[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"project-2260":3},{"id":4,"name":5,"fullName":6,"owner":7,"repo":5,"description":8,"homepage":9,"htmlUrl":9,"language":10,"languages":9,"totalLinesOfCode":9,"stars":11,"forks":12,"watchers":13,"openIssues":14,"contributorsCount":15,"subscribersCount":15,"size":15,"stars1d":16,"stars7d":16,"stars30d":12,"stars90d":15,"forks30d":15,"starsTrendScore":17,"compositeScore":18,"rankGlobal":9,"rankLanguage":9,"license":19,"archived":20,"fork":20,"defaultBranch":21,"hasWiki":22,"hasPages":20,"topics":23,"createdAt":9,"pushedAt":9,"updatedAt":24,"readmeContent":25,"aiSummary":26,"trendingCount":15,"starSnapshotCount":15,"syncStatus":27,"lastSyncTime":28,"discoverSource":29},2260,"InspireSkill","realZillionX\u002FInspireSkill","realZillionX","启智平台（qz.sii.edu.cn）的 Agent 驾驶舱：Skill + CLI，一条命令直达。Agent cockpit for the Inspire ML platform — one command, every operation, straight from chat.",null,"Python",128,14,8,1,0,3,9,3.53,"MIT License",false,"main",true,[],"2026-06-12 02:00:39","\u003Cp align=\"center\">\n  \u003Cimg src=\"https:\u002F\u002Fraw.githubusercontent.com\u002FrealZillionX\u002FInspireSkill\u002Fmain\u002Fassets\u002Fhero.svg\" width=\"100%\" alt=\"Inspire Skill — the agent-native cockpit for the Inspire compute platform\"\u002F>\n\u003C\u002Fp>\n\n\u003Cp align=\"center\">\n  \u003Cb>让 AI Agent 直接在本地 CLI 里完成启智平台的全部操作。\u003C\u002Fb>\u003Cbr\u002F>\n  \u003Csub>Notebook · Job · HPC · Serving · Model · Resources — 一条命令皆能。\u003C\u002Fsub>\n\u003C\u002Fp>\n\n\u003Cp align=\"center\">\n  \u003Ca href=\"https:\u002F\u002Fgithub.com\u002FrealZillionX\u002FInspireSkill\u002Ftree\u002Fmain\u002Fcli\">\u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FCLI-bundled-3366FF?style=for-the-badge\" alt=\"CLI bundled\"\u002F>\u003C\u002Fa>\n  \u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002Fharness-Claude%20Code%20·%20Codex%20·%20Gemini%20CLI%20·%20OpenClaw%20·%20OpenCode-5566FF?style=for-the-badge\" alt=\"Harnesses\"\u002F>\n  \u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002Fstatus-actively%20maintained-22CCEE?style=for-the-badge\" alt=\"Actively maintained\"\u002F>\n  \u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002Flicense-MIT-0f172a?style=for-the-badge\" alt=\"License MIT\"\u002F>\n\u003C\u002Fp>\n\n---\n\n## 为什么要有这个 Skill？\n\n启智平台网页 `qz.sii.edu.cn` 是 Agent 日常实验链路里最慢的那一环——每次申请资源、新建 notebook、开 SSH、同步代码都要反复点点点。\n\n**InspireSkill 把这些步骤交给 AI Agent。