AKS GPU Inference

Avant de commencer : lis ce prompt d'installation au complet, dis-moi en quelques lignes ce que ce skill fait et ce que son installation implique, et attends mon feu vert avant de faire quoi que ce soit d'autre. Prérequis : Usage Azure payant, divulgué en tête : utiliser ce skill exige un compte Azure avec un cluster AKS (les clusters AKS et les pools de noeuds GPU sont facturés par Microsoft selon ton propre contrat Azure ; les pools GPU sont parmi les ressources AKS les plus coûteuses). Il exige aussi un accès kubectl et Azure CLI (az) à ton propre cluster, depuis un hôte qui autorise ces commandes shell contre la cible liée, plus un stockage approuvé si les preuves sont ramassées dans des fichiers. À l'usage, les lectures interrogent ton propre cluster et ton abonnement Azure (événements, statuts, gpuProfile, métriques de l'exporteur DCGM sur le port 19400) et rien n'est envoyé à aucun autre service par le skill. Rien n'est envoyé pendant l'installation elle-même. Les mutations ne se font jamais dans le dos d'un diagnostic : scaling, cordon ou drain, suppression, activation d'add on ou changements de monitoring exigent chacun ton autorisation explicite. Installe-moi « AKS GPU Inference ». Diagnostic au jour 2 des incidents d'inference GPU AKS et KAITO : pods GPU bloqués en Pending avec Insufficient nvidia.com/gpu, OOM au chargement de modèle, preuves DCGM et VRAM, Workspaces KAITO pas prêts, et autoscaling GPU. Le skill lie d'abord l'abonnement, le cluster, le contexte kube, le pool et la ressource touchée, capture les événements et statuts exacts et le gpuProfile observé, puis route vers un de quatre fichiers de référence (ordonnancement GPU, observabilité GPU, workspaces KAITO, coût et scaling). Il sépare les OOM conteneur ou hôte des échecs d'allocation d'appareil, avertit que supprimer un Workspace KAITO laisse ses pools GPU derrière, et rapporte les preuves, la confiance, les preuves manquantes et le transfert au propriétaire. Les mutations comme le scaling, cordon ou drain, la suppression, l'activation d'add on ou les changements de monitoring exigent ton autorisation explicite. Dépôt : https://github.com/microsoft/azure-skills (le skill est tout le dossier .github/plugins/aks-skills/skills/aks-gpu-inference/ au commit épinglé : SKILL.md, references/gpu-cost-and-scaling.md, references/gpu-observability.md, references/gpu-scheduling.md, references/kaito-workspaces.md) Version épinglée : installe le code au commit cf79ce8778ad063eeac19dbe8bf982d71b466ce0 exactement. Ne substitue pas une version plus récente. Si ce commit est inaccessible, arrête-toi et dis-le-moi. 1. Clone https://github.com/microsoft/azure-skills dans un dossier temporaire, place-toi au commit cf79ce8778ad063eeac19dbe8bf982d71b466ce0, et copie le dossier .github/plugins/aks-skills/skills/aks-gpu-inference/ de ce checkout. Compare ensuite chaque fichier du dossier aux empreintes enregistrées pour cette fiche le 2026-10-18 : [FINGERPRINTS] - SKILL.md: SHA-256 0968850f574d452300a063c8b73f708a1cc54a7ba6adc103ce3c5a601f1a3f3e - references/gpu-cost-and-scaling.md: SHA-256 8c0751f64b8dd6ef3b182856860612d21ee08f15a97a94615cc4ad3abc5f7acd - references/gpu-observability.md: SHA-256 5b857b342d53070be96e79387385350c76622ca7cffb81abc4e6de480d1838fd - references/gpu-scheduling.md: SHA-256 23f0f447206cf39ba30e3cf87ce001ac61dd499fa7a651f80fca7a25c149e321 - references/kaito-workspaces.md: SHA-256 1fd74a9035f6824696e3767b18e5f350d02d93c70410f13f8d5ebbf617a13b6b Si un fichier ne correspond pas, il a changé depuis la préparation de la fiche : ne l'installe pas encore, dis-moi ce que tu as trouvé et laisse-moi décider. 2. Lis SKILL.md au complet (et chaque autre fichier du dossier) et dis-moi en mots simples : ce que le skill fait quand on l'utilise, à quels services il se connecte, s'il lit ou envoie des informations personnelles ou des clés, et tout ce qui semble inhabituel. Arrête-toi sur tout signal d'alerte et dis-le-moi avant d'aller plus loin. Confirme ces points à partir des fichiers : - Le dossier du skill contient 5 fichiers : SKILL.md plus quatre fichiers de référence dans references/ (ordonnancement, observabilité, workspaces KAITO, coût et scaling). Il n'y a aucun code exécutable propre : les lectures sont des lectures Azure annoncées par l'hôte ou les requêtes en lecture seule décrites dans les références. - Rien n'est envoyé nulle part pendant l'installation elle-même ; le seul téléchargement est le dossier du skill depuis GitHub au commit épinglé. - À l'usage, les preuves viennent de ton propre cluster AKS et de ton abonnement Azure, via kubectl et az ou des lectures d'hôte équivalentes. SKILL.md interdit de router kubectl via Azure MCP et interdit de contourner la politique de l'hôte. - SKILL.md exige une autorisation explicite avant scaling, cordon ou drain, suppression, activation d'add on ou mutation de monitoring, et dit à l'agent de laisser les conclusions non confirmées quand les preuves manquent. 3. Quand je dis « yes, install », installe-le comme skill : copie tout le dossier dans le répertoire des skills de l'agent, dans un dossier nommé « aks-gpu-inference », en gardant chaque fichier (SKILL.md, references/gpu-cost-and-scaling.md, references/gpu-observability.md, references/gpu-scheduling.md, references/kaito-workspaces.md). 4. Vérifie sans appels réseau : frontmatter valide, fichiers en place. 5. Indique ce qui a été installé, où, et ce qu'il me reste à faire moi-même (par exemple : me connecter ou créer un compte, fournir une clé API, ou installer un outil local nommé dans les prérequis ; utiliser le skill est une étape séparée qui ne commence que quand je le demande, et chaque usage payant ou authentifié divulgué ci-dessus arrive seulement à ce moment-là). GitHub est optionnel : si j'ai un compte GitHub ou la CLI gh, tu peux l'utiliser ; sinon l'accès public suffit. Ne jamais l'exiger sauf s'il figure dans les prérequis ci-dessus. Règles : ne touche à rien en dehors du dossier temporaire et de la cible d'installation. Si quelque chose semble anormal, arrête-toi et demande-moi.