技能介绍

问题背景

组学分析任务跑挂之后，平台往往只给一句“任务失败”。真正的原因埋在 JSON-RPC 接口返回的日志数组里：容器是不是被 OOM 杀掉、Pod 有没有调度上去、镜像是不是拉不动、归档阶段 COS 有没有权限……每一类问题对应不同的 LogType 字段。手工排查的门槛不低：你得知道该翻哪个字段，LogContent 里的 JSON 字符串还要二次解析；批次任务更麻烦，接口只回一个 UUID 列表，想看子任务详情得再调一次。

技能如何工作

认证与接口。 Skill 依赖 omics-platform-cli 完成认证，直接读取 ~/.omics-platform-cli/auth.json 里的 session，再调 /userinfo 自动拿到当前登录用户的 Uin，不需要手动配密钥。日志统一走 POST /omics/api/cgi 的 RunService.DescribeRunLogs，--env 可在 prod（omics.qq.com）与 dev（genomics.qq.com）之间切换。

两种入口。 单任务用 --run-uuid，批次用 --run-group-id。传批次 ID 时按响应特征分三条路：只有 RunGroupStatusTip 说明批次没失败，直接告知；带 RunGroupChildSummaryTip 是 WDL 批次，列出失败子任务 UUID 让你挑一个二次调用；带 NF 专属字段而无 ChildSummary 则是 NEXTFLOW 直返，按单任务处理，不用再调。

错误信号提取。 优先级最高的是 ErrorCallStderr 和 ErrorCallJobEvent，它们直接对应失败作业，里面能看到 Python traceback、exit code，以及 SystemOOM、ImagePullBackOff、Unschedulable 这类 Pod 事件 Reason。其次是 ErrorCallStdout、ErrorCallCommand，再往后是 DataStageLog 里的 COS 报错。Nextflow 任务单独看 NFDriverLog 和 NFExecutionTrace。

知识库匹配。 拿到信号后对 references/troubleshooting-kb.md 中的 11 类错误场景做匹配：Pod 事件 Reason 优先，stderr 关键字符串次之，DataStageLog 兜底，最后还有任务状态模式匹配，用于没有详细日志时按用户描述推断（比如“批次失败且没有子任务”→ 批次初始化失败）。输出固定为错误分类 + 根因分析 + 修复建议。