jetson-customize-usb
用于在 Jetson Thor（Tegra264）或 Orin（Tegra234）自定义载板上，通过内核设备树 overlay 按端口启用、禁用或更改 USB2/USB3 SS 端口角色的技能；不负责 UPHY 通道分配，也不编辑 ODMDATA。
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 11-05 00:16
部署与运维
13,126 个结果
jetson-derive-carrier
用于 NVIDIA Jetson 的自定义载板引导技能：依据参考开发套件 fork 载板文件并生成设备树 overlay 骨架，需先运行 jetson-init-source 与 jetson-init-image。
jetson-init-target
jetson-init-target 是 NVIDIA 技能集中的一个工作流技能，用于创建新的 Jetson 目标平台配置文件（target-platform profile）。它负责撰写 target-platform/<name>.yaml 文件，内容仅涵盖 reference_devkit（参考开发套件）与可选的 custom_carrier（自定义载板）两部分，并默认更新 active_target.yml 指针指向新配置。该技能以 bsp-platforms-catalogue.md 作为产品与刷机配置的权威目录，以 platform_template.yaml 作为字段模板。它主要用于初始化目标平台：当用户要求创建、撰写或新增目标平台配置时，或下游技能因“没有活动目标”而拒绝执行且 target-platform/ 目录中尚无配置文件时调用。需要注意的是，在已有多个配置之间切换应使用 jetson-set-target，而非本技能；bsp_image、source、documents 等块由其它同级技能负责。
jetson-llm-serve
在 Jetson 上搭建 vLLM 或 SGLang 推理服务的技能：Thor 与 Orin JetPack 7.2+ 用上游 vLLM 0.20+，旧版 Orin 用 NVIDIA-AI-IOT 预构建容器，Thor 还可选 NVIDIA SGLang 26.01，最终提供 OpenAI 兼容端点。
jetson-optimize-memory
jetson-optimize-memory 用于在无显示或无摄像头的 Jetson 部署中回收 DRAM，通过按启动顺序关闭 MB1 BCT、MB2 BCT、内核 reserved-memory 与 SWIOTLB 四层中未使用的预留内存。
jetson-package
面向 NVIDIA Jetson 的包与环境选择技能：帮助挑选兼容的容器、vLLM 运行时镜像和 Jetson AI Lab PyPI 索引，区分 Orin SM 8.7 与 Thor SM 11.0 及不同 JetPack 的包选择。
jetson-print-device-info
在运行中的 Jetson 目标设备上打印设备信息摘要，包括模块型号、L4T 版本、内核版本、操作系统版本和当前电源模式，属于只读检查类技能，可作为性能测试前的基线快照。
jetson-promote-image
用于将 overlay 文件与构建产物提升（promote）到已暂存的 BSP 镜像中，为后续刷写做准备。该技能只复制文件，不执行刷写也不执行构建。触发词：promote bsp image。
jetson-set-target
Jetson 目标平台切换技能：把 target-platform/active_target.yml 的 active 指针指向已存在的 profile YAML，供 customize/build/flash 前切换目标；不负责新建 profile。
jetson-speculative-decoding
面向 Jetson 上 vLLM 服务器的推测解码（speculative decoding）调优技能。当 TPOT/ITL 成为瓶颈时，通过添加 EAGLE-3 或 draft-model 配置加速单流解码，并用基准验证是否真正提速，避免高并发或显存不足场景误用。
launch-nemo-rl
nrl-k8s CLI 的运行手册，用于在 Kubernetes 集群上启动、监控、停止和调试 NeMo-RL 配方，覆盖临时（RayJob）与长驻（RayCluster）两种生命周期模式、配方与基础设施配对、日志与状态观测、停止与清理流程，以及常见注意事项。
mcore-create-issue
用于排查失败的 GitHub Actions 运行或作业，并把故障整理成 GitHub Issue 的技能，主要面向 NVIDIA/Megatron-LM 仓库的 CI 失败分诊。