** 当 Claude Code \u002F Codex \u002F Gemini CLI \u002F OpenClaw \u002F OpenCode 识别到这个 skill，它会：\n\n- 直接调用 `inspire` 命令查实时资源、开 notebook、提 HPC 任务、拉日志\n- 提供**可选**的 Clash Verge `7897` 分流模板，让**公网与启智内网共存**一个本地端口，取代多人共用断连的 aTrust；CLI 本身不绑定 7897，任何能同时覆盖公网与 `*.sii.edu.cn` 的代理方案都行\n- 把平台网页上的常用操作都变成**可复现、可串联、可自动化**的命令链\n- 从 SKILL.md 按需加载对应使用手册，理解调度语义、资源申请原则和验收点，不需要 Agent 在对话里反复解释平台语义\n\n目标是让 Claude Code \u002F Codex \u002F Gemini CLI \u002F OpenClaw \u002F OpenCode **成为推进科研项目的唯一入口**，不用再在浏览器里手动点。\n\n---\n\n## 为什么比 InspireCode \u002F 在实例里装 Agent 更好？\n\n启智官方的 **InspireCode** 是把 OpenCode 直接部署到某个 Inspire 实例里——要用就得打开 `qz.sii.edu.cn`、进那个实例、在它的终端里跟 OpenCode 对话。凡是\"把 Agent 装在服务器上\"的方案都是这个路数。**InspireSkill 走相反路径：Agent 留在本机，Inspire 降格为被调用的工具。**\n\n| 维度 | InspireCode（Agent 装在 Inspire 实例里） | InspireSkill（Agent 装在本机） |\n| --- | --- | --- |\n| **Agent 生命周期** | 绑死在某一个 notebook 实例；实例回收 \u002F 崩溃，对话与状态一起没 | 跑在本机 harness 里，与任何一个 Inspire 实例解耦 |\n| **调度范围** | 只能操作它所在那一个实例的文件系统与运行时 | 一个 Agent 横跨多 workspace \u002F notebook \u002F HPC job \u002F image，**全平台统一编排** |\n| **入口** | 必须打开 `qz.sii.edu.cn` 的实例终端 | Agent 本来就在用的 Claude Code \u002F Codex \u002F Gemini CLI \u002F OpenClaw \u002F OpenCode |\n| **harness \u002F 模型选择** | 锁定 OpenCode + 它支持的模型 | 任选本机已装的 5 家 harness，模型随 harness |\n| **上下文来源** | 只有实例里能看到的东西；本地代码仓库不在场 | 本机完整 repo + git 状态 + 编辑器 + 其他 MCP 工具（Figma \u002F Preview \u002F Playwright …）一起可用 |\n| **计算占用** | Agent 进程吃 Inspire 实例的 CPU \u002F RAM 配额；API key 必须放在实例里 | Agent 进程跑本机；Inspire 实例的 CPU \u002F RAM 全给训练 \u002F HPC；API key 只留本地 |\n| **连接依赖** | 平台网页断 = Agent 断；aTrust 掉线对话就停 | `inspire` CLI 直接操作平台；Agent 推理甚至可以完全离 SII 内网 |\n| **自动化 \u002F 可复现** | 对话历史锁在浏览器页面里 | 命令流可保存 \u002F 回放；可读格式给 Agent 决策，结构化输出留给脚本消费 |\n\n一句话：**InspireCode 把 Agent 搬进 Inspire，InspireSkill 把 Inspire 变成 Agent 的一把工具。**\n\n---\n\n## 为什么比社区里其它启智 CLI 更值得用？\n\n启智社区还有两条独立维护的 CLI：[EmbodiedForge\u002FInspire-cli](https:\u002F\u002Fgithub.com\u002FEmbodiedForge\u002FInspire-cli) 和 [tianyilt\u002Fqzcli_tool](https:\u002F\u002Fgithub.com\u002Ftianyilt\u002Fqzcli_tool)。差异主要在能力覆盖广度——能不能在 `分布式训练空间` 这类离线 GPU 空间零配置 SSH、能不能拿到事件 \u002F 生命周期 \u002F GPU 利用率这些观测信号、能不能端到端编排 notebook + HPC + Ray + serving。\n\n| 维度 | [Inspire-cli](https:\u002F\u002Fgithub.com\u002FEmbodiedForge\u002FInspire-cli) | [qzcli_tool](https:\u002F\u002Fgithub.com\u002Ftianyilt\u002Fqzcli_tool) | **InspireSkill** |\n| --- | --- | --- | --- |\n| **License \u002F 分发** | Proprietary, members-only · 源码渠道 | 无 LICENSE · 源码渠道 | **MIT · PyPI + `curl \\| install.sh`** |\n| **零配置 SSH \u002F 文件流转** | 需要 Agent 预配本地组件或容器公网 | 无统一远程执行抽象 | **零配置**，`ssh \u002F