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
<a name="remote-access-install-skills"></a>

这款 Amazon SageMaker AI 插件可在 [AWSLabs GitHub 页面](https://github.com/awslabs/agent-plugins/tree/main/plugins/sagemaker-ai)上找到，它可以将深厚的 AWS AI/ML 专业知识直接带到您的编码助手中，涵盖了 A [mazon SageMaker AI](https://aws.amazon.com/sagemaker/ai/) 的表面区域；目前，我们提供了在以下能力领域提供协助的技能：
+ **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
<a name="remote-access-install-skills-list"></a>

该插件安装了以下技能：


**亚马逊 SageMaker AI 代理技能**  

| 技能 | 说明 | 文档 | 
| --- | --- | --- | 
| planning | 根据您的意图制定动态的分步计划 | [SKILL.md](https://github.com/awslabs/agent-plugins/blob/main/plugins/sagemaker-ai/skills/planning/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](https://github.com/awslabs/agent-plugins/blob/main/plugins/sagemaker-ai/skills/directory-management/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](https://github.com/awslabs/agent-plugins/blob/main/plugins/sagemaker-ai/skills/use-case-specification/SKILL.md) | 
| dataset-evaluation | 数据集质量验证、格式检测和数据需求分析 | [SKILL.md](https://github.com/awslabs/agent-plugins/blob/main/plugins/sagemaker-ai/skills/dataset-evaluation/SKILL.md) | 
| dataset-transformation | 数据集格式转换和 SageMaker AI-compatible 训练格式准备 | [SKILL.md](https://github.com/awslabs/agent-plugins/blob/main/plugins/sagemaker-ai/skills/dataset-transformation/SKILL.md) | 
| finetuning-setup | Fine-tuning 技术选择（SFT、DPO、RLVR 等）和基本模型选择 | [SKILL.md](https://github.com/awslabs/agent-plugins/blob/main/plugins/sagemaker-ai/skills/finetuning-setup/SKILL.md) | 
| finetuning | 超参数配置和训练作业执行 | [SKILL.md](https://github.com/awslabs/agent-plugins/blob/main/plugins/sagemaker-ai/skills/finetuning/SKILL.md) | 
| model-evaluation | 评估设计、基准选择和模型比较 LLM-as-a-judge | [SKILL.md](https://github.com/awslabs/agent-plugins/blob/main/plugins/sagemaker-ai/skills/model-evaluation/SKILL.md) | 
| model-deployment | 部署配置和终端节点设置（SageMaker AI 或 Amazon Bedrock） | [SKILL.md](https://github.com/awslabs/agent-plugins/blob/main/plugins/sagemaker-ai/skills/model-deployment/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](https://github.com/awslabs/agent-plugins/blob/main/plugins/sagemaker-ai/skills/hyperpod-ssm/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](https://github.com/awslabs/agent-plugins/blob/main/plugins/sagemaker-ai/skills/hyperpod-version-checker/SKILL.md) | 
| hyperpod-issue-report | 为 HyperPod 故障排除和支持案例生成诊断报告 | [SKILL.md](https://github.com/awslabs/agent-plugins/blob/main/plugins/sagemaker-ai/skills/hyperpod-issue-report/SKILL.md) | 

## MCP 服务器
<a name="remote-access-install-skills-mcp"></a>

亚马逊 SageMaker AI Skills 需要亚马逊 SageMaker AI MCP 服务器。将[`.mcp.json`文件](https://github.com/awslabs/agent-plugins/blob/main/plugins/sagemaker-ai/.mcp.json)内容添加到平台的 MCP 配置文件中：
+ **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](https://code.claude.com/docs/en/settings#what-uses-scopes)）。
+ **光标**：`.cursor/mcp.json`
+ **Kiro**：`.kiro/settings/mcp.json`

## 使用 `npx` 技能安装技能
<a name="remote-access-install-skills-cli"></a>

你可以使用[技能 CLI](https://github.com/vercel-labs/skills)（来自 Vercel Labs）将技能安装到你的平台上：
+ **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 
```