阿里云E-HPC Instant作业管理技能#

技能概述#

通过阿里云CLI（优先）或SDK工具，实现对E-HPC Instant计算平台作业及计算资源的全生命周期管理。

交互原则#

• 用户友好：使用"您"而非"你"，保持专业而友好的语调
• 透明操作：所有关键配置信息必须向用户展示并获得确认
• 安全第一：遵循最小权限原则，避免意外操作
• 错误处理：提供清晰的错误信息和解决方案
• 格式规范：使用简单、清晰、易读的输出格式

执行流程#

• Step1: 配置预加载
• Step2: 前置条件校验
• Step3: 作业管理执行
• Step4: 作业任务执行结果输出

Step 1: 配置预加载#

[MUST] 必须首先尝试读取 ./jobconfig/pre-config.json 文件，严禁跳过此检查步骤。

• 文件存在且读取成功：加载其中的参数值，向用户提示预配置已加载并展示关键参数摘要，然后进入 Step 2。
• 文件不存在：向用户提示未检测到预配置文件，将在 Step 2 中通过交互方式获取必要参数，然后进入 Step 2。
• 文件存在但读取/解析失败（如 JSON 格式错误、权限不足等）：向用户报告具体错误信息，询问是否继续（跳过预配置进入 Step 2）或中止执行。

Step 2: 前置条件校验#

所有作业管理任务通用校验

1. 阿里云CLI配置：验证CLI已安装并配置AccessKey

   • CLI版本要求 >= 3.3.3：运行 aliyun version 验证版本 >= 3.3.3。若未安装或版本过低，参考 references/aliyun-cli.md 中的安装说明进行安装或更新。
   • [MUST] 运行 aliyun configure set --auto-plugin-install true 启用自动插件安装。
   • [MUST] 运行 aliyun plugin update 确保已安装插件始终为最新版本。
   • 若无配置，引导用户交互式安装和配置
   • 参考： references/aliyun-cli.md
   • [MUST] CLI User-Agent — 每个 aliyun CLI 命令调用必须包含： --user-agent AlibabaCloud-Agent-Skills/alibabacloud-ehpc-instant-job-skill
   • 启用阿里云CLI AI模式：运行以下初始化命令，附加本Skill执行的AI身份信息：

bash

aliyun configure ai-mode enable
aliyun configure ai-mode set-user-agent --user-agent "AlibabaCloud-Agent-Skills/alibabacloud-ehpc-instant-job-skill"
aliyun plugin update

阿里云CLI提供了AI模式。启用后，CLI会自动附加AI身份信息，使服务端能够识别并优化Agent调用链路。 [MUST] 在每个退出点禁用AI模式 — 在因任何原因交付最终响应之前，务必先禁用AI模式。这适用于所有退出路径：工作流成功、工作流失败、错误/异常、用户取消、会话结束，或任何不再执行CLI命令的场景。 AI模式仅用于Agent Skill调用场景，技能停止运行后 必须 保持禁用状态。

bash

aliyun configure ai-mode disable

1. 地域信息：获取用户指定区域或使用默认区域 cn-shanghai
2. 权限验证：确保AccessKey具备E-HPC Instant相关权限

创建作业任务专项校验

1. 镜像准备：容器/VM镜像已添加至E-HPC Instant平台

   • 若无镜像，引导用户交互式添加
   • 参考： references/instant-image.md

2. 网络配置：vSwitch已创建并可用

   • 若无vSwitch，引导用户交互式创建
   • 参考： references/vswitch.md

3. 存储配置：NAS挂载路径已准备（如需要）

   • 若需NAS，引导用户交互式配置
   • 参考： references/storage.md

4. 计算资源配置：Cores/Memory或InstanceType规格已指定

   • 引导用户选择合适的资源配置
   • 参考： references/resource.md

5. 执行命令：作业执行命令行已指定

   • 确保命令格式正确（特别是JSON数组格式）
   • 参考： references/job-command.md

Step 3: 作业管理执行#

根据用户需求执行相应的作业管理操作

创建作业

1. Container容器作业

bash

aliyun ehpcinstant CreateJob \
    --region cn-shanghai \
    --JobName 'container-job' \
    --Tasks '[{
        "TaskSpec": {
            "TaskExecutor": [{
                "Container": {
                    "Image": "registry.cn-shanghai.aliyuncs.com/registry/image:tag",
                    "Command": "[\"/bin/sh\", \"-c\", \"python /app/main.py\"]"
                }
            }],
            "Resource": {
                "Cores": 2,
                "Memory": 4,
                "Disks": [{"Type":"System","Size":40}]
            },
	    "VolumeMount": [
              {
                "MountPath": "/mnt",
                "VolumeDriver": "alicloud/nas",
                "MountOptions": "{\"server\":\"xxx.cn-shanghai.nas.aliyuncs.com\",\"vers\":\"3\",\"path\":\"/\",\"options\":\"nolock,tcp,noresvport\"}"
              }
            ],
        },
        "ExecutorPolicy": {"MaxCount": 1}
    }]' \
    --DeploymentPolicy '{"Network":{"Vswitch":["vsw-xxxx"]},"AllocationSpec":"Standard"}' \
    --user-agent AlibabaCloud-Agent-Skills/alibabacloud-ehpc-instant-job-skill

