hf-cloud-sagemaker-deployment-planner

用途：作为 SageMaker 部署的入口技能，负责发现需求与选择推理路径，再把任务交给其他专项技能。后续阶段包括上下文预检（hf-cloud-aws-context-discovery、hf-cloud-python-env-setup）、IAM 预检（hf-cloud-sagemaker-iam-preflight）、镜像选择（hf-cloud-serving-image-selection）与部署（hf-cloud-sagemaker-production-defaults）。\n\n主要能力：询问必需信息，包括模型来源（HuggingFace ID、S3 路径或模型名）、模型类型（文本生成 LLM、嵌入/重排或其他）、流量形态、延迟容忍度；成本敏感度仅在用户提及或流量不明确时询问，区域由上下文发现技能提供。根据模型名通常可推断模型类型，无需重复询问。\n\n路径选择：实时端点适合稳定流量与低延迟常驻；无服务器适合突发、稀疏且可接受冷启动的简单模型；异步适合长推理、大负载、可排队；批量适合离线打分；Bedrock 自定义模型导入适合兼容 Bedrock API 且支持的基础模型族。LLM 默认实时端点，嵌入模型也默认实时但通常选 CPU 实例。实时与异步有脚本化路径，其余路径仅解释后交接。\n\n实例选择前须检查配额，命令为：aws service-quotas list-service-quotas --service-code sagemaker --region <region> --query "Quotas[?contains(QuotaName, 'for endpoint usage') && Value > \0\\].[QuotaName, Value]" --output table。24GB 档位中 ml.g5.（A10G）与 ml.g6.（L4）需 gpu-3-1 AMI；g6 更新更省，g5 显存带宽约为两倍；模型超出 24GB 时可用 ml.g6e.*（L40S，48GB）。配额为按实例类型、按区域计算，GPU 类型默认常为 0。\n\n使用方式：尽量一轮澄清问题，给出明确推荐并等待用户确认后再创建资源；计划保存在对话中，除非明确要求，不生成 plan.yaml 等产物。\n\n限制：资料未提供具体价格、图像 URI、SDK API 细节与配额数值，需另行检查；不脚本化的路径无法通过本技能直接部署。