这个 Skill 能做什么，适合哪些场景？
这是 google/skills 仓库中的一个独立 Agent Skill，专注于 Google Cloud Agent Platform GenAI 推理。它指导开发者使用 GenAI SDK、OpenAI SDK 或旧版 Agent Platform SDK 调用 Gemini 和 OpenMaaS 模型。内容涵盖身份验证、全局与区域端点、模型 ID、示例模型以及 429、400 和 404 错误排查。它不用于模型部署或模型评估。
它读取用户指定的模型家族、SDK 和错误信息，随后生成或指导编写 Python 推理代码，配置 Google Cloud ADC、OAuth 访问令牌、SDK、基础 URL、项目 ID 和区域端点。它还提供聊天补全、文本补全和嵌入调用示例，并根据 DSQ、请求参数、模型可用性或 Model Garden 启用状态解释常见错误。执行推理前，它要求确认模型 ID、SDK 和输入提示等参数。
- 需要调用 Gemini 模型的新项目开发者，希望使用推荐的 google-genai SDK。
- 需要通过 Vertex AI 端点调用 Llama、DeepSeek 或 Qwen 等 OpenMaaS 模型的开发者。
- 需要使用 OpenAI SDK 兼容接口连接 Google Cloud 模型的应用工程师。
- 遇到 429 Resource Exhausted、400 User Validation 或 404 Not Found 错误的开发者。
- 需要配置全局或区域 Agent Platform 端点，并核验模型 ID 和区域的团队。
如何安装这个 Skill？
- 不要将示例中的模型 ID、区域或 SDK 行为视为当前保证；调用前必须核验官方可用性、权限和项目配置。
- 推理会把提示词和输入发送到 Google Cloud/相应模型服务并可能消耗配额或产生费用；对敏感数据应先制定数据治理和脱敏方案。
- verify_all.sh 会执行真实推理请求且会修改本地环境，不应在未确认成本、配额和网络条件前运行。
- 中国大陆用户需单独验证 Google Cloud 控制台、认证端点和 global/us-* 服务的网络可达性。
- Shell / 命令行
- 网络访问
- 本地文件系统
Python 3Google Cloud CLIgoogle-genaiOpenAI SDKgoogle-auth
该 Skill 隶属于 google/skills 集合。安装集合可运行：npx skills add google/skills，然后在安装过程中选择 Agent Platform GenAI Inference Skill。源材料没有说明具体安装目录。
tmp="$(mktemp -d)"
git clone --depth 1 https://github.com/google/skills.git "$tmp"
mkdir -p ~/.claude/skills
cp -R "$tmp/skills/cloud/agent-platform-inference" ~/.claude/skills/
rm -rf "$tmp"根据源仓库地址和 Skill 路径自动生成，只复制这个 Skill 的文件夹。如果上文有作者提供的安装方式，请优先按作者说明操作；想只在当前项目中使用，把 ~/.claude/skills 换成项目里的 .claude/skills。
如何使用这个 Skill？
安装后，把下面任意一句发给 Agent 即可触发：
- 使用 OpenAI SDK 调用 Google Cloud Agent Platform 上的 DeepSeek OpenMaaS 模型，并排查 429 错误
安装后，可向 Agent 提出类似“使用 OpenAI SDK 调用 Google Cloud Agent Platform 上的 DeepSeek OpenMaaS 模型，并排查 429 错误”的请求。使用 Python 示例前，应先运行 gcloud auth login、gcloud auth application-default login、gcloud services enable aiplatform.googleapis.com、python3 -m venv .venv、source .venv/bin/activate 和 pip install -r scripts/requirements.txt。执行实际模型推理前，必须先确认目标模型、SDK 和输入提示等参数；源材料未提供脚本完整内容。
