GPU 监控工具 — AI 算力销售用#

功能概述#

本工具帮助 AI 算力销售团队追踪客户 GPU 使用情况，生成结构化周报，识别优化机会与流失风险信号。

输入数据格式#

通过 CLI 交互式收集以下数据（可部分提供，按需补充）：

text

客户名称: <name>
监控周期: <start> ~ <end>（如 2026-04-07 ~ 2026-04-13）
GPU 型号: <model>（如 H100 SXM 80GB）
GPU 数量: <count>
总费用（本期）: ¥<amount>
平均利用率: <util>%（如 87%）
峰值利用率: <peak>%（如 98%）
空闲率: <idle>%（如 13%）
异常中断次数: <failures>
类型分布（训练/推理/开发测试）: <train>% / <infer>% / <dev>%

报告生成#

1. 用量与成本分析#

按以下维度计算并输出：

• 日均成本: 总费用 ÷ 天数
• GPU·小时均价: 总费用 ÷ (GPU数量 × 运行小时数)
• 利用率 vs 成本比: 判断是否存在资源浪费
• 训练/推理费用分项: 按类型估算费用占比

2. 效率评分（0-100）#

综合利用率、峰值利用率、空闲率、中断次数评分：

评分评价建议80-100优秀稳定运行，可推荐增购60-79良好有轻微优化空间40-59一般需关注浪费来源0-39预警建议安排技术review

3. 异常信号识别#

检查以下预警标志：

• 利用率 < 40% 且持续 3 天以上 → 资源浪费告警
• 峰值利用率 < 50% → 过度配置
• 空闲率 > 30% → 存在资源闲置
• 中断次数 ≥ 3 → 稳定性问题
• 费用突增 > 20% 且无明显业务原因 → 异常排查

4. 优化建议生成#

根据数据自动生成 2-4 条可操作的优化建议，例如：

• 建议将低利用率实例缩容至更小规格
• 建议将空闲 GPU 释放或重新分配
• 建议增购高利用率时段的 GPU 资源
• 建议排查频繁中断的根本原因

5. 流失风险评估#

结合用量趋势和异常信号评估客户健康度：

• 连续两周利用率下降 > 15% → 流失风险上升
• 续约前 30 天出现异常 → 需主动介入
• 长期低利用率 → 可能已找到替代方案

输出格式#

输出 Markdown 格式的完整周报，包含：

text

## GPU 使用周报
**客户:** <name> | **周期:** <start> ~ <end>

### 核心指标
| 指标 | 数值 | 同比变化 |
|------|------|----------|
| 总费用 | ¥<amount> | +/- <delta>% |
| 平均利用率 | <util>% | +/- <delta>% |
| 效率评分 | <score>/100 | <trend> |

### 成本分析
<分析内容>

### 异常信号
<告警列表（无则写"无"）>

### 优化建议
<2-4条建议>

### 客户健康度评估
<评估结论 + 流失风险判断>

使用示例#

bash

# 交互式输入数据
npx clawhub@latest invoke pans-gpu-monitor

# 或通过参数传入（伪代码）
npx clawhub@latest invoke pans-gpu-monitor \
  --client "某AI公司" \
  --start "2026-04-07" \
  --end "2026-04-13" \
  --gpus "H100 SXM 80GB" \
  --count 8 \
  --cost 128000 \
  --util 87 \
  --peak 98 \
  --idle 13 \
  --failures 1 \
  --train 60 --infer 30 --dev 10

适用场景#

• 每周客户 review 前准备数据
• 识别需要介入的高风险客户
• 生成客户成功报告支持续约谈判
• 为 upsell 提供量化依据