用途：面向 AKS GPU 与 KAITO 的 Day-2 故障诊断，覆盖 GPU 调度失败（如 Insufficient nvidia.com/gpu）、GPU Pod Pending、模型加载 OOM、KAITO 未就绪与工作负载扩缩容等场景。
主要能力：以只读方式收集证据，绑定订阅、集群、kube 上下文、节点池与受影响资源；捕获精确事件/状态与观测到的 gpuProfile；将问题路由到调度、可观测性、KAITO 或扩缩容方向；区分容器/主机 OOM 与设备分配失败。对 OOMKilled 关联容器内存限制/用量与节点状况；对 Managed+Install 设备内存证据，使用 19400 端口导出器与事件窗口内的 FB_USED/FB_FREE，容量表不能作为成因依据。
使用方式：先确认宿主授权所需的 shell 与 kubectl/az 命令针对绑定目标执行；文件式采集还需获批的制品存储及对所用捆绑文件的访问权限。仅有一个受治理的 Azure CLI 工具不足以建立这些能力。若无法执行或被禁止，应说明情况，改为分析已提供或脱敏的事件、状态、日志与指标，或给出限定范围的采集计划；说明哪些读取未运行，缺少证据的结论保持未确认。不得通过 Azure MCP 路由 kubectl，也不得绕过宿主策略。
限制与注意：KAITO 未就绪时需提示删除 Workspace 会遗留其 GPU 池，清理需单独且明确授权。扩缩容、cordon/drain、删除、启用附加组件或变更监控前必须获得明确授权。证据缺失或矛盾时标记为未确认并请求负责人/读取；未知 profile 时保留证据，不给出栈修复建议；需要变更时单独提议并等待授权。报告应包含证据、置信度、缺失证据与负责人交接。