核心用法
本 Skill 通过 ClawLink 代理服务实现与 RunPod GPU 云平台的无缝对接，用户无需手动配置 API Key 即可完成身份认证。核心功能覆盖四大维度：GPU 算力查询（实时获取可用 GPU 类型、规格与定价）、集群管理（创建多节点分布式计算集群）、无服务器端点（部署自动扩缩容的 ML 推理服务）、模板与密钥管理（容器镜像配置与敏感凭证托管）。
操作流程遵循"发现-预览-执行"三段式：首先调用 clawlink_list_tools 获取实时工具目录，对陌生工具使用 clawlink_describe_tool 解析参数 schema，写入操作前必须通过 clawlink_preview_tool 生成变更预览并获得用户显式确认。所有 API 请求由 ClawLink 代为注入凭证，聊天界面完全隔离敏感信息。
显著优点
1. 零配置安全接入：ClawLink 托管认证流程消除 API Key 泄露风险，用户仅需在 Web 仪表盘完成一次性授权
2. 声明式基础设施：通过简洁的 JSON 参数即可完成 GPU 集群、Serverless 端点的创建与更新，大幅降低 DevOps 门槛
3. 细粒度权限管控：读写操作分离，所有写操作强制二次确认，高危操作（删除模板、密钥）额外标记为 high-impact
4. 弹性成本优化：支持按需查询实时 GPU 价格与可用性，避免资源闲置；Serverless 端点自动扩缩容降低推理成本
5. 生态整合能力：与 Google Cloud Compute、AWS EC2 等 Skill 形成多云算力管理矩阵
潜在缺点与局限性
1. 第三方依赖锁定：核心功能完全依赖 ClawLink 代理服务可用性，若 ClawLink 服务中断将导致全部工具失效
2. 网络延迟瓶颈：API 请求需经 ClawLink 中转（OpenClaw → ClawLink → RunPod），相比直连增加约 50-100ms 延迟
3. 功能覆盖边界：当前版本未包含 Pod 实时日志流、监控告警、费用账单查询等运维辅助功能
4. GPU 可用性波动：RunPod 热门 GPU 类型（如 RTX 4090、A100）常出现区域级缺货，需频繁查询 runpod_get_gpu_types 确认
5. 模板删除约束：模板处于使用中时无法删除，需先迁移关联的 Pod 与端点，操作链路较长
适合的目标群体
- AI/ML 工程师：需快速启动分布式训练任务或部署模型推理服务的开发者
- MLOps 团队：寻求声明式基础设施管理、CI/CD 集成的平台工程师
- 科研计算用户：高校与研究机构中需要弹性 GPU 资源进行科学计算的研究人员
- 初创技术团队：无专职 DevOps、依赖 Serverless 架构降低运维负担的早期项目
常规使用风险
性能风险：ClawLink 代理层可能成为吞吐量瓶颈，高频 API 调用场景（如批量 Pod 创建）建议控制并发度。凭证生命周期：RunPod API Key 若在原平台被轮换，需手动更新 ClawLink 仪表盘配置，否则将导致认证失效。成本失控：GPU 集群按分钟计费，创建后若未及时监控可能产生意外账单，建议配合 runpod_get_pod 定期核查运行状态。数据残留：Serverless 端点默认配置 volumeInGb=0 无持久存储，重要输出需显式配置外部存储挂载。供应链风险：ClawLink 作为关键依赖项，其安全更新与 RunPod API 变更需保持同步关注。
---
本 Skill 为纯文档型实现，无可执行代码，所有实际计算操作通过 ClawLink 代理转发至 RunPod 官方 API 执行。