exec \u002F shell \u002F scp` 都直接按 notebook name 使用 |\n| **平台能力覆盖** | 少量训练 \u002F HPC 能力 | 部分 HPC + job 能力 | notebook \u002F job \u002F HPC \u002F Ray \u002F Serving \u002F Model \u002F resources 全覆盖 |\n| **事件 \u002F 生命周期 \u002F GPU 利用率查询** | 无 | 无 | **5 类 events + notebook\u002Fjob\u002Fhpc\u002Fserving metrics + run_index 生命周期** |\n| **HPC \u002F Ray \u002F Serving \u002F Model** | 仅有部分 job + notebook | 仅 HPC（单层）+ job | **HPC 两层模型 + Ray 弹性 + Serving + Model** 全覆盖 |\n| **多账号** | `[accounts.\"\u003Cuser>\"]` 合并层 | 单账号 | 一账号一独立目录，`~\u002F.inspire\u002Fcurrent` 切换 |\n| **Agent 接入** | 无 | `qzcli-mcp`（1 家 harness） | Skill 格式覆盖 5 家 harness |\n| **测试** | 多文件回归套件 | 3 文件 | 持续扩展的单元测试套件 |\n\n一句话：**这两条 CLI 各做了一段路；InspireSkill 把整个平台的操作面和观测面端到端铺平了，并且在离线场景下零配置可用。**\n\n---\n\n## 快速上手\n\n> **平台支持**：macOS + Linux 一等公民。**Windows Agent 请用 [WSL2](https:\u002F\u002Flearn.microsoft.com\u002Fen-us\u002Fwindows\u002Fwsl\u002Finstall)**——CLI 依赖 SSH \u002F rsync \u002F GPFS 目录约定 \u002F POSIX 文件权限，Windows 原生不在 roadmap。\n\n### 安装\n\n**前置**：`bash` · `curl` · `tar` · Python 3.10+ · 已装 `uv`（推荐）或 `pipx` 任一。\n\n```bash\ncurl -LsSf https:\u002F\u002Fastral.sh\u002Fuv\u002Finstall.sh | sh\ncurl -fsSL https:\u002F\u002Fraw.githubusercontent.com\u002FrealZillionX\u002FInspireSkill\u002Fmain\u002Fscripts\u002Finstall.sh | bash\n```\n\n安装、可选参数和安装后检查见 [references\u002Fsetup\u002Finstall-and-config.md](references\u002Fsetup\u002Finstall-and-config.md)。\n\n### 更新\n\n```bash\ninspire update                # CLI 包 + SKILL\u002Freferences 一起升到最新\ninspire update --check        # 只检查，不动\ninspire update --cli-only     # 仅升 CLI 包与运行时\ninspire update --skill-only   # 仅刷 SKILL.md \u002F references\u002F\n```\n\n升级旧版本和 installer 检测说明见 [references\u002Fsetup\u002Finstall-and-config.md](references\u002Fsetup\u002Finstall-and-config.md)。\n\n### 完整初始化（安装后必跑）\n\n```bash\ninspire account add \u003Cname>\ninspire config show --compact\ncd \u002Fpath\u002Fto\u002Fyour-repo\ninspire init\ninspire resources availability --workspace all --include-cpu\n```\n\n账号级 \u002F 项目级配置分层、多账号和代理 setup 见 [references\u002Fsetup\u002Finstall-and-config.md](references\u002Fsetup\u002Finstall-and-config.md)。\n\n---\n\n## 能力一览\n\n\u003Ctable>\n\u003Ctr>\n  \u003Ctd width=\"50%\">\n    \u003Ch4>📝 Notebook 统一入口\u003C\u002Fh4>\n    全链路命令化：\u003Ccode>create \u002F list \u002F status \u002F start · stop \u002F ssh \u002F connection \u002F ssh-config \u002F exec \u002F shell \u002F scp \u002F install-deps \u002F metrics \u002F events \u002F lifecycle\u003C\u002Fcode>。