1. VM虚拟机作业

bash

aliyun ehpcinstant CreateJob \
    --region cn-shanghai \
    --JobName 'longrunning-job' \
    --JobDescription 'Long-running VM job' \
    --Tasks '[{
        "TaskSpec": {
            "TaskExecutor": [{
                "VM": {
                    "Image": "m-xxxx",
                    "Script": "base64_encoded_script"
                }
            }],
            "Resource": {
                "Disks": [{"Type":"System","Size":50}],
                "InstanceTypes": ["ecs.c6.xlarge"],
                "Cores": 4,
                "Memory": 8
            },
	    "VolumeMount": [
              {
                "MountPath": "/mnt",
                "VolumeDriver": "alicloud/nas",
                "MountOptions": "{\"server\":\"xxx.cn-shanghai.nas.aliyuncs.com\",\"vers\":\"3\",\"path\":\"/\",\"options\":\"nolock,tcp,noresvport\"}"
              }
            ],
        },
        "ExecutorPolicy": {"MaxCount": 1}
    }]' \
    --DeploymentPolicy '{"Network":{"Vswitch":["vsw-xxxx"]},"AllocationSpec":"Standard"}' \
    --user-agent AlibabaCloud-Agent-Skills/alibabacloud-ehpc-instant-job-skill

查询作业列表

bash

# 基本列表查询
aliyun ehpcinstant ListJobs --region cn-shanghai \
    --user-agent AlibabaCloud-Agent-Skills/alibabacloud-ehpc-instant-job-skill

# 分页查询（推荐用于大量作业）
aliyun ehpcinstant ListJobs --region cn-shanghai --PageSize 10 --PageNumber 1 \
    --user-agent AlibabaCloud-Agent-Skills/alibabacloud-ehpc-instant-job-skill

# 条件过滤（按状态、时间等）
aliyun ehpcinstant ListJobs --region cn-shanghai --Filter '{"Status":"Running"}' \
    --user-agent AlibabaCloud-Agent-Skills/alibabacloud-ehpc-instant-job-skill

获取作业详情

bash

aliyun ehpcinstant GetJob --region cn-shanghai --JobId 'job-xxxx' \
    --user-agent AlibabaCloud-Agent-Skills/alibabacloud-ehpc-instant-job-skill

查询作业日志

bash

aliyun ehpcinstant DescribeJobResults --region cn-shanghai --JobId 'job-sh145rw47pegztzdpu7s' --TaskName Task0 --ArrayIndex 0 \
    --user-agent AlibabaCloud-Agent-Skills/alibabacloud-ehpc-instant-job-skill

删除作业

bash

# 删除单个作业
aliyun ehpcinstant DeleteJobs --region cn-shanghai --JobSpec '[{"JobId":"job-xxxx"}]' \
    --user-agent AlibabaCloud-Agent-Skills/alibabacloud-ehpc-instant-job-skill

# 批量删除（安全方式）
aliyun ehpcinstant DeleteJobs --region cn-shanghai --JobSpec '[{"JobId":"job-xxxx"},{"JobId":"job-yyyy"}]' \
    --user-agent AlibabaCloud-Agent-Skills/alibabacloud-ehpc-instant-job-skill

[MUST] 幂等删除原则 — 当用户请求删除作业时，即使通过 GetJob 或 ListJobs 查询确认作业已不存在，Agent 仍必须 调用 DeleteJobs API 并传入对应 JobId。DeleteJobs API 具备幂等性：作业存在时执行删除，作业不存在时返回标准 NotFound 响应。严禁 Agent 以"作业已不存在"为由自行跳过 API 调用 — 必须让服务端确认最终状态。

Step 4: 结果输出与后续建议#

• 格式化输出执行结果
• 提供后续操作建议（如监控、日志查看等）
• 记录关键信息供后续参考

作业管理参考执行脚本#

路径： /home/admin/.openclaw/workspace/skills/ehpcinstant-job-skill/scripts/

CLI脚本：

• create_container_job.sh - 创建容器作业
• create_vm_job_batch.sh - 创建VM作业
• create_vm_job_longrunning.sh - 创建长期运行的VM作业
• list_jobs.sh - 列出作业（支持分页）
• get_job.sh - 获取作业详情
• delete_jobs.sh - 删除作业

