用途：帮助用户把模型部署到 Amazon SageMaker，以尽量少的问题给出合理默认方案，并转交给专门子技能处理后续步骤。
主要能力：分两个阶段工作。发现阶段确认要部署的模型（HuggingFace ID、S3 工件路径或模型名）、模型类型（文本生成 LLM、嵌入/重排、其他）、流量规模、延迟容忍度与成本敏感度；路径选择阶段在实时端点、实时缩容到零、无服务器推理、异步推理、批处理转换与 Bedrock 自定义模型导入之间推荐。实时、实时缩容到零、异步是三个已有脚本的路径（deploy.py、deploy_ic.py、deploy_async.py）；无服务器、批处理与 Bedrock CMI 暂无脚本，需简要说明后交回。
使用方式：最小问题集通常只需“什么模型”和“多久调用一次”。不要一次问全。推荐实例前先检查配额：aws service-quotas list-service-quotas --service-code sagemaker --region <region> --query "Quotas[?contains(QuotaName, 'for endpoint usage') && Value > `0`].[QuotaName, Value]" --output table。若目标类型不在结果中，改推有配额的实例，或提示先申请提升。给出推荐后等待用户确认。计划保存在对话中，除非明确要求，不生成 plan.yaml。
适用场景：LLM 默认用实时端点；嵌入模型默认也实时，但小模型（<1B）与中等流量优先 CPU 实例；文生图、视频生成等长推理（>30 秒）且流量突发时用异步推理。实时缩容到零需推理组件，且空闲后首个请求可能失败（400），客户端需能重试。
限制：模型、流量、区域等信息缺失时需询问；配额查询被拒时说明一次并继续，不将其作为阻塞门槛；不猜测当前镜像 URI、SDK 接口或配额。跨客户端可用，Codex 安装至 $CODEX_HOME/skills/hf-cloud-sagemaker-deployment-planner 并重启。无必需 MCP 服务器。