\u003Ccode>notebook ssh <name>\u003C\u002Fcode> 像 SSH 一样打开交互终端，\u003Ccode>notebook connection refresh <name>\u003C\u002Fcode> 可显式刷新连接缓存，\u003Ccode>notebook ssh-config <name>\u003C\u002Fcode> 可接入原生 OpenSSH \u002F scp \u002F rsync。\u003Cb>任何镜像、任何计算组、有无公网\u003C\u002Fb>都能直接使用远程执行和文件流转命令。\n  \u003C\u002Ftd>\n  \u003Ctd width=\"50%\">\n    \u003Ch4>🚀 HPC 任务分派\u003C\u002Fh4>\n    \u003Ccode>inspire hpc create -c <slurm-body>\u003C\u002Fcode> 只写 Slurm 正文 + 显式 \u003Ccode>srun\u003C\u002Fcode>，平台自动补 \u003Ccode>#SBATCH\u003C\u002Fcode> 头。两层独立：节点资源用 \u003Ccode>--quota gpu,cpu,mem\u003C\u002Fcode>（CLI 自动解析到平台 quota row），slurm 调度用 \u003Ccode>--number-of-tasks \u002F --cpus-per-task \u002F --memory-per-cpu\u003C\u002Fcode>。\n  \u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003Ctr>\n  \u003Ctd>\n    \u003Ch4>🏃 GPU 后台任务（平台名：分布式训练）\u003C\u002Fh4>\n    平台官方把 \u003Ccode>job\u003C\u002Fcode> 这一路叫\"分布式训练\" \u002F distributed training；提交 job 时只要求 GPU 计算资源和启动命令，不强制程序必须是训练。\u003Ccode>inspire job\u003C\u002Fcode> 可用于一张卡、多卡、单节点、多节点等后台 GPU 任务 —— 分布式训练 \u002F 批量推理 \u002F 并发 worker pool 都走这里（\u003Ccode>hpc\u003C\u002Fcode> 对应 CPU Slurm）。提交统一使用 \u003Ccode>job create\u003C\u002Fcode>；需要跟日志时用 \u003Ccode>job logs <name> --workspace <workspace> --follow\u003C\u002Fcode>，健康度用 \u003Ccode>job metrics <name> --workspace <workspace>\u003C\u002Fcode> 看 GPU、显存、CPU、内存、I\u002FO 和多 pod 负载是否同步。\n  \u003C\u002Ftd>\n  \u003Ctd>\n    \u003Ch4>📊 资源情报\u003C\u002Fh4>\n    \u003Ccode>resources availability --workspace all --include-cpu\u003C\u002Fcode> \u002F \u003Ccode>resources nodes --workspace all\u003C\u002Fcode> \u002F \u003Ccode><workload> quota --workspace <name>\u003C\u002Fcode> — 三板斧定位哪个集群有空，支持透支式申请。\n  \u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003Ctr>\n  \u003Ctd>\n    \u003Ch4>🗂 镜像管理\u003C\u002Fh4>\n    \u003Ccode>image list \u002F detail \u002F save \u002F register \u002F set-visibility \u002F delete\u003C\u002Fcode>，创建 notebook、job、HPC、Ray 或 serving 时显式传 \u003Ccode>--image\u003C\u002Fcode>；\u003Ccode>hpc create --image-type\u003C\u002Fcode> 明确可见性。\n  \u003C\u002Ftd>\n  \u003Ctd>\n    \u003Ch4>🛰 模型部署 （Serving）\u003C\u002Fh4>\n    \u003Ccode>inspire serving create \u002F list \u002F status \u002F stop \u002F configs \u002F metrics\u003C\u002Fcode> —— 覆盖模型部署服务的创建、列表、状态、可用配置、资源指标和停止操作；创建前用 \u003Ccode>serving quota --workspace <workspace>\u003C\u002Fcode> 选 quota。