用途：把规划好的 SageMaker 模型（实时、实时缩容到零或异步端点）落地成实际部署，默认启用自动扩缩、CloudWatch 告警与资源标签，便于长期运行和后续清理。
主要能力：为每个端点成组创建 SageMaker 模型、终端节点配置、终端节点、自动扩缩目标与策略（按每实例调用数目标跟踪）、延迟/错误/平台开销告警，并统一打上 CreatedBy 等标签。数据捕获默认关闭，可用 --enable-data-capture 开启。推理组件部署（deploy_ic.py）把执行角色放到终端节点配置，模型放到推理组件，缩容目标为组件。
使用方式（命令保持原样）：python scripts/deploy.py 指定 --model-name、--image-uri、--role-arn、--model-s3-uri、--instance-type、--region 及必要 --env；vLLM 镜像若标签含 cu130 及以上须传 --inference-ami-version；TEI 嵌入模型不需要该参数，用 HF_MODEL_ID。缩容到零使用 python scripts/deploy_ic.py，需同时具备 ManagedInstanceScaling 最小值 0、步进策略、NoCapacityInvocationFailures 告警等四要素。调用实时端点用 scripts/invoke_endpoint.py，支持 --payload 或 --payload-file；Windows 需避免 UTF-8 BOM，推荐用该脚本。销毁用 teardown.py，须先删告警、扩缩策略与推理组件，再删端点、配置和模型。
适用场景：需要长期运行的模型推理服务，稀疏或计划性流量且可接受分钟级冷启动时可用缩容到零；长耗时（>60 秒）、大负载或突发流量可考虑异步推理。
限制：InService 不等于可用，须做一次真实调用并扫描日志中的 worker 崩溃标记；缩容到零的唤醒期间请求会失败，不适用于有 SLA 的交互流量；组件计算资源只是调度预留，ml.g5.xlarge 上 1024 MB 可接受、4096 MB 会失败；缩容不通过本技能调节。其余收费、价格与平台细节暂未提供。