nvrx-attr

por nvidia

Camada de orquestração sobre os módulos de atribuição do nvidia_resiliency_ext. Fornece análise de logs, análise de fr e feedback de injeção de falhas orientado ao Megatron-LM…

npx skills add https://github.com/nvidia/nvidia-resiliency-ext --skill nvrx-attr

Attribution Skills

High-level orchestration layer over the nvidia_resiliency_ext.attribution modules. Each subdirectory is a self-contained skill with its own SKILL.md and helper scripts.

Skills

DirectoryPurposeEntry point
log-analysis/Analyze SLURM job logs for failure root-cause and restart decisionsRestartAgent (python -m nvidia_resiliency_ext.attribution.restart_agent.cli)
fr-analysis/Analyze NCCL flight-recorder dumps for collective-hang root-causeCollectiveAnalyzer (fr_attribution.py)
fault-injection-loop/Run a batched SLURM fault-injection feedback loop and score attribution accuracyprepare_node_alloc.sh / watch_and_analyze.sh

How skills relate to the library

src/nvidia_resiliency_ext/
├── attribution/
│   ├── restart_agent/                    ← log-analysis implementation
│   ├── trace_analyzer/fr_attribution.py  ← fr-analysis implementation
│   └── mcp_integration/                  ← packaged restart-agent + FR MCP tools
└── skills/
    └── nvrx-attr/                        ← this skill bundle
        ├── log-analysis/
        ├── fr-analysis/
        └── fault-injection-loop/

Use the packaged restart_agent and trace_analyzer entry points for current log and FR analysis. Legacy LogSage, SPLITLOG, and combined LogSage+FR tools live under attribution/legacy_logsage/ for source-checkout workflows only.

Common prerequisites

  • LLM_API_KEY environment variable, LLM_API_KEY_FILE, or ~/.llm_api_key
  • Source checkout or installed package with the attribution extra for restart-agent and FR analysis
  • The fault-injection loop has only been validated with Megatron-LM training scripts

Fault-Loop Local Setup

Before using fault-injection-loop/, create the local config file from the tracked template and fill in your site-specific values:

cp scripts/user.env.example scripts/user.env

The feedback-loop scripts require src/nvidia_resiliency_ext/skills/nvrx-attr/scripts/user.env to exist at runtime. Keep user.env local and untracked.

Mais skills de nvidia

fhir-basics
nvidia
Ensina aos agentes como funcionam as APIs FHIR R4, quais recursos estão disponíveis, como consultá-los com parâmetros de busca e como analisar corretamente todos os formatos de resposta…
compileiq-validate-result
nvidia
Use APÓS a conclusão de uma Pesquisa e ANTES de reivindicar qualquer aceleração ou enviar um ACF. Carrega o CSV dump_results, extrai os K melhores candidatos (objetivo único)…
changelog-audit
nvidia
Auditar o CHANGELOG.md do Warp antes de um lançamento: recuperar entradas perdidas, ordenar por impacto ao usuário, refinar a linguagem das entradas, ajustar quebras de linha e (no modo de branch de lançamento) incrementar comparação…
dgx-diagnose
nvidia
Diagnostique problemas comuns do DGX Station GB300 — falhas de CUDA, direcionamento incorreto de GPU, bugs de contêiner vLLM/SGLang, problemas de estado MIG, erros de NVLink/Fabric Manager,…
aicr-managing-openvex
nvidia
Use when adding, updating, or removing CVE/GHSA suppressions in `.openvex.json` — the OpenVEX document consumed by the daily image vulnerability scan workflow.…
aicr-creating-slide-decks
nvidia
Use ao criar um deck de slides HTML autocontido ou um ponto visual de discussão para um conceito técnico ou fluxo de trabalho (ex.: demos/*.html) — exibido em tela cheia ou…
aicr-creating-guided-demos
nvidia
Estrutura um script de demonstração guiada interativa (demos/*.sh), ao vivo ou no ritmo do usuário, com o padrão Frame → Tell → Show → Close. Aciona em "demo script", "guided…
aicr-analyzing-snapshots
nvidia
Use ao analisar um arquivo YAML de snapshot AICR, revisando o estado do cluster, comparando características de provedores, extraindo insights de topologia de GPU/rede, ou…