\n  \u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003Ctr>\n  \u003Ctd>\n    \u003Ch4>📦 模型注册表 （Model）\u003C\u002Fh4>\n    \u003Ccode>inspire model list \u002F status \u002F versions\u003C\u002Fcode> —— 浏览 workspace 下所有模型 + 每个模型的历史版本，带 vLLM 兼容标记 \u002F 创建时间；之前只能在平台网页里翻。\n  \u003C\u002Ftd>\n  \u003Ctd>\n    \u003Ch4>👤 身份 \u002F 配额 \u002F 权限\u003C\u002Fh4>\n    \u003Ccode>inspire user whoami \u002F permissions \u002F api-keys\u003C\u002Fcode> —— 一眼看清当前账号、在某 workspace 下实际授予的权限码（\u003Ccode>job.trainingJob.create\u003C\u002Fcode> 等），以及已申请的 API Key 元数据。\n  \u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003Ctr>\n  \u003Ctd width=\"50%\">\n    \u003Ch4>📈 指标、事件 & 生命周期\u003C\u002Fh4>\n    \u003Ccode>notebook metrics\u003C\u002Fcode> \u002F \u003Ccode>job metrics\u003C\u002Fcode> \u002F \u003Ccode>hpc metrics\u003C\u002Fcode> \u002F \u003Ccode>serving metrics\u003C\u002Fcode> 读取平台 \u003Ccode>资源视图\u003C\u002Fcode> 的历史时间序列，默认输出 PNG 趋势图，\u003Ccode>--no-plot --sparkline\u003C\u002Fcode> 适合终端快速判断；\u003Ccode>job events\u003C\u002Fcode> \u002F \u003Ccode>hpc events\u003C\u002Fcode> \u002F \u003Ccode>notebook events\u003C\u002Fcode> \u002F \u003Ccode>ray events\u003C\u002Fcode> 拉平台事件流，\u003Ccode>job instances\u003C\u002Fcode> \u002F \u003Ccode>hpc instances\u003C\u002Fcode> \u002F \u003Ccode>ray instances\u003C\u002Fcode> 看 live pod \u002F component 清单，\u003Ccode>notebook lifecycle <name>\u003C\u002Fcode> 看一个实例的多次启停记录。\n  \u003C\u002Ftd>\n  \u003Ctd width=\"50%\">\n    \u003Ch4>🗝 多账号（一账号一目录）\u003C\u002Fh4>\n    \u003Ccode>inspire account add \u002F list \u002F use \u002F current \u002F remove\u003C\u002Fcode> —— 每个账号的 \u003Ccode>config.toml\u003C\u002Fcode>、SSH tunnel bridges 和登录缓存都在独立目录 \u003Ccode>~\u002F.inspire\u002Faccounts\u002F<name>\u002F\u003C\u002Fcode>，活动账号由 \u003Ccode>~\u002F.inspire\u002Fcurrent\u003C\u002Fcode> 一行决定。不再有 \u003Ccode>[accounts.\"<user>\"]\u003C\u002Fcode> 合并层、不再有多个环境变量的优先级链；切账号 = 改一个文件。\n  \u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003C\u002Ftable>\n\n---\n\n## 支持的 Agent Harness\n\n| Harness | 安装后位置 | 备注 |\n| --- | --- | --- |\n| [Claude Code](https:\u002F\u002Fclaude.com\u002Fclaude-code) | `~\u002F.claude\u002Fskills\u002Finspire\u002F` | **默认推荐** —— Agent 可被**后台命令完成事件**自动唤醒 |\n| [Codex CLI](https:\u002F\u002Fgithub.com\u002Fopenai\u002Fcodex) | `~\u002F.codex\u002Fskills\u002Finspire\u002F` | 额外生成 `agents\u002Fopenai.yaml` |\n| [Gemini CLI](https:\u002F\u002Fgithub.com\u002Fgoogle-gemini\u002Fgemini-cli) | `~\u002F.gemini\u002Fskills\u002Finspire\u002F` | |\n| [OpenClaw](https:\u002F\u002Fgithub.com\u002Fopenclaw\u002Fopenclaw) | `~\u002F.openclaw\u002Fskills\u002Finspire\u002F` | 全局 \"managed skills\" 层；workspace 层 （`~\u002F.openclaw\u002Fworkspace\u002Fskills\u002F`） 可覆盖 |\n| [OpenCode](https:\u002F\u002Fgithub.com\u002Fanomalyco\u002Fopencode) | `~\u002F.config\u002Fopencode\u002Fskills\u002Finspire\u002F` | 遵循 XDG；`$OPENCODE_CONFIG_DIR` 可改根 |\n\n**为什么默认推 Claude Code**：它的 scheduler 支持在**后台 Bash 命令结束时自动唤醒 Agent**。