instantly-incident-runbook
用于 Instantly 生产事故的分析与分级处置技能，覆盖 campaign、账号、webhook、后台任务与 API 故障，强调证据保全、租户边界与可回滚的遏制动作，所有状态变更需负责人明确批准。
Skill 广场
找到适合任务的 Agent Skill，阅读介绍并复制安装命令。
更新于 10-24 00:15
部署与运维
12,301 个结果
integrating-secrets-managers
该技能帮助 AI 助手将 HashiCorp Vault、AWS Secrets Manager、GCP Secret Manager、Azure Key Vault 等密钥管理平台集成到应用与基础设施中，生成认证配置、访问策略、轮换计划与运行时凭据获取代码模式。
rds-instance-setup
为 AWS Skills 域中的 rds instance setup 任务提供自动化辅助的技能。当用户在请求中提及 rds instance setup，或询问其模式与最佳实践时自动激活，帮助完成 RDS 实例配置相关工作。
sentry-ci-integration
将 Sentry 集成到 CI/CD 流水线的技能，用 sentry-cli、官方 GitHub Action 或构建工具插件自动创建发布、关联提交、上传 source map 并记录部署，让线上错误对应到具体代码与可读堆栈。
sentry-policy-guardrails
Sentry Policy Guardrails 是一套用于在多服务环境中统一 Sentry 使用规范的治理框架。它通过一个共享 npm 包（@company/sentry-config）封装 Sentry.init()，强制实施 PII 脱敏、命名规范、标签标准和按服务等级设定的追踪采样率上限。CI 检查会在合并前阻止违反策略的代码，每月一次的漂移审计则用于发现偏离规范的项目。该框架旨在防止 Sentry 配置在多服务之间出现漂移，并支持 SOC 2、GDPR、HIPAA 等合规要求。
sentry-prod-checklist
用于 Sentry 生产部署的清单式技能：按步骤检查 DSN、环境标签、Release 跟踪、采样率、Source Map 上传、beforeSend 过滤、PII 脱敏、告警规则、退出前 flush 与测试错误验证，覆盖 @sentry/node（v8+）与 sentry-cli 流程。
sns-topic-config
AWS Skills 中的一项自动激活技能，用于协助配置 Amazon SNS 主题（sns topic config）。当请求中出现“sns topic config”或询问相关模式与最佳实践时触发，提供步骤指导并生成配置与代码。
jfrog-reference-architecture
JFrog 参考架构规划技能，用于指导 JFrog 平台拓扑、规格选型（RPM、t-shirt 模板）、部署、多站点场景、SaaS 与自管理、高可用、气隙环境与灾难恢复。所有事实须实时抓取官方参考架构，不得凭记忆作答。
modal-serverless-gpu
Modal Serverless GPU 是 Modal 无服务器 GPU 云平台的使用指南，用于在无需管理基础设施的情况下运行机器学习工作负载。资料涵盖何时使用 Modal、核心概念（App、Function、Cls、Image、Volume、Secret）、GPU 配置（T4、L4、A10G、L40S、A100、H100、H200、B200）、容器镜像构建、持久化存储、Web 端点、动态批处理、密钥管理、定时调度、性能优化与调试等内容，并提供安装命令、代码示例和常见问题处理方式。适合需要按需 GPU 访问、将模型部署为自动扩缩 API、运行批处理或定时任务的场景。
serving-llms-vllm
vLLM 是一个高性能大语言模型（LLM）推理与服务框架，通过 PagedAttention（基于块的 KV 缓存）和连续批处理（混合 prefill/decode 请求）实现高吞吐量，据资料称其吞吐量可达标准 transformers 的 24 倍。它支持离线批量推理和 OpenAI 兼容的在线服务，适用于部署生产级 LLM API、优化推理性能以及在有限 GPU 显存下服务大模型。安装方式为 pip install vllm，可通过 vllm serve 命令启动服务，并支持张量并行、量化（AWQ/GPTQ/FP8）、前缀缓存、指标监控等特性。
skypilot-multi-cloud-orchestration
SkyPilot 多云编排技能，用于在多个云平台（AWS、GCP、Azure、Kubernetes、Lambda、RunPod 等 20 多家提供商）上运行机器学习训练与批处理任务，并自动进行成本优化。支持自动选择最便宜的云和区域、使用抢占式（Spot）实例并自动恢复、多节点分布式训练、托管作业的容错与检查点、以及 Sky Serve 模型服务自动扩缩。适合需要跨云运行训练或批处理作业、避免供应商锁定、统一管理多云 GPU 资源的场景。
tensorrt-llm
TensorRT-LLM 是 NVIDIA 推出的开源库，用于在 NVIDIA GPU 上优化大语言模型（LLM）推理，追求最高吞吐量与最低延迟。它适用于在 A100、H100、GB200 等 NVIDIA GPU 上的生产部署，支持 FP8、INT4、FP4 量化模型，并可跨多 GPU 或多节点扩展。该库提供 Docker 与 pip 两种安装方式，支持 Python API 推理以及 trtllm-serve 服务化部署，具备在途批处理、分页 KV 缓存、Flash Attention、CUDA 图、张量并行、流水线并行、专家并行、投机解码、LoRA 服务、分离式服务等能力。资料给出的基准显示 Llama 3-8B 在 H100 上可达 24,000 tokens/秒，相比 PyTorch 快约 100 倍。若需要更简单的 Python 优先 API、AMD 或非 NVIDIA 硬件，或 CPU/Apple Silicon 边缘部署，资料建议改用 vLLM 或 llama.cpp。
