用途：面向阿里云 PAI-DLC 分布式训练作业提供只读诊断，覆盖三类场景——排队卡住根因分析（配额检查、节点调度诊断、超节点可用性）、失败作业定位（失败分类、日志与事件证据链、根因识别）、集群健康巡检（训练吞吐、挂起检测、SanityCheck、重启稳定性）。架构为 PAI-DLC 作业只读查询加 PAI Studio 资源诊断 API（仅排队场景）。
主要能力：先执行 get-job 获取状态再按状态路由——Queuing/Creating 走排队分析，Failed 走失败定位，Running 走健康巡检，Stopped 提示主动停止不诊断，Succeeded 走历史回顾。可读取作业事件、Pod 事件、Pod 日志、SanityCheck 结果，并在排队场景调用 PAI Studio 资源诊断接口。
使用方式：需 Aliyun CLI >= 3.3.1，先运行 aliyun version 校验，再执行 aliyun configure set --auto-plugin-install true；调用 API 的命令须带 --user-agent AlibabaCloud-Agent-Skills/alibabacloud-pai-dlc-job-diagnostics。凭据通过 aliyun configure list 检查，禁止读取或回显 AK/SK。所需 RAM 权限包括 pai:GetJob、pai:GetPodLogs、pai:GetJobEvents、pai:GetPodEvents、pai:ListJobSanityCheckResults 及 paistudio:GetQuotaWorkloadDiagnosis。执行前须与用户确认 region、job_id 等参数。
限制：本技能仅只读，创建/更新/停止作业等写操作属于配套技能 alibabacloud-pai-dlc-job。资源诊断 API 属 paistudio 而非 pai-dlc，且 quota_id 必须取自 get-job 的 ResourceId，为空（公共按量付费）时不可用；作业已非排队状态时该 API 可能返回 HTTP 400/404，需改用配置数据做定性分析。GPU/内存实时利用率无法通过 CLI 获取，须使用控制台监控面板链接。失败原因属资源不足、抢占驱逐或 Spot 回收时，报告禁止给出修复建议，仅输出根因与客观事实。