把 `inspire job logs \u003Cname> --workspace \u003Cworkspace> --follow` \u002F 长轮询 checkpoint \u002F `inspire hpc status \u003Cname> --workspace \u003Cworkspace>` 监视之类长 watch 挂到后台，训练或 HPC 任务跑完 Agent 自己醒过来接下一步。Codex \u002F Gemini CLI \u002F OpenClaw \u002F OpenCode 目前没有这个能力，做长流水的自动化会弱一档。\n\n---\n\n## 自定义 SKILL.md \u002F INSPIRE.md\n\nSKILL.md 装完是一份**通用 playbook**。日常 workspace 基本就是 `CPU资源空间` 和 `分布式训练空间`；资源条件不要写成隐式默认值，把 `workspace`、`project`、`group`、`quota` 和 `image` 组合成 workload profile，并在 `inspire notebook\u002Fjob\u002Fhpc\u002F... create --profile \u003Cname>` 或 batch 文件里显式使用。如果 Agent 的主战场是启智的国产卡分区、`CI-情境智能` 工作空间，或小组自己划走的专属资源开发空间，两条口子做定制：\n\n1. **项目级（推荐）**：改仓库根的 `INSPIRE.md`，并用 `inspire \u003Cworkload> profile set \u003Cname> ...` 保存条件组；`Path Conventions` 只写 remote path alias。`INSPIRE.md` 属于当前 repo，不会被 `inspire update` 覆写，也方便跟组内协作。\n2. **Harness 级**：直接编辑 `~\u002F.claude\u002Fskills\u002Finspire\u002FSKILL.md` 和同目录 `references\u002F`（Codex \u002F Gemini \u002F OpenClaw \u002F OpenCode 同理），改按需加载入口或对应使用手册。注意：`inspire update` **默认会覆盖 SKILL.md 和 references\u002F**；维护了本地改动后用 `inspire update --cli-only` 只升级 CLI 与运行时、不动 skill 文件，想合并上游变更时再手动 diff。\n\n---\n\n## 🔧 维护承诺\n\n**启智平台的调度语义、资源组划分、镜像可用性会频繁变化。** InspireSkill 的维护目标是让 CLI 和使用手册始终贴近平台真实行为。\n\n维护者 [@realZillionX](https:\u002F\u002Fgithub.com\u002FrealZillionX) 会**高频率、持续**跟进上游变更。每次发版后，任意 `inspire \u003Csubcommand>` 都会在 stderr 提醒一行，跑 `inspire update` 即升（用法见上面 [更新](#更新) 段）。\n\n发现新的平台行为差异时，在 [issue tracker](https:\u002F\u002Fgithub.com\u002FrealZillionX\u002FInspireSkill\u002Fissues) 开一条，附 `inspire --debug \u003Ccmd>` 的 trace（CLI 会自动脱敏敏感登录凭据和代理信息）。**反馈流程的更多细节见下方\"开发与贡献\"一节。**\n\n---\n\n## 代理配置\n\n不常驻 SII 的科研人员通常需要让本机代理同时转发公网和 `*.sii.edu.cn` 流量。仓库提供一份**可选**的 Clash Verge `7897` mixed-port 分流模板，见 [references\u002Fsetup\u002Fproxy-setup.md](references\u002Fsetup\u002Fproxy-setup.md)；但 CLI 本身不绑定 7897。代理地址通过 `inspire account add` 写入账号配置，并可用 `inspire config show --compact` 核对。\n\n> 凭据（host \u002F user \u002F password）**从实验室或组织管理员获取**，不要提交到任何公开仓库或聊天记录。\n\n---\n\n## 开发与贡献\n\n项目由 [@realZillionX](https:\u002F\u002Fgithub.com\u002FrealZillionX) 维护，节奏与启智平台的行为 \u002F 调度语义紧密绑定。