这个 Skill 能做什么，适合哪些场景？
该技能面向需要部署或调用 cuOpt REST API 的用户，涵盖本地启动和 Docker 部署。它说明了 Routing、LP 和 MILP 的 REST 支持范围，并明确 QP 不可通过 REST 使用。技能提供健康检查、异步请求轮询、Python 客户端示例和 curl 流程。它还列出常见 422 载荷错误及多个可运行示例目录。
指导用户使用 Python 模块或 Docker 启动 cuOpt 服务；调用 /cuopt/health 验证服务；向 /cuopt/request 发送 JSON 请求并取得 reqId；轮询 /cuopt/solution/{reqId} 获取结果；使用 Python requests 编写 Routing 客户端；解释 Python API 与 REST 字段对应关系；排查字段名称和容量维度错误；指向 VRP、PDP、LP 和 MILP 示例资产。
- 需要在本地开发环境启动 cuOpt REST 服务的 Python 工程师。
- 希望用 Docker 暴露 8000 端口并调用 GPU 优化服务的部署人员。
- 需要通过 Python requests 提交车辆路径规划请求的开发者。
- 需要通过 curl 或其他语言客户端调用 REST 接口的团队。
- 遇到 422 校验错误、reqId 失败请求或容量字段格式问题的 cuOpt 用户。
如何安装这个 Skill？
- 不要直接将服务暴露到公网：示例绑定 0.0.0.0 且未提供认证或 TLS 配置。
- 不要依赖 Docker latest；应锁定与 skill version/API 兼容的镜像和 API 版本。
- 客户端示例应补充请求超时、非 2xx 响应、无效 reqId、服务端错误状态和轮询超时处理。
- 服务器不可达时资产以退出码 0 跳过，可能导致 CI 或自动化流程误判为成功。
- Shell / 命令行
- 网络访问
- 本地文件系统
PythonPython requestsDockerNVIDIA GPU
使用 NVIDIA/skills 的 skills CLI 安装指定技能：npx skills add nvidia/skills --skill cuopt-server-api-python --yes。README 说明该仓库包含 324 个技能，并支持安装到 Codex、Claude Code、Cursor 和 Kiro 等客户端；具体目标目录由 CLI 处理。
tmp="$(mktemp -d)"
git clone --depth 1 https://github.com/NVIDIA/skills.git "$tmp"
mkdir -p ~/.claude/skills
cp -R "$tmp/skills/cuopt-server-api-python" ~/.claude/skills/
rm -rf "$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：
- 请用 Python 部署或调用 cuOpt REST 服务，解决一个 Routing 问题。
向已加载该技能的代理提出部署或调用 cuOpt REST API 的任务，例如：“请用 Python 部署或调用 cuOpt REST 服务，解决一个 Routing 问题。”使用前应明确问题类型（Routing 或 LP/MILP）、部署方式（本地、Docker、Kubernetes 或云端）以及客户端语言或工具。技能给出了本地启动命令、Docker 命令、健康检查、请求提交和轮询流程；Kubernetes 与云端的具体操作未在该 SKILL.md 中展开。
这个 Skill 有哪些优点和局限？
- 覆盖本地和 Docker 服务启动方式。
- 同时提供 Python、curl 和可使用其他语言客户端的 REST 工作流。
- 明确支持 Routing、LP、MILP，不支持 QP。
- 包含常见 REST 字段错误和容量格式错误的排查提示。
- 提供 VRP、PDP、LP 和 MILP 示例资产目录。
- QP 不可通过该 REST 接口使用。
- 示例依赖正在运行的服务器、Python requests 和相应 GPU 环境。
- Kubernetes 与云端只作为部署选项提出，未提供具体步骤。
- SKILL.md 未说明独立测试套件或完整 API 覆盖范围。
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 |
|---|---|---|---|---|
| cuOpt REST 服务部署与 Python 客户端 本页 ✓ NVIDIA · 官方 | 45 · 不推荐 | ★ 3.6k | 13 天前 | Apache-2.0 |
| cuOpt 数值优化 API 技能 ✓ NVIDIA · 官方 | 54 · 谨慎使用 | ★ 3.6k | 13 天前 | Apache-2.0 |
| AMC 样例数据集校准 ✓ NVIDIA · 官方 | 55 · 谨慎使用 | ★ 3.6k | 13 天前 | Apache-2.0 |
| AutoMagicCalib 视频标定 ✓ NVIDIA · 官方 | 53 · 谨慎使用 | ★ 3.6k | 13 天前 | Apache-2.0 |
| FastAPI 路由构建助手 ✓ Microsoft · 官方 | 51 · 谨慎使用 | ★ 2.7k | 3 个月前 | MIT |
技能明确区分 Python API 与 REST：例如 Python API 的 order_locations 对应 REST 的 task_locations，set_order_time_windows() 对应 task_time_windows。它专注于 REST 服务部署和 Python/curl 客户端，不是独立的 Python 原生 API 指南。
FollowSkills 如何评估这个 Skill？
技能明确要求先确认问题类型、部署方式和客户端，且示例范围主要是本地 REST 调用；但启动示例绑定 0.0.0.0、Docker 使用 latest、未说明认证/TLS、敏感数据处理、最小权限、外部网络暴露、用户确认或回滚，因此扣分。
工作流、健康检查、请求后轮询和多个客户端资产基本一致，资产对服务器不可达有可诊断提示；但核心示例缺少超时、HTTP 错误处理、轮询失败状态和版本兼容说明，脚本不可达时退出 0 也可能掩盖跳过，静态评估不超过 10 分。
目标用户、问题类型、部署选项和客户端选择较清楚，并明确 QP 不支持；但云/Kubernetes 仅被列出未提供指导，输入约束、输出契约和非适用边界仍不完整，也没有中文支持说明。核心功能可自托管，不因海外服务依赖而额外扣分。
具有名称、版本、Apache-2.0 元数据、作者、资产目录、README 和评估报告，结构可读；但缺少推荐的 Instructions/Examples 章节，缺少安装依赖、API/镜像版本锁定、变更日志、维护更新路径、限制和故障排查细节，且仓库级 CC-BY-4.0 与技能元数据的 Apache-2.0 关系未解释。
内容能直接覆盖启动 REST 服务、健康检查、请求/轮询流程，并提供 Routing、LP、MILP、PDP 资产；但没有静态可验证的成功输出，云/Kubernetes 客户端场景不完整，实际结果仍需环境和人工检查，因此按静态上限保守扣分。
固定修订、具体命令、客户端源码和 benchmark 报告提供了可审计材料，报告还记录了单任务评估结果；但评估仅 1 个任务、无负向触发样本、无提交的针对该技能测试套件或真实日志，结论主要仍是作者报告，静态上限为 5 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 →