cuPyNumeric 安装助手
指导在受支持环境中安装并验证 cuPyNumeric。
技能明确禁止代理自动安装，要求隔离环境，并限定为预构建 conda/pip 使用；验证步骤、GPU 资源使用和潜在 CUDA 错误均有披露。扣分原因是 Miniforge 下载使用未固定版本的 latest URL，缺少哈希或签名校验，包含用户可执行的 curl/bash 与 rm -rf 命令，且未提供完整回滚或依赖安全说明。
安装路径、前置检查、烟雾测试、GPU 检查和故障排查较完整，命令与预期输出也有说明。扣分原因是仅静态审查，未执行验证；shell 命令偏 Linux，部分路径存在环境依赖，且正文要求始终通过 legate 验证而参考文件还提供直接 python 检查，失败反馈覆盖仍不完整。
目标用户、支持平台、Python/CUDA/GPU 条件、CPU 变体、pip/conda 路径以及源码和多节点非适用范围均较清楚。扣分原因是没有中文使用支持或面向中国大陆网络可达性的说明，外部 GitHub、conda-forge、NVIDIA 文档和包源的可达性未评估，GPU/容器等场景的边界仍需用户自行判断。
具备 front matter、作者、版本 2.0.0、许可证声明、上游与文档引用、分层章节、限制和故障排查；技能卡也声明了输出形式。扣分原因是缺少 Examples 推荐章节，缺少变更日志、明确维护责任和更新流程；题设提供的仓库许可证元数据为 NOASSERTION，许可证归属仍需治理确认。
对常见单机安装、隔离环境选择、CPU/GPU 变体判断和安装后验证提供了可直接复制的命令，核心任务大体可完成。扣分原因是静态审查无法证明命令在目标版本和平台上成功，GPU 验证成本较高且可能占用大量资源，部分建议仍依赖用户后续判断或外部文档。
技能包含预期数值、诊断命令、参考验证文件和 24 项评估用例，关键主张具备一定可审计性。扣分原因是没有可见的真实 CI 工作流、提交测试结果或独立第三方复核；BENCHMARK.md 属于仓库内自述材料，不能作为静态审查中的独立执行证据。
- 不要把仓库内 benchmark 的 PASS 或性能提升百分比当作独立验证；本评估未执行任何命令。
- Miniforge 引导命令下载并执行未固定版本的远程脚本，用户应先审阅来源并考虑哈希、签名或内部镜像。
- GPU 验证脚本会申请大规模矩阵并持续运行，可能消耗显存、GPU 时间和临时磁盘；应先确认资源预算。
- 许可证 front matter 与题设的 NOASSERTION 元数据存在治理层面的不确定性，应在发布前确认。
这个 Skill 能做什么，适合哪些场景？
这是 NVIDIA skills 仓库中的一个 Agent Skill，专门指导用户通过 conda 或 pip 安装并验证 cuPyNumeric。它会先检查操作系统、Python、CUDA、GPU 和包管理器要求，再给出隔离环境中的安装命令。验证包括 NumPy 兼容性冒烟测试，以及在有受支持 GPU 时确认实际使用了 GPU。该 Skill 不覆盖源码构建、多节点网络、MPI 或 UCX 配置。
读取并建议执行 conda、pip、nvidia-smi、nvcc 和版本检查命令；提供 Miniforge 或 Python/pip 的引导命令；给出 conda 和 pip 安装步骤；生成临时 Python 脚本并通过 legate 运行冒烟测试；在 GPU 环境中运行 GPU 启动检查和 nvidia-smi 采样；根据常见导入、CUDA、环境激活和 GPU 变体错误提供排查方向。它不会替用户执行安装命令。
- 希望在 Linux GPU 服务器上安装 cuPyNumeric 并确认使用 Volta 或更新 GPU 的 Python 用户。
- 使用 CPU-only 笔记本、希望通过隔离 Python 环境运行 cuPyNumeric 的用户。
- 构建 GPU 容器但安装时看不到 GPU、需要使用 CONDA_OVERRIDE_CUDA 的用户。
- 已经安装 cuPyNumeric，但需要确认环境是否激活、CUDA 变体是否正确或 GPU 是否真正被使用的用户。
这个 Skill 有哪些优点和局限？
- 同时覆盖 conda 和 pip 安装路径。
- 明确要求隔离环境，并禁止 Agent 直接执行安装。
- 包含可复制的冒烟测试和 GPU 实际使用检查。
- 覆盖 CPU、GPU、容器和常见环境不匹配问题。
- 需要用户自行运行所有安装命令。
- GPU 路径要求 CUDA 12.2 或更高版本，以及 Volta 或更新架构。
- 不覆盖源码构建、多节点、MPI 或 UCX。
- macOS aarch64 仅支持 pip wheels；Windows 需要通过 WSL。
如何安装这个 Skill？
将该仓库中的 skills/cupynumeric-install/ 目录安装到支持 Agent Skills 的客户端。仓库 README 提供的命令是：npx skills add nvidia/skills --skill cupynumeric-install --yes。也可以使用 npx skills add nvidia/skills 后按提示选择技能和安装位置。若客户端尚未提供 npx 或 skills CLI，相关安装方式未在该 Skill 中说明。
如何使用这个 Skill？
在已加载该 Skill 的 Agent 中提出类似“请指导我在这台 Linux GPU 机器上安装并验证 cuPyNumeric”或“帮我排查 cuPyNumeric 为什么没有使用 GPU”的请求。Agent 应先检查前置条件，再选择 conda 或 pip，并只打印安装命令供用户执行；之后运行 legate 冒烟测试，必要时执行 GPU 使用检查。源码构建不属于本 Skill 的范围。