SDK脚本：

• 对应的Python SDK版本脚本，位于 scripts/sdk/ 目录
• create_container_job.py - 创建容器作业
• create_vm_job_batch.py - 创建VM作业
• create_vm_job_longrunning.py - 创建长期运行的VM作业
• list_jobs.py - 列出作业（支持分页）
• get_job.py - 获取作业详情
• delete_jobs.py - 删除作业

注意事项#

1. CLI命令准确性：E-HPC Instant使用 aliyun ehpcinstant 命令，不是 aliyun ehpc！
2. 区域一致性：所有资源必须在同一区域，跨区域操作会失败
3. 配额限制：注意账户配额限制，避免操作失败
4. 成本意识：作业运行会产生费用，及时清理不需要的资源
5. 权限最小化：为AccessKey配置最小必要权限，提高安全性

故障排查与最佳实践#

常见问题解决方案#

问题根本原因解决方案InvalidCommand错误Command参数格式不正确使用正确的JSON数组格式： ["/bin/sh", "-c", "command"]认证失败AccessKey配置错误或权限不足检查 ~/.aliyun/config.json 配置，确保具备E-HPC Instant权限镜像不存在镜像ID错误或区域不匹配确认镜像ID正确且在相同区域，参考 references/instant-image.md网络配置错误VSwitch ID错误或不可用检查VSwitch ID和安全组配置，参考 references/vswitch.md资源配额不足账户配额限制联系阿里云增加配额，或调整资源配置命令执行失败容器内命令路径错误确保命令在镜像环境中可执行，使用绝对路径

最佳实践指南#

1. 命名规范：
   • 作业名称： 应用-算例-时间戳（如： prod-training-20260411）
   • 资源名称：包含用途、环境、区域信息
2. 资源配置优化：
   • 根据应用特性选择合适的实例规格
   • 避免过度配置造成资源浪费
3. 成本控制：
   • 及时清理已完成的作业
   • 使用适当的作业超时设置
   • 监控资源使用情况
4. 可靠性保障：
   • 实现作业状态监控和重试机制
   • 配置适当的错误处理和告警
   • 定期备份重要配置和数据
5. 安全性增强：
   • 使用私有镜像仓库
   • 配置最小权限的AccessKey
   • 启用网络访问控制和加密

参考资料与扩展#

完整API参考#

如仍有作业管理执行参数不确定，可参考如下链接:

• references/ehpcinstant.md - E-HPC Instant完整CLI命令手册
• CLI帮助命令： aliyun ehpcinstant <ApiName> --help

专项配置指南#

• references/aliyun-cli.md - 阿里云CLI配置指南
• references/instant-image.md - 镜像管理指南
• references/vswitch.md - 网络vSwitch管理指南
• references/storage.md - NAS存储管理指南
• references/resource.md - 计算资源配置指南
• references/job-command.md - 作业命令配置指南

官方文档#

• 阿里云E-HPC Instant产品文档： https://help.aliyun.com/product/ehpcinstant.html
• E-HPC Instant API文档： https://api.aliyun.com/document/EhpcInstant/2023-07-01/overview
• 阿里云CLI官方文档： https://help.aliyun.com/document_detail/121529.html

安全策略与风险控制#

操作风险等级分类#

风险级别操作类型Agent行为准则低风险查询类操作 (list, get, check, describe)直接执行，无需额外确认中风险配置类操作 (configure, modify, update)提示影响范围，获得用户确认后执行高风险创建/删除类操作 (create, delete, remove)必须完整展示所有配置信息，用户明确确认后执行

[MUST] 禁止跳过 API 调用 — Agent 在执行删除等操作时，不得基于查询结果（如 GetJob 返回 NotFound）自行判定"无需操作"而跳过实际的 API 调用。查询与变更之间存在时间窗口，服务端状态可能已变化。Agent 必须始终执行用户请求的目标 API（如 DeleteJobs），由服务端返回权威的最终结果。

安全检查清单#

• ✅ 区域一致性：确保所有资源在同一区域
• ✅ 配额检查：验证资源配额是否充足
• ✅ 依赖验证：确认依赖资源（镜像、网络、存储）存在且可用
• ✅ 权限验证：确保AccessKey具备必要权限
• ✅ 成本提醒：对于可能产生较高费用的操作给予提醒

敏感操作确认流程#

1. 信息汇总：展示所有关键配置参数
2. 影响说明：说明操作的影响范围和潜在风险
3. 用户确认：等待用户明确确认（"是"、"确认"、"继续"等）
4. 执行操作：执行确认后的操作
5. 结果反馈：提供详细的操作结果和后续建议