为了让上游变更能被**最快、最一致地**消化进 CLI + SKILL.md + `references\u002F`，贡献入口按变更风险分层：\n\n- **欢迎小而清楚的 PR。** 文档修正、使用手册补丁、平台行为变化修复、可复现的小型 CLI bugfix 都可以直接提 PR；长期协作者（如 [@JingYiJun](https:\u002F\u002Fgithub.com\u002FJingYiJun)）持续跟进平台变化，相关 PR 通过测试和基础 review 后可按快速通道合入。\n- **大范围语义调整先提 [Issue](https:\u002F\u002Fgithub.com\u002FrealZillionX\u002FInspireSkill\u002Fissues)。** 平台语义变化快，涉及工作流重写、配置边界、调度策略或多命令联动的改动，先用 Issue 描述问题场景，**附上 `inspire --debug \u003Ccmd>` 的日志最好**（CLI 会自动脱敏敏感登录凭据和代理信息）。维护者会评估后纳入后续版本，通常几天内发新版。\n- **新的平台行为差异**同样走 Issue；不用自己附敏感本地文件，维护者会用仓库内的开发工具复现。\n\n这么安排的权衡：**这个 skill 的价值在于与上游保持零漂移的同步**。Issue 是最高效的问题信号，PR 是可落地 patch 的通道；能小步合并的就小步合并，需要统一调度的就先收敛语义再动手。\n\n---\n\n## 文档索引\n\n- [**SKILL.md**](SKILL.md) — 日常使用入口：CLI help 查询方式、按需加载索引和项目上下文字段。\n- [references\u002Fsetup\u002Finstall-and-config.md](references\u002Fsetup\u002Finstall-and-config.md) — 安装、更新、账号初始化和项目初始化。\n- [references\u002Fsetup\u002Fproxy-setup.md](references\u002Fsetup\u002Fproxy-setup.md) — Clash Verge 7897 分流配置和账号级代理衔接。\n- [references\u002Fdev\u002Fopenapi.md](references\u002Fdev\u002Fopenapi.md) — CLI 维护参考：公开提交接口合约。\n- [references\u002Fdev\u002Fbrowser-api.md](references\u002Fdev\u002Fbrowser-api.md) — CLI 维护参考：网页会话接口合约。\n- [references\u002Fresources-and-paths.md](references\u002Fresources-and-paths.md) — 实时资源、规格三元组、共享盘作用域、存储池和项目路径。\n- [references\u002Fnotebook.md](references\u002Fnotebook.md) — Notebook 创建、连接、远程执行、传文件和基底环境准备。\n- [references\u002Fnotebook-service-proxy.md](references\u002Fnotebook-service-proxy.md) — Notebook 容器内 HTTP 服务的 proxy URL、SDK base URL 和安全边界。\n- [references\u002Fcompute-workloads.md](references\u002Fcompute-workloads.md) — GPU job、CPU HPC、Ray、serving 的适用边界、调度语义和示例。\n- [references\u002Fworkflows.md](references\u002Fworkflows.md) — CPU 准备、数据处理、分布式训练三阶段项目流程。\n- [`cli\u002F`](cli\u002F) — CLI 源码；入口 `cli\u002Finspire\u002Fcli\u002Fmain.py`。\n- [`scripts\u002Finstall.sh`](scripts\u002Finstall.sh) — curl-pipe-bash 安装器。\n\n---\n\n## License\n\n[MIT](LICENSE)\n\n## Acknowledgements\n\n- 启智平台团队提供的公开资料与协助。\n- [EmbodiedForge\u002FInspire-cli](https:\u002F\u002Fgithub.com\u002FEmbodiedForge\u002FInspire-cli) 提供了 CLI 的初步框架。\n\n\u003Cp align=\"center\">\u003Csub>Made for researchers who'd rather think than click.\u003C\u002Fsub>\u003C\u002Fp>\n","InspireSkill 是一个专为启智平台设计的本地命令行工具，旨在通过一条命令完成平台上所有操作。其核心功能包括资源查询、notebook 创建、HPC 任务提交及日志拉取等，并支持多种 AI Agent（如 Claude Code, Codex, Gemini CLI 等）。此外，它还提供了一种可选的代理方案，使得公网与内网服务能够共存于同一端口，从而简化了网络配置流程。此项目特别适用于需要频繁使用启智平台进行机器学习实验的研究人员和开发者，帮助他们摆脱繁琐的手动网页操作，实现工作流的自动化与标准化。",2,"2026-06-11 02:49:08","CREATED_QUERY"]