Agent Platform 模型部署助手
在 Google Agent Platform 上部署、验证并清理 Model Garden 模型。
文档明确区分只读、可逆变更和破坏性删除，并要求部署成本确认、删除 typed confirmation 及 undeploy 前验证，体现了用户确认和部分回滚意识。扣分原因是示例直接包含 Hugging Face token 占位符、要求修改跨项目 IAM 权限，并缺少最小权限、敏感令牌处理、数据流披露和完整恢复方案；清理流程还可能删除模型与端点。
主路径覆盖发现、部署、异步状态查询、验证、undeploy 和故障排查，并对长时间操作和部分错误给出反馈。扣分原因是静态文件未提供可执行测试或 CI 证据，多个命令和 API 示例存在占位符、参数不完整或不一致，copy/deploy 脚本依赖内部工具、grep 解析 JSON 且缺少超时和健壮异常处理。
描述明确覆盖 Model Garden、custom weights、1P tuned model、状态检查和清理，并声明不适用于 public Vertex AI deployment 或模型评估。扣分原因是触发边界、输入字段、输出格式和权限前提仍不完整；内容主要面向英文和 Google Cloud 环境，未说明中文交互，也未讨论中国大陆网络可达性，且核心服务和 gcloud/curl 流程可能依赖海外服务。
目录包含主技能、引用指南、示例提示和配置脚本，README 提供安装方式、Apache-2.0 许可、维护中的声明及 issue 入口。扣分原因是缺少技能自身的版本、变更记录、责任人和明确更新路径；安装依赖、CLI/API 版本、已知限制、FAQ 和故障恢复说明不足，且引用指南含内部环境、硬编码项目和未完成的命令示例。
技能目标与部署生命周期相匹配，提供可复制的 gcloud/curl 示例、异步轮询、端点验证和清理步骤，理论上可完成核心任务。扣分原因是示例依赖用户补齐大量 ID、权限、区域、内部 endpoint 和模型参数，部分命令语法或调用格式不完整，结果仍需较多人工判断和修正；静态审查无法验证代表性输出。
文件提供具体命令、脚本、错误条件和固定 revision 上下文，具备有限审计线索。扣分原因是没有提交测试套件、CI 执行记录、实际输出或第三方复核证据，关键 API、价格和模型可部署性主要依赖外部链接或运行时查询，无法在静态阅读中独立复现。
- 不要把示例中的 Hugging Face token、用户身份或项目标识直接用于生产；应采用安全的密钥注入和最小 IAM 权限。
- 执行 copy、IAM 修改、deploy、undeploy 或 delete 前，逐项核对项目、区域、端点、模型和计费影响；清理命令存在参数不完整和删除范围不清的问题。
- 先验证 gcloud/API 版本、专用 endpoint 可达性和模型部署配置；当前材料未证明中国大陆网络环境下核心流程可用。
这个 Skill 能做什么，适合哪些场景？
该技能指导用户将 Model Garden 中的开放模型、定制权重或 1P 调优模型部署到 Agent Platform 端点。它覆盖可部署模型发现、部署配置查询、异步部署状态检查、专用端点验证以及模型卸载和资源清理。部署和删除操作设有分级确认要求，并要求在部署前估算基于硬件配置的列表价格。它不用于公共 Vertex AI 部署或模型评估。
使用 gcloud CLI 列出 Model Garden 模型并查询部署配置；使用 gcloud ai model-garden models deploy 部署模型或 GCS 中的定制权重；使用 gcloud ai operations describe 和 gcloud ai endpoints list 检查异步部署；读取端点的 dedicatedEndpointDns，并通过带认证的 curl 请求验证聊天预测；列出并描述端点和模型以获取卸载所需的标识符；执行模型卸载以及端点、模型删除流程；根据配额或资源不足错误提示调整区域或机器类型。
- Google Cloud 用户想从 Model Garden 选择并部署可自托管模型时，使用它查询模型和硬件配置。
- 平台工程师需要把开放模型或 GCS 中的定制权重部署到指定区域和项目时，使用它生成 gcloud 部署流程。
- 开发者刚发起异步部署并需要通过操作 ID或端点列表检查状态时，使用它进行排查。
- 应用团队需要向专用端点发送测试提示词，确认模型已经开始提供服务时，使用它执行端点验证。
- 测试完成后，项目负责人需要卸载模型并删除端点、模型以停止持续计算费用时，使用它执行清理。
- 部署因 QUOTA_EXCEEDED 或 RESOURCE_EXHAUSTED 失败时，使用它根据错误建议重新选择区域或硬件。
这个 Skill 有哪些优点和局限？
- 覆盖从模型发现、硬件配置查询到部署验证和清理的完整流程。
- 明确区分只读、可逆变更和不可逆删除的确认等级。
- 支持 Model Garden 模型、GCS 定制权重和 1P Tuned Model 复制部署场景。
- 包含配额不足、资源不足和专用端点验证的具体处理指引。
- 部署会消耗计算资源并产生费用，且源材料只提供列表价格估算，未提供实际计费计算表。
- 示例依赖 gcloud CLI、身份认证、网络访问和 curl；未说明其他客户端或平台集成。
- 源材料未提供测试套件、成功率、性能基准或支持区域清单。
- 1P Tuned Model 复制部署的详细步骤位于未提供内容的 references/copy_deploy_guide.md 中。
如何安装这个 Skill？
运行 npx skills add google/skills，并在安装过程中选择该仓库中的具体技能。对应目录为 skills/cloud/agent-platform-deploy。源材料未说明其他安装器、版本要求或自动化测试。
如何使用这个 Skill？
先提供项目、区域、目标模型或定制权重 URI，以及机器类型和加速器需求。例如：请列出 Model Garden 中可自部署的模型，并查询 google/gemma3@gemma-3-27b-it 的部署配置。只读的 list、describe 和 list-deployment-config 操作无需确认。deploy 和 undeploy-model 需要明确确认；delete 需要用户明确输入 I confirm 或 Yes, delete it。部署前必须展示基于机器类型、加速器类型和数量的 Agent Platform 预测列表价格，并说明实际账单可能因折扣或预留资源而不同。
这个 Skill 与同类方案有什么区别？
如果目标是公共 Vertex AI 部署，应使用文档中指定的 vertex-deploy 技能；如果目标是模型评估，应使用 agent-platform-eval 技能。本技能面向 Agent Platform Model Garden 的部署、验证、卸载和清理。