用途：管理 Databricks Model Serving 端点，为 LLM、自定义 ML 模型和外部模型提供可扩展的 REST API 服务。使用前先用父级 databricks-core 技能处理 CLI 基础、认证和 profile 选择。
主要能力：端点按名称唯一标识，支持按 token 计费（系统 system.ai.* 目录模型，预置）、预置吞吐（专用 GPU）和自定义模型（MLflow 模型或容器）。结构包含 Served Entities（模型引用与扩缩容）、Traffic Config（按百分比路由，支持 A/B 与金丝雀）和 State（READY / NOT_READY）。提供 CLI 命令：list、get、delete、update-config、patch、put-ai-gateway、build-logs、logs、export-metrics、get-permissions（需端点 ID 而非名称）。
使用方式：先运行 databricks serving-endpoints -h 及子命令 -h 动态发现用法，勿猜测语法。创建示例：databricks serving-endpoints create <ENDPOINT_NAME> --json '{...}' --profile <PROFILE>；默认等待完成，可用 --no-wait 后轮询 get 检查 state.ready。更新后需同时轮询 state.ready 与 state.config_update，二者分别为 READY 与 NOT_UPDATING 才算完全就绪。查询聊天端点用 messages 数组，经典 ML 端点用 dataframe_records；流式加 --stream。可用 get-open-api 查看 OpenAPI 3.1 请求/响应模式。
适用场景：端点创建与版本切换（零停机通过别名重指向并 update_endpoint）、A/B 测试、限流与用量跟踪、接入 Databricks App（声明 serving_endpoint 资源，权限 CAN_QUERY）。
限制：本技能偏运维，不涵盖训练、MLflow 跟踪与 UC 注册；预置吞吐端点供应可能耗时较长，未就绪查询返回 404 或 503；缺少认证需 --profile；FM API 模型名称应运行时动态列举，勿硬编码。