Hugging Face 官方 Agent 技能包（SageMaker 部署版）
=================================================
来源：GitHub 开源仓库 huggingface/skills（Hugging Face 官方维护，MIT/Apache 许可）
打包日期：2026-09-24
技能数量：25 个（全中文整理，原文件为 SKILL.md 标准格式）

【这个包是干什么的】
把「让 AI 编码助手帮你部署模型」这件事从"瞎猜"变成"照着官方剧本走"。
Hugging Face 与 AWS 联合发布了 6 个云端部署技能（hf-cloud-*），专门修复编码
Agent 的一个老毛病：它总会默认选用过时的 TGI 推理容器，结果端点反复健康检查
失败、白白烧掉 GPU 时间（AWS 实测：未经引导的 Agent 平均要失败 4 次、耗时
约 80 分钟才会改回 vLLM）。
装上这个包后，Agent 会在动手前就选对 vLLM 镜像、自动挂上 1~4 台实例的弹性
伸缩和三条 CloudWatch 告警，并给出可回滚的清理步骤。

【包含哪些技能（节选）】
  hf-cloud-sagemaker-deployment-planner  SageMaker 部署方案规划
  hf-cloud-serving-image-selection       推理容器镜像选型（TGI / vLLM 怎么选）
  hf-cloud-sagemaker-production-defaults 生产默认参数（自动扩缩容、告警）
  hf-cloud-sagemaker-iam-preflight       IAM 权限预检
  hf-cloud-aws-context-discovery         AWS 环境上下文探测
  hf-cloud-python-env-setup              Python 环境准备
  huggingface-llm-trainer                大模型微调训练
  huggingface-datasets / papers / spaces 数据集、论文、Space 应用
  huggingface-gradio / zerogpu           Gradio 界面与 ZeroGPU 加速
  transformers-js / trl-training         前端推理与 TRL 强化学习训练
  （其余含 hf-cli、hf-mem、huggingface-local-models、vision-trainer 等）

【支持的 AI 编码工具】
Claude Code、Cursor、Codex CLI、Gemini CLI、Kiro 等所有兼容
Agent Skills 开放标准（SKILL.md）的工具。

【怎么安装 —— 通用做法】
1. 解压本压缩包，得到 skills 文件夹，每个子文件夹就是一个技能。
2. 把需要的技能文件夹复制到你的项目或工具的技能目录，例如：
   - Claude Code：项目根目录 .claude/skills/
   - Cursor：项目根目录 .cursor/skills/
   - 通用约定：~/.agent-skills/ 或项目内 skills/
3. 重启（或重新加载）你的 AI 编码工具，它会自动读取每个技能里的
   SKILL.md 描述，在相关任务出现时按需调用。
4. 想让 Claude Code 一次性装全：在其插件市场执行
   /plugin marketplace add huggingface/skills

【怎么用（示例提问）】
  "帮我把 Qwen/Qwen3-0.6B 部署到 SageMaker 实时端点"
  "这个模型该用 TGI 还是 vLLM 容器？"
  "给刚才的端点加上 1~4 实例的自动扩缩容和 CloudWatch 告警"
  "把上周部署的端点完整清理掉，列出删除清单"

【注意事项】
- 技能只使用 Python 与 AWS CLI，macOS / Linux / Windows 通用。
- 执行云上操作前请确认本地已配置好 AWS 凭证（aws configure）。
- 部署真实端点会产生费用：默认单台 ml.g5.xlarge 实时端点约 $1.408/小时，
  测试完记得按技能提供的清理步骤下线。
- 本包为官方源码整理打包，内容未做二次修改，仅供学习研究使用，请遵守
  原仓库授权协议（见包内 LICENSE-HuggingFace.txt）。