docker-scout-scanner
Docker Scout Scanner 是一个容器安全分析技能，使用 Docker Scout 扫描 Docker 镜像中的 CVE、审查 Dockerfile 配置错误、检查基础镜像选择并生成容器 SBOM；当 Docker Scout 不可用时回退到十项静态 Dockerfile 检查。
audit-skills
audit-skills 是一个用于审计已安装技能（skills）的工具，来自 melvynx/aiblueprint。它针对已安装技能检查实际使用情况、仅显式调用控制、重复发现以及全局与项目作用域问题。该工具仅在用户显式执行 $audit-skills 时运行，默认执行审计；修复模式仅在账本（ledger）存在后应用高置信度修正。它会从参数或当前仓库解析项目根目录，并保留无关的未提交改动。审计报告会列出每个已清点技能及其扫描覆盖范围和证据类别（如 OBSERVED_USER、OBSERVED_MODEL、UNOBSERVED、EXPLICIT_ONLY、INVOCATION_MISMATCH、LOCALITY_CANDIDATE、NAME_COLLISION）。安全自动修复包括：在 Claude/Codex 间镜像已有的仅显式调用决定、在技能文本已要求直接调用时补充缺失的仅显式调用控制、修复过期的移动/重命名元数据。跨作用域移动技能仅在用户明确指示或存在项目特定运行时依赖时进行。对于未观测到的技能只做建议而不改动，并保护事件、安全、恢复和迁移类技能不被仅基于使用情况的裁剪。
functional-planner
Functional Planner 是微软 hve-core 中的只读规划技能，用于把 PRD 拆解为经校验的工作项层级，并生成可评审的 Azure DevOps、GitHub 或 Jira 交接产物，本身不创建或修改任何工作项。
enumerating-cloud-with-cloudfox
CloudFox 是 Bishop Fox 开源的只读云环境枚举命令行工具，用于授权渗透测试中快速建立 AWS/Azure 态势感知，可枚举端点、实例、密钥、IAM 权限与角色信任关系，并输出可离线分析的 CSV/TXT 与 loot 文件。
implementing-ebpf-security-monitoring
基于 Cilium Tetragon 的 eBPF 内核级运行时安全监控实践，覆盖进程执行、网络连接、文件访问追踪及内核态策略执行，适用于 Linux 主机与 Kubernetes 集群。
implementing-taxii-server-with-opentaxii
介绍用 Medallion 与相关 Python 库部署和配置 TAXII 2.1 服务器、按集合发布与消费 STIX 2.1 情报包，并接入 SIEM/SOAR 的实战技能，涵盖 Docker 部署、集合权限与取数验证。
implementing-velociraptor-for-ir-collection
该技能介绍如何部署与配置 Velociraptor，用于事件响应中可扩展的端点取证证据采集，涵盖 VQL 查询、Hunt 狩猎与预置 Artifact 的使用。
docker-management
通过标准 Docker CLI 管理 Docker 容器、镜像、卷、网络与 Compose 栈的技能，除 Docker 本身外无需额外依赖，可用于运行调试容器、构建镜像、排查故障、检查磁盘占用及优化 Dockerfile。
mlops-engineer
面向模型服务与推理运维的资深 MLOps 工程师技能，覆盖模型部署与扩缩容、AI/ML 与训练数据管道、成本优化、性能与漂移监控、多提供商路由与降级。仅当资料明确时使用；缺失事实暂未提供。
ci-cd-pipeline
一个面向 CI/CD 架构的 AI 技能，聚焦 GitHub Actions、GitLab CI、部署策略与流水线安全，强调密钥不外泄、固定依赖版本、最小权限、可回滚以及测试与生产环境一致。
commandbox-deploying
该技能用于将 CommandBox 应用部署到生产环境，涵盖本地嵌入式服务器、Docker 容器、GitHub Actions、Heroku/Dokku、云主机与 systemd 服务等多种部署方式，并介绍 server.json、环境变量与 CFConfig 配置。核心是 server.json 文件与生产 profile 设置，可实现可复现的部署配置；Docker 部分介绍官方镜像 ortussolutions/commandbox、端口与引擎等环境变量、Dockerfile 与 docker-compose 示例；CI 部分介绍 GitHub Actions 官方 Action 的输入参数与用法；此外还包含 Heroku/Dokku buildpack、Linux VPS 初始化脚本、systemd 服务以及 CFConfig 配置导入导出与部署清单。
commandbox-setup
用于安装、配置与升级 CommandBox CLI 的技能，覆盖 Mac（Homebrew）、Linux（apt/yum）及 Windows 安装方式、Java 环境要求、自定义主目录、精简二进制以及升级与首次运行配置。