diagnose_job
Diagnose failed Slurm jobs in one call: inspect state, log tails, known causes, fixes, and resume points for timeouts.
Instructions
Autopsie d'un job en echec, en un seul appel : etat SLURM, fin des journaux, causes reconnues et remedes. Reconnait notamment le binaire x86 execute sur un noeud aarch64, la saturation de VRAM, le depassement de memoire, l'erreur de bus, les echecs NCCL et les quotas. En cas de depassement de temps, cherche aussi les points de reprise disponibles. A appeler des qu'un job echoue, avant toute autre investigation.
Input Schema
| Name | Required | Description | Default |
|---|---|---|---|
| lines | No | ||
| job_id | Yes |
Output Schema
| Name | Required | Description | Default |
|---|---|---|---|
No arguments | |||