这个 Skill 能做什么，适合哪些场景？
该技能用于回答 TAO Skill Bank 能做什么、支持哪些模型和工作流，以及哪些模型支持 AutoML。它调用随插件打包的 Python 辅助脚本，从应用、数据、模型、AutoML 和平台清单生成答案。通用能力问题与模型或 AutoML 问题使用不同的查询脚本。AutoML 支持取决于对应模型的训练 schema 是否存在且能被解析为有效 JSON。
针对通用能力问题运行 scripts/list_tao_capabilities.py，并以文本输出作为答案依据；该流程涵盖 applications/ 和 data/ 下的顶层工作流、支持的执行平台，以及模型可用的训练、评估、推理、导出和 TensorRT 引擎生成操作。针对模型或操作查询运行 scripts/list_tao_models.py --scope all。针对 AutoML 查询运行同一脚本的 --scope automl 模式，或运行 scripts/list_automl_support.py；当 skills/models/<network>/schemas/train.schema.json 缺失或无效时，不将该模型描述为支持 AutoML。
- TAO 用户想了解 Skill Bank 当前有哪些应用和数据工作流时，使用通用能力查询。
- 开发者想确认某个 TAO 模型可执行训练、评估、推理或导出哪些操作时，使用模型列表查询。
- 团队评估 AutoML 适配范围时，使用 AutoML 模式检查可支持的模型。
- 维护者需要依据打包清单回答能力问题，而不是手工扫描模型目录时，使用该技能。
如何安装这个 Skill？
- 执行依赖外部 TAO skill bank helper scripts；部署前应确认路径、脚本版本、清单完整性及依赖来源。
- 未提供脚本失败时的用户可理解错误处理、回滚或权限确认说明。
- AutoML 判断依赖 train.schema.json 可解析；缺失或无效时应避免给出支持结论。
- BENCHMARK 只有一个正向任务，不能代表负向触发、边界场景或跨环境稳定性。
- Shell / 命令行
- 本地文件系统
Packaged TAO skill bank helper scripts
使用 NVIDIA 技能集合的 CLI 安装：npx skills add nvidia/skills --skill tao-list-capabilities --yes。也可指定 Codex：npx skills add nvidia/skills --skill tao-list-capabilities --agent codex --yes。源材料未说明单独安装 Python 依赖的步骤。
tmp="$(mktemp -d)"
git clone --depth 1 https://github.com/NVIDIA/skills.git "$tmp"
mkdir -p ~/.claude/skills
cp -R "$tmp/skills/tao-list-capabilities" ~/.claude/skills/
rm -rf "$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：
- what can TAO Skill Bank do
- list TAO models
- which TAO workflows are available
- what supports AutoML
向代理提出“what can TAO Skill Bank do”“list TAO models”“which TAO workflows are available”或“what supports AutoML”等问题。通用能力问题使用 ${TAO_SKILL_BANK_PATH:-~/tao-skills-external}/scripts/list_tao_capabilities.py --skill-bank ${TAO_SKILL_BANK_PATH:-~/tao-skills-external} --format text；模型问题使用 list_tao_models.py --scope all --format text；AutoML 问题使用 list_tao_models.py --scope automl --format text。
这个 Skill 有哪些优点和局限？
- 答案以打包的应用、数据、模型、平台和 AutoML 清单为依据，减少手工枚举错误。
- 明确区分通用能力、模型操作和 AutoML 查询路径。
- 对缺失或无效训练 schema 的模型设定了明确的 AutoML 排除规则。
- 使用 Apache-2.0 授权的独立 SKILL.md，并声明了版本 0.1.0。
- 必须具备随 TAO Skill Bank 打包的辅助脚本；仅有该 SKILL.md 不足以完成查询。
- 源材料没有提供辅助脚本的实际输出示例、测试结果或支持平台清单内容。
- 该技能负责能力发现，不负责执行 TAO 训练、部署或推理工作流。
- 源材料未说明成本、性能和外部服务可用性。
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 |
|---|---|---|---|---|
| TAO 技能库能力发现 本页 ✓ NVIDIA · 官方 | 48 · 谨慎使用 | ★ 3.8k | 今天 | Apache-2.0 |
| TAO Sparse4D 训练技能 ✓ NVIDIA · 官方 | 54 · 谨慎使用 | ★ 3.8k | 今天 | Apache-2.0 |
| TAO OCRNet 场景文字识别技能 ✓ NVIDIA · 官方 | 48 · 谨慎使用 | ★ 3.8k | 今天 | Apache-2.0 |
| 模型目录刷新技能（agent-service-toolkit） | 60 · 推荐 | ★ 4.5k | 24 天前 | MIT |
| Earth2Studio 组件发现 ✓ NVIDIA · 官方 | 56 · 谨慎使用 | ★ 3.8k | 今天 | Apache-2.0 |
FollowSkills 如何评估这个 Skill？
技能将权限限定为 Read 和 Bash，且主要读取打包清单并生成能力说明，未见恶意行为、凭据窃取或隐蔽外传；但允许执行外部路径脚本，未说明脚本的数据流、用户确认、依赖完整性、回滚或异常输出边界，因此扣分。
SKILL.md 给出了三类问题的脚本路由和 AutoML schema 门槛，流程基本一致；但依赖外部 tao-skill-bank 路径，未提供脚本、版本锁定、输入异常处理或可诊断失败信息。静态评估上限为10，证据不足以超过7分。
触发短语、一般能力、模型列表和 AutoML 查询场景较清楚，也声明了依赖；但未定义非适用范围、输入/输出边界、平台差异或中文支持，且未证明在中国大陆网络环境中的部署可达性，因此扣分。
前置元数据包含名称、描述、Apache-2.0、作者和版本；skill-card 补充了用途、风险和维护相关信息，仓库也有发布与安全渠道。但 SKILL.md 缺少 Instructions、Examples 和故障排查，版本变更记录及该技能的具体维护责任不清晰，因此扣分。
脚本输出被指定为能力信息的事实来源，并覆盖应用、数据、平台、模型动作和 AutoML 门槛，能够完成核心发现任务；但依赖未提供的外部打包内容，缺少本技能关键路径的直接输出样例和完整性验证。静态校准下不超过7分，故给6分。
存在固定版本、评估文件和 BENCHMARK.md，报告了单个任务的安全、正确性、可发现性和效果结果；但只有一个评估任务，没有本技能提交的测试套件或多源复核，报告结论无法在所给材料中独立重现，因此仅给4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 →