标与环境事实	execution_mode、hardware_profile、remote_access_info、command_level
precheck	非 lightweight 级别	检查环境是否满足运行条件（先计算节点 → 再环境）	env_ready、on_compute_node、precheck_outcome
execute	precheck 通过或 lightweight 快速通道	通过 onescience 命令执行用户请求的子命令	onescience_command、execution_state、output

三阶段按顺序推进，每阶段向用户实时汇报当前步骤。lightweight 级别跳过 precheck 直接进入 execute 快速通道。

precheck 发现不在计算节点时，交由 onescience-runtime 通过 sbatch 提交作业处理。precheck 发现环境未加载时，提示调用 onescience-installer。

CLI 只允许在当前命令步骤内进行这些显式委托：onescience-runtime 用于计算节点申请 / 提交 / 运行治理，onescience-installer 用于环境初始化。除这两类窄委托外，CLI 不得自行决定其他 downstream 业务技能；若后续问题超出 CLI 当前命令执行边界，必须返回 onescience-orchestrator 决策。

3. Discover 阶段

3.1 消费上游信息

优先消费：

• skills/onescience-runtime/assets/execution_profiles.json
• skills/onescience-runtime/assets/backend_specs.json
• 上游传递的 hardware_profile、execution_mode、access_mode

3.2 执行域判定

若上游未给出可靠 execution_mode，用 cli_flow.md 的 §0 判定当前 shell 是否已在目标环境中。

• IN_CONTAINER=yes：视为 local_slurm，当前 shell 即为执行目标
• IN_CONTAINER=no：视为 remote_slurm，必须先完成主机发现

3.2a 命令级别判定

根据 cli_rules.md §0.1 规则判定当前命令级别：

级别	包含命令
lightweight	help, --version, list, info, config show/get
normal	log, status, upgrade, remock, config set
compute	bench 及所有训练/推理/评估命令

• lightweight → 跳过 §1 环境探测和 §3 环境检查，走快速通道
• normal → 跳过 §1 环境探测和 §2 计算节点判定，执行 §3 环境检查
• compute → 执行完整三阶段

3.3 主机发现（remote_slurm）

参照 onescience-installer 的主机发现流程：

1. 读取 onescience.json 的 runtime.remote
2. 读取 ~/.ssh/config
3. 仍缺 user、host/hostname、port、identity_file 中任一项时，只询问缺失项
4. 多个 Host 候选时，只询问选哪一个

Host 别名优先：当 ~/.ssh/config 中存在配置完整的 Host 条目时，使用 {ssh_host_alias} 替代完整的 -p -i user@host 参数。

3.4 §1 远端环境探测（硬件探测）

仅对 compute 级别执行：lightweight 和 normal 级别跳过本节。

执行命令：

• remote_slurm：执行 cli_flow.md 的 §1
• local_slurm：执行 cli_flow.md 的 §1b

探测内容：

• NVIDIA GPU 检测（nvidia-smi）
• AMD DCU 检测（hipcc）
• 工具包目录检测（/opt/dtk-*、/opt/rocm*、/usr/local/cuda*）
• 设备文件检测（/dev/kfd）
• 模块环境检测（module avail）

实时汇报：🔄 正在执行 §1 远端环境探测...

4. Precheck 阶段

命令级别决定跳过哪些检查步骤：

级别	§2 计算节点判定	§3 环境加载检查
lightweight	跳过	跳过（走快速通道）
normal	跳过	执行
compute	执行	执行

4.1 §2 计算节点判定（第一步）

仅对 compute 级别执行。

执行命令：

• remote_slurm：执行 cli_flow.md 的 §2 远端判定
• local_slurm：执行 cli_flow.md 的 §2 就地判定

检查内容：

• SLURM_NODEID：检查是否已设置
• SLURM_JOB_ID：检查是否已设置
• SLURM_JOB_NODELIST：检查是否已设置
• SLURM_NTASKS：检查是否已设置
• SLURM_CLUSTER_NAME：检查是否已设置
• hostname：获取当前主机名
• scontrol show node：尝试获取节点信息

实时汇报：📋 正在执行 §2 计算节点判定...

不在计算节点时：调用 onescience-runtime 技能，通过 sbatch 提交作业到计算节点执行。

---

4.2 §3 环境加载检查（第二步）

对 normal 和 compute 级别执行。

执行命令：

• remote_slurm：执行 cli_flow.md 的 §3 远端检查
• local_slurm：执行 cli_flow.md 的 §3 就地检查

检查内容：

• Conda 环境列表：检查 onescience311 是否存在
• 当前激活环境：检查 $CONDA_DEFAULT_ENV 是否为 onescience311
• 已加载模块：检查 module list 输出
• OneScience 包：检查 python -c "import onescience; print(onescience.__version__)" 是否成功

实时汇报：📋 正在执行 §3 环境加载检查...

