用途：把集群故障症状转化为资源布局诊断、环境检查清单和安全重试计划，面向材料模拟的 HPC 运行时与调度器排障。
主要能力：脚本 scripts/hpc_runtime_doctor.py 输出 resource_layout（含 tasks_per_node、total_cpus、total gpus、gpus_per_node）、diagnoses、environment_checks、retry_plan、scheduler_notes 与 warnings（如每 GPU 进程数超订、OpenMP/线程不匹配、任务分布不均）。默认非 JSON 模式还会打印资源布局摘要、警告、环境检查与重试计划。
使用方式：需 Python 3.10+，无外部依赖，支持 Linux、macOS、Windows。需收集调度器（SLURM/PBS/LSF/local）、节点/任务/线程、GPU 数、症状、并行模式、walltime、是否使用 scratch。--gpus 为整作业 GPU 总数；已知每节点分配时用 --gpus-per-node（SLURM --gres=gpu:N 语义），其总数为 gpus_per_node * nodes 并覆盖 --gpus。示例：python3 skills/hpc-deployment/hpc-runtime-doctor/scripts/hpc_runtime_doctor.py --scheduler slurm --nodes 2 --tasks 128 --cpus-per-task 2 --gpus 4 --symptoms oom,slow-gpu --uses-mpi --uses-openmp --uses-gpu --json。
适用场景：提交作业后出现 oom、killed、slow-gpu 等调度与资源类症状时，先核对资源布局与模块/编译器/MPI/CUDA 一致性，再调试求解器行为；GPU 作业需确认可执行文件按请求的加速后端构建。
限制：不查询实时调度器，仅依据提交的布局与症状诊断；不读写文件，全部 I/O 为 CLI 参数输入与 stdout 输出；不启动调度器或外部进程。资源计数须为非负整数且上限 1,000,000，--nodes、--tasks、--cpus-per-task 至少为 1；症状最多 64 项、每项 64 字符；walltime 最多 32 字符；非法输入以退出码 2 结束。未知症状保留为自定义诊断供人工复核。每 GPU 进程数阈值为 16。
分类：部署与运维。