本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。

# 安裝 Amazon SageMaker AI 技能
<a name="remote-access-install-skills"></a>

此 Amazon SageMaker AI 外掛程式可在 [AWSLabs GitHub 頁面上](https://github.com/awslabs/agent-plugins/tree/main/plugins/sagemaker-ai)取得，並將深入的 AWS AI/ML 專業知識直接帶入您的編碼助理，涵蓋 [Amazon SageMaker AI ](https://aws.amazon.com/sagemaker/ai/)的表面積；目前，我們提供的技能可協助您處理下列功能領域：
+ **模型自訂**：End-to-end引導工作流程。 Amazon SageMaker 
+ **HyperPod 叢集操作** — 透過 Amazon SageMaker AI HyperPod 訓練叢集的 SSM、版本檢查和診斷報告在節點上執行遠端命令。

## 客服人員技能
<a name="remote-access-install-skills-list"></a>

外掛程式會安裝下列技能：


**Amazon SageMaker AI 代理器技能**  

| 技能 | 說明 | 文件 | 
| --- | --- | --- | 
| planning | 建立根據您的意圖量身打造的動態step-by-step計畫 | [SKILL.md](https://github.com/awslabs/agent-plugins/blob/main/plugins/sagemaker-ai/skills/planning/SKILL.md) | 
| directory-management | 管理新專案或現有專案的專案目錄設定、成品組織和計劃關聯 | [SKILL.md](https://github.com/awslabs/agent-plugins/blob/main/plugins/sagemaker-ai/skills/directory-management/SKILL.md) | 
| use-case-specification | 定義模型自訂使用案例目標、關鍵利益相關者和成功條件的引導式對話程序 | [SKILL.md](https://github.com/awslabs/agent-plugins/blob/main/plugins/sagemaker-ai/skills/use-case-specification/SKILL.md) | 
| dataset-evaluation | 資料集品質驗證、格式偵測和資料需求分析 | [SKILL.md](https://github.com/awslabs/agent-plugins/blob/main/plugins/sagemaker-ai/skills/dataset-evaluation/SKILL.md) | 
| dataset-transformation | SageMaker AI 相容訓練格式的資料集格式轉換和準備 | [SKILL.md](https://github.com/awslabs/agent-plugins/blob/main/plugins/sagemaker-ai/skills/dataset-transformation/SKILL.md) | 
| finetuning-setup | 微調技術選擇 (SFT、DPO、RLVR 等） 和基礎模型選擇 | [SKILL.md](https://github.com/awslabs/agent-plugins/blob/main/plugins/sagemaker-ai/skills/finetuning-setup/SKILL.md) | 
| finetuning | 超參數組態和訓練任務執行 | [SKILL.md](https://github.com/awslabs/agent-plugins/blob/main/plugins/sagemaker-ai/skills/finetuning/SKILL.md) | 
| model-evaluation | 評估設計、基準選擇、LLM-as-a-judge 和模型比較 | [SKILL.md](https://github.com/awslabs/agent-plugins/blob/main/plugins/sagemaker-ai/skills/model-evaluation/SKILL.md) | 
| model-deployment | 部署組態和端點設定 (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 | 透過 SSM 在 HyperPod 叢集節點上執行遠端命令和傳輸檔案 | [SKILL.md](https://github.com/awslabs/agent-plugins/blob/main/plugins/sagemaker-ai/skills/hyperpod-ssm/SKILL.md) | 
| hyperpod-version-checker | 檢查並比較 HyperPod 叢集節點的軟體元件版本 | [SKILL.md](https://github.com/awslabs/agent-plugins/blob/main/plugins/sagemaker-ai/skills/hyperpod-version-checker/SKILL.md) | 
| hyperpod-issue-report | 產生 HyperPod 疑難排解和支援案例的診斷報告 | [SKILL.md](https://github.com/awslabs/agent-plugins/blob/main/plugins/sagemaker-ai/skills/hyperpod-issue-report/SKILL.md) | 

## MCP 伺服器
<a name="remote-access-install-skills-mcp"></a>

Amazon SageMaker AI Skills 需要 Amazon SageMaker AI MCP 伺服器。將 [`.mcp.json` 檔案](https://github.com/awslabs/agent-plugins/blob/main/plugins/sagemaker-ai/.mcp.json)的內容新增至您平台的 MCP 組態檔案：
+ **Claude Code**：視需要執行`claude mcp add --transport stdio aws-mcp -- uvx mcp-proxy-for-aws@latest https://aws-mcp.us-east-1.api.aws/mcp`或手動將 新增至`User/Project/Local`位置 ([Claude Code Docs：什麼使用範圍](https://code.claude.com/docs/en/settings#what-uses-scopes))。
+ **游標**： `.cursor/mcp.json`
+ **Kiro**： `.kiro/settings/mcp.json`

## 使用 安裝技能 `npx skills`
<a name="remote-access-install-skills-cli"></a>

您可以使用 [Skills CLI](https://github.com/vercel-labs/skills) （來自 Vercel Labs) 將技能安裝到您的平台：
+ **Claude 程式碼**：

  ```
  npx skills add https://github.com/awslabs/agent-plugins/tree/main/plugins/sagemaker-ai/skills --all --agent claude-code --copy
  ```
+ **游標**：

  ```
  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
  ```

如果您已設定其他客服人員，請使用：

```
npx skills add https://github.com/awslabs/agent-plugins/tree/main/plugins/sagemaker-ai/skills --all --agent 
```