这个 Skill 能做什么，适合哪些场景？
该技能面向使用 Google Agent Platform 调优大型语言模型的场景，覆盖 Open Model 和 Gemini Model。它从身份认证、API、IAM 和虚拟环境设置开始，继续处理数据准备、JSONL 验证、GCS 上传、模型与超参数配置、作业提交和监控。调优完成后，它还提供模型部署流程。它不适用于 Agent Platform 之外的模型训练，也不负责模型端点部署或端点管理。
检查并配置 gcloud、项目和区域，指导启用 Vertex AI 与 Cloud Storage API，并核对相关服务账号和用户身份。使用 Python 脚本准备、转换和验证 JSONL 数据，必要时询问是否按 80/20 划分验证集，然后将数据上传到 Google Cloud Storage。根据模型目录和调优指南推荐模型及超参数，计算 Open Model 的粗略成本估算，并在用户确认后提交调优作业。它还指导作业监控和调优成功后的模型部署。
- 希望在 Google Cloud 上微调 Open Model 的机器学习工程师，需要数据验证、成本估算和作业提交流程。
- 希望使用 Agent Platform 调优 Gemini Model 的团队，需要环境配置、数据格式和提交路径指导。
- 已有训练数据但尚未转换为有效 JSONL 的开发者，需要检查消息角色和数据结构。
- 需要将已准备好的训练数据上传到 GCS 并运行调优作业的 Google Cloud 用户。
- 调优作业已完成、需要将最终模型部署到 Agent Platform 的用户。
如何安装这个 Skill？
- 不要在未核实最小 IAM 权限、数据敏感性和目标项目的情况下执行认证、启用 API、上传数据或部署。
- 先确认引用的 requirements.txt、调优脚本和 Gemini 数据格式实现确实存在，并修正脚本格式与文档之间的不一致。
- 关键功能依赖 Google Cloud、Hugging Face 及外部文档服务；应单独核验中国大陆网络可达性和企业代理配置。
- 部署前应补充明确的回滚、取消和失败恢复步骤。
- Shell / 命令行
- 网络访问
- 本地文件系统
Google Cloud gcloud CLIPython 3Google Cloud StorageVertex AI APICloud Storage API
该技能属于 google/skills 集合。可运行：npx skills add google/skills。安装时从集合中选择 Agent Platform Model Tuning；源材料未提供该技能的独立安装命令。
tmp="$(mktemp -d)"
git clone --depth 1 https://github.com/google/skills.git "$tmp"
mkdir -p ~/.claude/skills
cp -R "$tmp/skills/cloud/agent-platform-tuning" ~/.claude/skills/
rm -rf "$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：
- I want to fine-tune an Open Model for customer-support responses using Agent Platform.
在兼容 Agent Skills 的客户端中请求具体任务，例如：“I want to fine-tune an Open Model for customer-support responses using Agent Platform.” 使用时应明确说明是 Open Model 还是 Gemini Model，并准备项目、区域、数据集和 GCS 访问条件。技能会在关键步骤要求确认项目区域、数据列映射、模型与超参数、作业提交命令以及部署命令。
这个 Skill 有哪些优点和局限？
- 覆盖从环境准备到数据、配置、提交、监控和部署的完整调优流程。
- 同时支持 Open Model 和 Gemini Model，并明确区分两类数据格式。
- 包含数据验证、列映射确认、GCS 路径检查和用户确认等操作约束。
- 提供 Open Model 的粗略成本计算流程和模型推荐依据。
- 依赖 gcloud、Python 虚拟环境、Google Cloud API、IAM 权限和 GCS，不能脱离 Agent Platform 使用。
- 模型推荐依赖技能引用但未随提示提供的 references/models.md、tuning_guide.md 等文件；可见材料无法核实具体模型清单和基线。
- 源材料没有提供测试套件、性能数据或实际平台验证结果。
- Gemini 调优脚本是否存在需要运行时检查；若不存在，只能指导用户通过控制台或 SDK 手动提交。
- 该技能不覆盖 Agent Platform 之外的训练、端点部署或端点管理。
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 |
|---|---|---|---|---|
| Agent Platform 模型调优 本页 ✓ Google · 官方 | 44 · 不推荐 | ★ 21k | 12 天前 | Apache-2.0 |
| Agent Platform 模型注册表管理 ✓ Google · 官方 | 48 · 谨慎使用 | ★ 21k | 12 天前 | Apache-2.0 |
| Google Cloud 数据血缘摘要 ✓ Google · 官方 | 49 · 谨慎使用 | ★ 21k | 12 天前 | Apache-2.0 |
| Google Cloud 智能体评测飞轮 ✓ Google · 官方 | 51 · 谨慎使用 | ★ 21k | 12 天前 | Apache-2.0 |
| 跨云智能分析架构顾问 ✓ Google · 官方 | 51 · 谨慎使用 | ★ 21k | 12 天前 | Apache-2.0 |
它与同一集合中的 Agent Platform Model Garden Deploy Skill 和 Agent Platform Endpoint Management Skill 形成范围区分：本技能负责模型调优，不负责端点部署或端点管理。
FollowSkills 如何评估这个 Skill？
证据显示工作流要求确认项目、区域、数据列、模型、超参数、作业提交和部署，并在部分数据或 GCS 不可访问时停止；但未明确最小 IAM 角色、敏感数据处理、数据流披露、部署回滚或取消流程，且会执行认证、启用 API、安装依赖、上传数据和部署等外部操作，因此扣分。
文档提供了阶段化流程、输入检查、数据校验、固定随机种子和部分错误反馈；但引用的 requirements.txt、tune_open_model.py、tune_gemini_model.py 等文件未在给定材料中提供，messages_gemini 与脚本支持格式不一致，且 gcloud 配置命令疑似不规范。静态审查无法复现关键路径，故限制在 10 分以下并进一步扣分。
目标用户、Agent Platform 调优场景以及不适用的训练、部署和端点管理范围写得较清楚，也包含模型类别和数据状态决策；但触发条件、非适用边界、中文支持和中国大陆网络可达性未充分说明，关键流程依赖 Google Cloud、Hugging Face 和海外文档服务，因此扣分。
文档采用概览、决策树、分阶段流程和参考资料的结构，包含安装、示例命令、限制提示、Apache-2.0 许可证、支持和贡献入口；但缺少明确版本、变更日志、维护责任人和更新路径，且引用的依赖与脚本材料不完整、格式命名存在不一致，因此扣分。
技能覆盖环境准备、数据转换验证、上传、配置、提交、监控和部署，理论上可完成调优主流程；但关键提交脚本和 requirements 文件未提供，Gemini 路径可能退化为手工操作，成本估算脚本只处理 messages 结构且缺少完整结果验证，输出仍需较多人工核查，按静态上限不超过 7 分并扣分。
给定材料包含可审阅的 Markdown、Python 脚本、模型表和若干官方文档链接，具备有限审计线索；但没有提交的测试套件、CI 覆盖、第三方执行记录或多源交叉验证，且若干能力和版本性声明无法从材料独立确认，因此仅给低分。
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 →