NVIDIA RAG Blueprint 运维技能
帮助代理部署、配置、排障和管理 NVIDIA RAG Blueprint。
技能声明了只在指定 NVIDIA RAG Blueprint 仓库范围内操作，并对数据删除、API 密钥和平台选择提出确认或用户提供要求；允许读取进程、文件系统元数据、容器检查信息和网络状态，且包含 Docker/Kubernetes/Helm 运行环境检测与外部 NVIDIA API 使用，但未充分说明敏感数据流、凭据暴露风险、回滚方案或所有外部影响，因此扣分。
意图路由、配置流程、健康检查和硬件限制较具体，静态来看正常路径可理解；但关键 playbook 和大量引用文件未在证据中提供，允许工具不包含实际编辑、重启或部署命令，却指示执行这些变更，且异常输入和失败反馈覆盖有限，因此按静态上限保守评分并扣分。
适用场景、部署模式和功能关键词较清楚；但描述覆盖“任何 RAG action”，基准已记录描述过长、缺少 WHEN 条件和负向触发，存在过度触发风险。对非 Docker/Helm/库模式、无仓库环境、中文交互及中国大陆网络可达性的边界说明不足；NVIDIA 托管模式依赖 integrate.api.nvidia.com，环境适配性有限。
SKILL.md 具有版本号、用途、前置条件、路由表、渐进式配置章节、示例、限制和硬件说明，并声明 Apache-2.0；仓库提供维护、同步和 CI 线索。但许可证元数据为 NOASSERTION，仓库总体为 Apache-2.0 与 CC-BY-4.0 双许可，维护责任未明确到该技能，缺少该技能 changelog、FAQ、完整安装说明，且基准报告记录了重复内容和额外文件问题，因此扣分。
该技能覆盖部署、配置、故障排查、关闭和 API 管理，配置表和验证命令对直接完成任务有潜在帮助；但静态材料没有证明代表性输出已可直接使用，BENCHMARK.md 明确总体 verdict 为 FAIL，Tier 3 实测不可用，且关键 playbook 未提供，因此只能确认核心目标大致覆盖，不能确认完整性或比较优势。
存在版本固定的仓库上下文、OpenAPI schema 路径、基准文件、评估场景和真实 CI 工作流线索，部分关键主张可追溯；但基准缺少 Tier 3 结果和实际执行信号，未提供覆盖该技能关键路径的已验证测试套件，结论主要依赖静态说明，因此未达到更高档次。
- 不要在未获得明确确认、未检查当前配置或未准备恢复方案时执行 shutdown、teardown、删除数据或重启操作。
- NGC_API_KEY、APP_LLM_APIKEY 等凭据可能通过环境、进程或容器检查间接暴露；应避免输出完整密钥并采用最小权限。
- NVIDIA 托管模式依赖 integrate.api.nvidia.com，需在中国大陆网络环境中单独验证可达性；自托管模式也需要 NVIDIA GPU、镜像和 NGC 访问。
- 发布前应补齐并验证引用的 deploy、troubleshoot、shutdown playbook，修复基准报告中的过度触发和重复内容问题，并重新运行评估。
这个 Skill 能做什么，适合哪些场景？
rag-blueprint 是 NVIDIA RAG Blueprint 的运维型 Agent Skill，覆盖部署、配置、功能管理、故障排查和关闭清理。它面向 Docker Compose、Kubernetes/Helm 以及 Python 库部署。技能会根据用户意图选择相应操作手册，并检查运行中的服务、配置、GPU 和健康状态。它适合已经拥有 NVIDIA RAG Blueprint 仓库和相应运行环境的团队。
根据请求路由到部署、配置、排障或关闭流程；检查 GPU、Docker、Kubernetes、Helm、服务进程、端口、磁盘和系统信息；读取仓库文档、配置文件及引用的 playbook；管理 Agentic RAG、VLM、护栏、查询改写、摄取、搜索、模型、推理、摘要、可观测性等功能；通过 Docker Compose、Helm 或 Python 配置执行变更，并使用服务状态和健康端点进行验证。
- 需要在 Docker Compose 环境中部署并启动 NVIDIA RAG Blueprint 的开发或平台工程师。
- 需要在 Kubernetes/Helm 部署中启用 VLM、护栏、查询改写或可观测性的运维人员。
- 遇到 RAG 服务不健康、重启失败或依赖服务异常的排障工程师。
- 需要调整模型、向量数据库、检索、摄取或生成参数的 RAG 开发者。
- 需要停止、关闭或拆除现有 RAG 部署并确认清理影响的管理员。
这个 Skill 有哪些优点和局限？
- 覆盖 Docker Compose、Kubernetes/Helm 和 Python 库部署模式。
- 包含意图路由、运行环境检测、配置状态交叉检查和变更后验证流程。
- 覆盖部署、功能配置、故障排查、关闭清理及多类 RAG 功能。
- 提供 NVIDIA RAG Blueprint 源仓库、API schema 路径、标签和框架元数据。
- 要求使用 NVIDIA RAG Blueprint 仓库及其文档；不适用于其他 RAG 实现。
- 实际变更依赖可用的 Docker、Kubernetes/Helm 或 Python 运行环境。
- 自托管 NIM 服务需要 NVIDIA GPU 工具，且 NGC_API_KEY 等密钥必须由用户环境提供。
- 来源材料未提供该技能独立的测试套件或性能数据。
如何安装这个 Skill？
使用仓库 README 支持的 skills CLI 安装指定技能：
npx skills add nvidia/skills --skill rag-blueprint --yes
CLI 会提示安装目标；无需克隆整个仓库或手动复制技能目录。
如何使用这个 Skill？
在已加载该技能的代理中直接提出具体请求，例如：
“Deploy RAG”
“Enable VLM”
“RAG is unhealthy”
“Stop RAG”
配置功能前，技能要求先确认部署正在运行，并读取对应参考文件和配置。
这个 Skill 与同类方案有什么区别？
该技能覆盖 Docker Compose、Kubernetes/Helm 和 Python 库三种部署方式，但来源未提供与其他 RAG 运维技能的直接对比。