get-available-resources

# 获取可用资源 ## 概述 检测可用的计算资源并为科学计算任务生成战略建议。此工具会自动识别 CPU 能力、GPU 可用性（NVIDIA CUDA、AMD ROCm、Apple Silicon Metal）、内存限制和磁盘空间，以帮助做出明智的计算方案决策。 ## 何时使用此工具 在执行任何计算密集型任务之前，请主动使用此工具： - **数据分析前**：确定数据集是否可以加载到内存中，还是需要进行核外（out-of-core）处理 - **模型训练前**：检查 GPU 加速是否可用以及应使用哪个后端 - **并行处理前**：确定 joblib、multiprocessing 或 Dask 的最佳工作进程数 - **大文件操作前**：验证是否有足够的磁盘空间并选择合适的存储策略 - **项目初始化时**：了解基准能力，以便做出架构决策 **示例场景：** - “帮我分析这个 50GB 的基因组数据集” → 先使用此工具确定是否需要 Dask/Zarr - “在这个数据上训练神经网络” → 使用此工具检测可用的 GPU 和后端 - “并行处理 10,000 个文件” → 使用此工具确定最佳工作进程数 - “运行计算密集型模拟” → 使用此工具了解资源限制 ## 此工具的工作原理 ### 资源检测 该工具运行 `scripts/detect_resources.py` 来自动检测： 1. **CPU 信息** - 物理和逻辑核心数 - 处理器架构和型号 - CPU 频率信息 2. **GPU 信息** - NVIDIA GPU：通过 nvidia-smi 检测，报告显存、驱动版本、计算能力 - AMD GPU：通过 rocm-smi 检测 - Apple Silicon：检测支持 Metal 和统一内存的 M1/M2/M3/M4 芯片 3. **内存信息** - 总内存和可用内存 - 当前内存使用百分比 - 交换空间（Swap）可用性 4. **磁盘空间信息** - 工作目录的总磁盘空间和可用空间 - 当前使用百分比 5. **操作系统信息** - 操作系统类型（macOS, Linux, Windows） - 操作系统版本和发布号 - Python 版本 ### 输出格式 该工具会在当前工作目录中生成一个 `.claude_resources.json` 文件，内容如下： { "timestamp": "2025-10-23T10:30:00", "os": { "system": "Darwin", "release": "25.0.0", "machine": "arm64" }, "cpu":