nemo-automodel-launcher-config
NeMo AutoModel 启动器配置技能，用于配置交互式、Slurm 集群与 SkyPilot 云三种训练作业启动方式，涵盖 YAML 字段、多节点环境、容器挂载、环境变量与 Nsight 性能分析设置。
nemo-mbridge-multi-node-slurm
该技能用于将单机训练脚本转换为多节点 Slurm sbatch 作业，并排查常见的多节点分布式训练故障。它覆盖两种启动方式：推荐的 srun 原生方式（每节点 8 个任务，直接由 Slurm 派生进程）与遗留的 uv run torch.distributed 方式（每节点 1 个任务，由 torch.distributed.run 派生 8 个进程）。内容包括 SBATCH 头配置、两阶段 srun 预热 uv 缓存、共享文件系统上的仓库/数据/日志/HF_HOME/UV_CACHE_DIR/NEMO_HOME 挂载、凭据管理、交互式 GPU 分配（salloc + srun）、常见报错排查表，以及 NCCL 超时、MoE 显存 OOM、FP8 权重不匹配、WORLD_SIZE 未设置等问题的诊断与修复方法。
nemo-mbridge-perf-cuda-graphs
Megatron Bridge 的 CUDA 图捕获验证与使用指南，涵盖 local 全迭代图与 Transformer Engine 分作用域图（attention、MLP、MoE 等）的配置、约束与测试方法。
nemo-mbridge-perf-hierarchical-context-parallel
NVIDIA Megatron-Bridge 中启用分层上下文并行（HCP）的操作指南，涵盖配置项、代码锚点、常见陷阱与验证方法，适用于 cp_comm_type="a2a+p2p" 场景。
nemo-mbridge-perf-moe-comm-overlap
NVIDIA Megatron Bridge 的 MoE 专家并行通信重叠技能，覆盖 dispatch/combine 重叠、flex dispatcher 后端与专家 wgrad 调度，用于在 EP>1 且通信暴露时提升吞吐。
nemo-rl-brev-etiquette
面向 NeMo-RL 智能体的 Brev 实例操作规范：在 /home/ubuntu/RL 保留代码与可复现记录，把检查点、日志、缓存等大体积产物放到 /ephemeral，并给出磁盘检查、密钥加载、缓存路径覆盖与清理约定。
nemotron-retrieval-recipes
用于规划、调试、调优、评估、导出与部署公开 Nemotron embed/rerank 检索配方的技能，通过 $nemotron-retrieval-recipes 调用。帮助把检索故障路由到正确的配方族，以当前代码检出为准核对命令与配置。
nemotron-speech
NVIDIA Nemotron Speech（文档中仍称 Riva）NIM 工作流技能，统一路由 ASR、TTS、NMT 任务的部署、运行与测试，支持 build.nvidia.com 云端推理或自托管 Docker 部署，并覆盖自定义 NeMo 模型转换与 ASR/TTS 管线调优。
physical-ai-infrastructure-setup-and-resilient-scaling
用于搭建、扩展、验证和加固 NVIDIA Physical AI 基础设施的规范技能，覆盖 MicroK8s 或 Azure 集群、NIM Operator/NVCF/Azure AI Foundry 推理、OSMO 与合成数据生成工作负载，强调可复现、可观测与可恢复。
tao-port-huggingface-model
将 HuggingFace 计算机视觉模型集成进 NVIDIA TAO Toolkit 生态的技能，覆盖 tao-core 配置、tao-pytorch 训练器与 tao-deploy TensorRT 部署流水线，全程本地执行。
tao-run-on-brev
在 NVIDIA Brev GPU 实例上运行 TAO 训练、评估或推理容器的技能，实例的创建、搜索、启停、删除和登录交由 Brev 官方 agent 技能或 MCP 处理，本技能只负责通过 brev exec 在该实例上执行 TAO 容器。
tao-run-on-kubernetes
在 Kubernetes 集群上以 Job 形式提交 TAO 容器任务的执行平台技能，通过 kubectl 调度 NVIDIA GPU，支持单节点单 Pod 与基于 Indexed Job 的多节点分布式训练，并提供提交、状态、日志、取消四个操作。