这个 Skill 能做什么，适合哪些场景？
aiq-deploy 是 NVIDIA Agent Skills 仓库中的 AI-Q Blueprint 基础设施运维技能，专注于安装、部署、运行、验证、故障排查和停止服务。它支持 Docker Compose、本地 Python/CLI、本地 Web UI，以及 Kubernetes 与 Helm 部署路径。技能会在启动后执行基础健康检查，并将可访问的 AI-Q 服务地址交给 aiq-research。它不负责深度研究本身，也不评估研究报告质量。
定位或克隆 NVIDIA AI-Q 仓库，检查必要文件，选择部署模式，创建或保留 deploy/.env，验证忽略规则和运行时前置条件，启动选定的服务，并通过 /health 端点执行基础验证。它检查所需凭据是否存在但不会打印秘密值；服务健康后报告 AIQ_SERVER_URL，并可在用户确认后进行可选的端到端验证。遇到端口、凭据、配置或服务健康问题时，按对应参考文档进行排查；停止服务或删除 Docker 卷前遵循安全确认流程。
- 需要在本地或自托管环境运行 AI-Q Blueprint 后端，并让 aiq-research 使用它的用户。
- 希望用 Docker Compose 快速启动 AI-Q 后端及默认 PostgreSQL 依赖的用户。
- 需要以 CLI、本地 Web UI 或 Kubernetes/Helm 模式部署 AI-Q 的开发者或运维人员。
- 部署后需要确认服务健康、端口可达，并向下游技能传递服务 URL 的用户。
- 遇到凭据缺失、端口冲突、错误配置或 AI-Q 与 aiq-research 不兼容问题的用户。
如何安装这个 Skill？
- 默认 Skill backend 可能设置 REQUIRE_AUTH=false；仅应在受信任的单用户本机使用，暴露到共享网络前必须显式启用认证并验证认证层。
- 克隆远程 AI-Q 仓库会产生外部网络和本地文件系统影响；应在执行前确认目标目录、来源和用户意图。
- 核心依赖 GitHub、NVIDIA 模型端点及搜索服务；中国大陆网络可达性、代理、凭据和服务区域限制未在 skill 中验证。
- 本评估未执行命令；BENCHMARK.md 的通过结论不能替代针对目标环境的部署测试。
- Shell / 命令行
- 网络访问
- 本地文件系统
GitDocker Compose v2Python 3.11+uvNode.js 20+npmkubectl 1.28+Helm 3.12+
通过 NVIDIA/skills 集合安装：npx skills add nvidia/skills --skill aiq-deploy --yes。也可以运行 npx skills add nvidia/skills --list 后选择 aiq-deploy。README 未说明具体安装目录；CLI 会提示选择技能和安装目标。
tmp="$(mktemp -d)"
git clone --depth 1 https://github.com/NVIDIA/skills.git "$tmp"
mkdir -p ~/.claude/skills
cp -R "$tmp/skills/aiq-deploy" ~/.claude/skills/
rm -rf "$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：
- 安装并部署 NVIDIA AI-Q Blueprint
向兼容的 Agent Skills 客户端提出“安装并部署 NVIDIA AI-Q Blueprint”之类的请求。若未指定模式，技能会要求选择 Skill backend、CLI、UI 或 Custom；选择后，它会按对应参考文档操作。部署完成后，默认后端应使用 AIQ_SERVER_URL=http://localhost:8000；非默认端口则设置 export AIQ_SERVER_URL="http://localhost:<PORT>"。不要要求或粘贴秘密到聊天中；凭据应在 deploy/.env 或环境变量中配置。
这个 Skill 有哪些优点和局限？
- 覆盖安装、部署、健康检查、故障排查、停止和重启等完整运维流程。
- 支持 Docker Compose、本地进程/CLI、本地 Web UI、Kubernetes 和 Helm。
- 明确处理凭据保护、.env 忽略规则、端口冲突和 Docker 卷删除风险。
- 部署验证后可向 aiq-research 交付明确的 AIQ_SERVER_URL。
- 需要 Git、网络访问及至少一种运行时路径，部分路径还需要 Kubernetes 集群或 GPU 资源。
- 需要 NVIDIA_API_KEY，以及网页研究所需的搜索服务密钥；技能不会代用户提供或检查秘密值。
- 不执行深度研究，也不判断深度研究报告质量。
- Helm、FRAG、自托管模型和自定义配置依赖用户控制的外部基础设施，源材料未证明各平台均已测试。
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 |
|---|---|---|---|---|
| NVIDIA AI-Q 部署助手 本页 ✓ NVIDIA · 官方 | 57 · 谨慎使用 | ★ 3.8k | 今天 | Apache-2.0 |
| NVIDIA RAG Blueprint 运维技能 ✓ NVIDIA · 官方 | 39 · 不推荐 | ★ 3.8k | 今天 | Apache-2.0 |
| VSS 配置文件部署助手 ✓ NVIDIA · 官方 | 42 · 已阻断 | ★ 3.8k | 今天 | Apache-2.0 |
| VSS 多摄像头三维检测追踪部署 ✓ NVIDIA · 官方 | 56 · 谨慎使用 | ★ 3.8k | 今天 | Apache-2.0 |
| AutoMagicCalib 校准栈启动器 ✓ NVIDIA · 官方 | 54 · 谨慎使用 | ★ 3.8k | 今天 | Apache-2.0 |
部署路径之间的选择由环境决定：Docker Compose 是默认的持久化本地部署；Python 与 uv 适合本地进程或 CLI 模式；Node.js 与 npm 适合本地 Web UI 开发；kubectl 与 Helm 适合 Kubernetes 集群部署。
FollowSkills 如何评估这个 Skill？
文档明确要求凭据置于 deploy/.env、仅检查存在性、不打印秘密，要求确认危险清理，并说明 REQUIRE_AUTH=false 仅适用于受信任的本地单用户环境；但默认技能后端路径仍可能加入 REQUIRE_AUTH=false，克隆远程仓库缺少事前确认，网络、Git、Docker、Kubernetes 和外部模型/搜索服务权限范围较宽，且回滚主要依赖引用文档。因此扣除 7 分。
步骤、前置条件、预期输出、健康检查、端口冲突、凭据缺失、配置不兼容和清理风险均有说明；但本次仅静态阅读，关键引用文件未全部提供，缺少可直接复现的提交测试套件和对异常环境的实际验证。按静态上限保守给 8 分，扣除 12 分。
触发描述、部署模式、输入条件、交接给 aiq-research 的边界和兼容性规则较清楚；但没有中文交互或中国大陆网络可达性说明，核心流程依赖 GitHub、NVIDIA 模型端点和搜索提供商，可能受网络可达性和凭据限制。因此扣除 4 分。
文档分层、引用表、示例、限制、版本 2.1.0、作者和 GitHub 来源均明确，仓库还提供许可证、同步维护和安全报告路径；但 skill 的许可证元数据为 Apache-2.0，而整体仓库许可证说明为 Apache-2.0 与 CC-BY-4.0，且未提供明确 changelog、维护承诺或完整 FAQ。扣除 5 分。
目标明确，是部署并基础验证 AI-Q 服务后交接服务器 URL；示例命令、健康检查、模式路由和评估任务覆盖核心流程。静态审查无法确认命令与目标 Blueprint 版本实际兼容，且深层引用和运行结果不可独立验证，所以未超过静态上限并扣除 9 分。
存在 BENCHMARK.md、evals.json、预期输出和评估指标，提供了一定可审计线索；但结果主要是仓库内自述，缺少可核验的 CI、提交测试套件或独立复现材料，且本审查未执行任何命令。扣除 6 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 →