$ loading_
帮助 AI 助手在 Joblet 平台管理分布式计算任务与监控运行状态
复制安装指令，让 AI 自动完成配置 · 推荐新手
"Joblet MCP Server" 暂无可直接复制的安装信息，请查看页面文档或源码仓库。
请通过 Joblet MCP 创建一个分布式训练任务：使用 4 个节点、每个节点 2 张 GPU，镜像为 myrepo/trainer:latest，启动命令为 python train.py --epochs 10，并返回任务 ID 与资源配置摘要。
返回新建任务的 ID、节点与 GPU 配置、镜像和启动命令摘要。
请通过 Joblet MCP 查询任务 job-4821 的当前状态，汇总最近失败或重试信息，并提取最新 100 行日志中的关键报错。
返回任务状态、失败重试概况，以及日志中的关键异常信息摘要。
请通过 Joblet MCP 为数据处理工作流创建所需资源：挂载对象存储 bucket-a，连接内部网络 research-net，并按顺序编排预处理、训练、评估三个任务，最后给出工作流概览。
返回存储与网络配置结果、各阶段任务依赖关系，以及完整工作流摘要。
让 AI 助手连接并操作 Langflow 工作流平台，创建、管理与自动化流程。