不满足条件时：调用 onescience-installer 技能完成环境初始化。

5. Execute 阶段

5.1 onescience 命令

命令形式为：

onescience {onescience_subcommand} {onescience_args}

其中 {onescience_subcommand} 是用户请求的子命令，{onescience_args} 是子命令后的附加参数。

5.2 模板选择

根据命令级别和执行模式选择模板：

级别	remote_slurm	local_slurm
lightweight	§5 快速执行通道	§5 就地
normal	§6 普通执行命令	§6 就地
compute	§4 通用执行命令	§7 通用执行命令

快速通道（lightweight）特点：

• 跳过环境探测、计算节点判定、环境加载检查
• 直接执行 onescience 命令
• 无需设置 WORLD_SIZE/MASTER_ADDR/MASTER_PORT 等环境变量
• 无需切换工作目录

普通通道（normal）特点：

• 跳过环境探测和计算节点判定
• 已确认环境就绪，直接执行

计算通道（compute）特点：

• 完整三阶段流程
• 需要确认在计算节点上
• 需要设置完整的训练环境变量

5.3 执行方式

• remote_slurm：通过 SSH 在远端执行 onescience 命令
  • lightweight：直接在远端执行（登录节点即可）
  • normal：直接在远端执行（登录节点即可）
  • compute：需在计算节点上执行；不在时通过 onescience-runtime 的 sbatch 提交作业
• local_slurm：在当前计算节点上直接执行 onescience 命令

5.4 日志与输出管理

日志路径：

• 远端日志目录：{remote_work_dir}/.onescience/cli_logs
• 远端输出目录：{remote_work_dir}/.onescience/output

日志同步：

• remote_slurm：执行完成后通过 scp 同步日志到本地 .onescience/cli_logs/
• local_slurm：直接复制到本地 .onescience/cli_logs/

输出展示：

• 执行日志路径（远端 + 本地）
• 输出文件列表
• 关键指标（如训练 loss、准确率等）

6. 用户交互

只在以下情况询问用户：

• 主机发现后仍缺 SSH 四元组中的字段
• 多个 Host 候选需要择一
• 不在计算节点上（compute 级别），建议交由 onescience-runtime 通过 sbatch 提交作业
• 环境未加载（env_not_ready），建议调用 onescience-installer

7. 最终输出

每次阶段汇报或执行完成时，直接向用户展示以下内容，无需用户再次询问：

快速通道输出（lightweight 级别）

🚀 快速通道：跳过环境探测与检查，直接执行
📋 目标主机：{hostname}
📋 命令级别：lightweight

🚀 execute：正在执行 onescience {onescience_subcommand} {onescience_args}...
📊 输出结果：
{output}

📊 执行状态：{execution_state}
📊 退出码：{exit_code}

标准通道输出（normal / compute 级别）

🔄 discover：正在连接远端环境...
📋 目标主机：{hostname}
📋 硬件类型：{required_backend_id}
📋 执行模式：{execution_mode}

🔄 precheck：正在检查环境...
📋 计算节点状态：{on_compute_node}
📋 环境加载状态：{env_ready}

🚀 execute：正在执行 onescience {onescience_subcommand} {onescience_args}...
📊 输出结果：
{output}

📊 执行状态：{execution_state}
📊 退出码：{exit_code}
📂 日志路径：{log_path}

失败时输出错误诊断

❌ 执行失败
📋 错误类型：{error_category}
📋 错误信息：{error_message}
📋 建议：{suggested_action}
📊 退出码：{exit_code}

错误类型说明

错误类型	说明
command_not_found	onescience 命令未找到
permission_denied	权限不足
missing_config	配置文件缺失
missing_data	数据文件缺失
out_of_memory	内存不足
network_error	网络错误
cli_error	onescience 命令执行错误
ssh_failure	SSH 连接失败

8. 跨技能调用与验证

8.1 调用 onescience-installer 后的验证

验证流程：

1. 等待 onescience-installer 返回 verify_state=verified
2. 重新执行 §3 环境加载检查
3. 确认 env_ready=true 后才进入 execute
4. 若仍为 false，输出：

   ❌ 环境安装失败
   📋 建议：手动检查环境或联系管理员
   

8.2 调用 onescience-runtime 后的状态跟踪

状态跟踪流程：

1. 调用 runtime 提交 sbatch 作业
2. 消费 runtime 返回的提交状态、日志引用与执行结果
3. 若 runtime 返回的是继续等待 / 恢复当前命令步骤所需的信息，则在 CLI 当前命令上下文内继续完成展示
4. 若 runtime 返回的阻断或下一动作已超出 CLI 当前命令边界，则返回 onescience-orchestrator 决策

CLI 不应在 runtime 已接管提交 / 状态 / 日志治理后，再自行扩展为 runtime 管理器（例如直接轮询 squeue 代替 runtime 的状态治理职责）。

9. 参考文件

文件	用途
./references/cli_flow.md	可渲染命令模板（§0–§7）
./references/cli_rules.md	discover / precheck / execute 细则，含命令分级、快速通道和 Host Key 容错
skills/onescience-installer/SKILL.md	环境初始化委托给 onescience-installer 技能处理
skills/onescience-runtime/SKILL.md	计算节点申请与作业提交委托给 onescience-runtime 技能处理