cpu-gpu-performance
资源密集型操作前建立CPU/GPU性能基线
安装使用
复制下面这段提示词发给你的 AI（Claude / Cursor / TRAE / Codex / WorkBuddy 等），它会自动帮你完成安装：
帮我安装这个 AI Skill：cpu-gpu-performance。 它的用途是：资源密集型操作前建立CPU/GPU性能基线 完整的 Skill 内容见：https://321skill.com/skills/cpu-gpu-performance-x/raw/index.md 请读取该页面内容，如果是 SKILL.md 格式直接安装，如果是 README 提炼核心 prompt 后安装。
提示词包含完整的 Skill 内容链接，AI 读取后即可完成安装。你也可以 查看完整内容 确认无误。
使用示例
'在开始训练这个模型之前，先运行 cpu-gpu-performance 建立基线。' 它会自动调用 nvidia-smi 和 lscpu 采集当前 GPU 利用率、温度、CPU 频率等数据，并保存为 baseline.json。训练完成后，再
对AI说：'对比训练后的状态与基线'，它会输出差异报告，帮助你判断是否存在资源瓶颈。
介绍
在进行大规模构建、模型训练或任何长时间占用核心/GPU的任务前，需要先了解当前硬件资源的状态，以便后续对比分析瓶颈。这个 Skill 能自动采集 CPU 和 GPU 的利用率、温度、频率、内存占用等关键指标，并生成一份基线快照，方便你在任务结束后对比判断硬件是否达到预期性能。
使用非常简单：在启动资源密集型操作前，直接告诉 AI 执行该 Skill 建立基线即可。它会自动调用系统工具（如 nvidia-smi、lscpu、sensors 等）收集数据，并将结果保存为 JSON 或日志文件。后续你可以随时要求 AI 对比当前状态与基线，定位异常或性能退化。
适合运维工程师、后端开发、全栈开发以及 AI 训练工程师，尤其是那些需要频繁跑大型构建、模型训练、数据批处理任务的团队。也适合在 CI/CD 流水线中作为前置步骤，确保每次构建的环境一致性。
建议在首次使用前确认系统已安装必要的命令行工具（如 nvidia-smi、lm-sensors 等），并授予 AI 执行终端命令的权限。基线数据建议保留在项目目录下，方便后续对比。注意该 Skill 仅采集任务开始前的瞬时状态，不提供持续监控功能。
核心特点
与手动执行 nvidia-smi 或 htop 不同，该 Skill 自动将基线数据与任务绑定，并在后续请求中支持一键对比，无需人工记录和比对命令输出。
注意事项
不适合需要持续实时监控的场景，仅采集任务开始前的瞬时快照，无法反映任务运行中的动态变化。
常见问题
这个Skill能监控实时性能吗？
不能，它只在任务开始前建立一次基线快照，不提供实时持续监控。
建立基线后如何对比后续数据？
执行完资源密集型任务后，可以再次请求该Skill采集当前状态，它会自动与之前的基线数据对比并输出差异。
给 AI 助手的安装指引
如果你的 AI 编程助手（Claude Code、Cursor、TRAE 等）能看到这个页面，把下面这段发给它即可自动完成安装：
请访问 https://321skill.com/skills/cpu-gpu-performance-x/raw/index.md 读取 cpu-gpu-performance 的原始 Skill 定义（Markdown 格式），按其中说明在我的环境里完成安装和配置。
AI 可直接读取的原始 Markdown 地址：/skills/cpu-gpu-performance-x/raw/index.md（查看排版版本）