本文属于机器翻译版本。若本译文内容与英语原文存在差异,则一律以英文原文为准。
安装亚马逊 A SageMaker I 技能
这款 Amazon SageMaker AI 插件可在 AWSLabs GitHub 页面
-
模型定制 — 用于微调基础模型的 End-to-end 指导性工作流程,从用例定义到在 Amazon A SageMaker I 上进行数据准备、训练、评估和部署。
-
HyperPod 集群操作 — 通过 SSM 在节点上远程执行命令、版本检查和 Amazon A SageMaker I HyperPod 训练集群的诊断报告。
特工技能
该插件安装了以下技能:
| 技能 | 说明 | 文档 |
|---|---|---|
planning |
根据您的意图制定动态的分步计划 | SKILL.md |
directory-management |
管理新项目或现有项目的项目目录设置、构件组织和计划关联 | SKILL.md |
use-case-specification |
引导式对话流程,用于定义模型定制用例目标、关键利益相关者和成功标准 | SKILL.md |
dataset-evaluation |
数据集质量验证、格式检测和数据需求分析 | SKILL.md |
dataset-transformation |
数据集格式转换和 SageMaker AI-compatible 训练格式准备 | SKILL.md |
finetuning-setup |
Fine-tuning 技术选择(SFT、DPO、RLVR 等)和基本模型选择 | SKILL.md |
finetuning |
超参数配置和训练作业执行 | SKILL.md |
model-evaluation |
评估设计、基准选择和模型比较 LLM-as-a-judge | SKILL.md |
model-deployment |
部署配置和终端节点设置(SageMaker AI 或 Amazon Bedrock) | SKILL.md |
hyperpod-ssm |
通过 SSM 在 HyperPod 群集节点上远程执行命令和传输文件 | SKILL.md |
hyperpod-version-checker |
检查和比较跨 HyperPod群集节点的软件组件版本 | SKILL.md |
hyperpod-issue-report |
为 HyperPod 故障排除和支持案例生成诊断报告 | SKILL.md |
MCP 服务器
亚马逊 SageMaker AI Skills 需要亚马逊 SageMaker AI MCP 服务器。将.mcp.json文件
-
Claude Code:根据需要运行
claude mcp add --transport stdio aws-mcp -- uvx mcp-proxy-for-aws@latest https://aws-mcp.us-east-1.api.aws/mcp或手动添加到User/Project/Local位置(Claude Code Docs:什么使用作用域)。 -
光标:
.cursor/mcp.json -
Kiro:
.kiro/settings/mcp.json
使用 npx 技能安装技能
你可以使用技能 CLI
-
克劳德密码:
npx skills add https://github.com/awslabs/agent-plugins/tree/main/plugins/sagemaker-ai/skills --all --agent claude-code --copy -
光标:
npx skills add https://github.com/awslabs/agent-plugins/tree/main/plugins/sagemaker-ai/skills --all --agent cursor --copy -
Kiro:
npx skills add https://github.com/awslabs/agent-plugins/tree/main/plugins/sagemaker-ai/skills --all --agent kiro-cli --copy
如果您配置了其他代理,请使用:
npx skills add https://github.com/awslabs/agent-plugins/tree/main/plugins/sagemaker-ai/skills --all --agent