这个 Skill 有哪些优点和局限？
- 同时覆盖 Gemini 和 OpenMaaS 两类模型。
- 明确区分 GenAI SDK、OpenAI SDK 和旧版 SDK 的适用场景。
- 提供认证、端点配置、模型可用性和常见错误排查指导。
- 包含聊天补全、文本补全和嵌入调用示例。
- 模型 ID 和可用区域列表明确标注为示例或不完整，需要另行核验。
- 实际推理可能产生费用或消耗配额，并要求交互式确认。
- 依赖 Google Cloud CLI、Python 环境、网络访问和 Google Cloud 凭据。
- 不覆盖模型部署或模型评估。
- 源材料没有提供脚本测试结果或完整测试套件证据。
这个 Skill 与同类方案有什么区别？
与相关 Skills 并排比较；分数均按同一 FSRS 标准得出。
| Skill | FS 评分 | Star 数 | 最近更新 | License |
|---|---|---|---|---|
| Google Cloud Agent Platform 推理助手 本页 ✓ Google · 官方 | 47 · 谨慎使用 | ★ 21k | 12 天前 | Apache-2.0 |
| Gemini LiveAPI 客户端服务技能 ✓ Google · 官方 | 52 · 谨慎使用 | ★ 21k | 12 天前 | Apache-2.0 |
| Google Agents CLI 智能体开发引导 ✓ Google · 官方 | 44 · 不推荐 | ★ 21k | 12 天前 | Apache-2.0 |
| Gemini API 企业开发指南 ✓ Google · 官方 | 49 · 谨慎使用 | ★ 21k | 12 天前 | Apache-2.0 |
| Gemini 交互式对话 API 指南 ✓ Google · 官方 | 48 · 谨慎使用 | ★ 21k | 12 天前 | Apache-2.0 |
对于 Gemini，Skill 推荐 google-genai，并将旧版 vertexai SDK 作为仍受支持的替代方案；对于 OpenMaaS，Skill 高度推荐 OpenAI SDK，并将 GenAI SDK 和旧版 SDK 作为替代方案。
FollowSkills 如何评估这个 Skill？
文档要求对模型推理进行交互确认，并披露模型、SDK和提示词参数；认证、令牌刷新、端点和外部模型调用也有说明。扣分原因是未提供敏感数据处理、最小 IAM 权限、输入数据流/保留策略、撤销或回滚方案；初始化步骤还会登录、启用 API 和产生环境变更。
决策树和多个 SDK 示例使主路径看起来可行，也说明了令牌过期、429、400 和 404 的常见原因。扣分原因是未提供 requirements.txt 内容、没有提交测试套件或 CI 证据，示例依赖实时云服务，异常处理和诊断输出很薄弱；verify_all.sh 实际运行会产生推理请求。
技能明确面向 Gemini/OpenMaaS 推理、SDK 选择和若干错误排查，并明确排除部署和评估。扣分原因是触发条件虽有决策树但边界仍有限，未说明中文交互支持；核心服务依赖 Google Cloud、认证和海外/全球区域端点，对中国大陆网络和账号可用性的适配未说明。
文档分阶段介绍安全、环境、决策树、SDK、模型和故障排查，包含示例、限制提示、官方文档链接；仓库提供 Apache-2.0、支持入口和贡献路径。扣分原因是未提供该技能的版本、变更日志、明确维护责任人或更新承诺，依赖清单未在给定材料中出现，部分示例和模型列表可能过时。
技能提供可直接改写的 Python 调用示例、端点格式、认证方式、模型 ID 格式和错误排查建议，能够覆盖核心推理入门任务。扣分原因是示例需要用户自行补齐项目、区域、权限和模型可用性，且实时依赖和模型列表不稳定；没有静态可验证的代表性成功输出或完整生产级重试实现。
给定材料包含固定修订版本、源代码示例、shell 验证脚本和多个官方文档引用，具备一定审计线索。扣分原因是本次仅静态阅读，未执行脚本；requirements.txt、CI 和测试覆盖未提供，verify_all.sh 也不是独立的离线测试，因此无法证明关键路径可复现。
点击维度查看打分理由
证据充分度：低 — 主要依赖静态检查、作者材料或有限演示；适合发现线索，不适合做高风险决策。
查看完整评分方法 →