NVIDIA/skills

# NVIDIA Agent 技能 **NVIDIA 官方验证的 AI agent 技能。** [](https://nvidia.com) [](https://agentskills.io) [](LICENSE) 技能是可移植的指令集，用于教导 AI agent 如何最优地使用 NVIDIA 软件，包括 CUDA-X 库、AI Blueprints 和平台工具。本仓库是一个目录：技能在其各自的产品仓库中进行维护，并通过自动化同步流水线每天镜像到此处。我们会持续添加新技能，请定期查看更新。我们正在以开源方式构建此基础设施，欢迎踊跃贡献。请参阅 [路线图](#roadmap) 了解后续计划。 ## 快速开始 使用默认的 [`skills` CLI](https://github.com/vercel-labs/skills) 流程安装 NVIDIA 技能： ``` npx skills add nvidia/skills ``` 该 CLI 通过 `npx` 运行，并会提示您选择技能和安装目标。您无需手动克隆此仓库或复制技能文件夹。 下次您的 agent 加载技能并遇到相关任务时，即可使用该技能。例如，要求您的 agent “使用 cuOpt 解决线性规划问题”，该技能将引导其使用 cuOpt Python API。 ### 无需提示安装单个技能 如果您已经知道技能名称并希望跳过提示，请使用此方法。 ``` npx skills add nvidia/skills --skill cuopt-numerical-optimization-api-python --yes ``` 将 `cuopt-numerical-optimization-api-python` 替换为 [技能目录](#skill-catalog) 中的任意技能名称。 ### 为特定 Agent 安装 使用 `--agent` 来指定特定的 AI 编码 agent。最初，我们将支持常见的客户端目标，并会随着时间的推移扩充列表。有关规范支持的完整客户端列表，请参阅 [`skills` CLI 支持的 Agents 表格](https://github.com/vercel-labs/skills#supported-agents)。 **Claude Code** ``` npx skills add nvidia/skills --skill cuopt-numerical-optimization-api-python --agent claude-code ``` **Codex** ``` npx skills add nvidia/skills --skill cuopt-numerical-optimization-api-python --agent codex ``` **Cursor** ``` npx skills add nvidia/skills --skill cuopt-numerical-optimization-api-python --agent cursor ``` **Kiro** ``` npx skills add nvidia/skills --skill cuopt-numerical-optimization-api-python --agent kiro-cli ``` 多次使用 `--agent` 可将相同的技能安装到多个 agents 中。 ``` npx skills add nvidia/skills \ --skill cuopt-numerical-optimization-api-python \ --agent claude-code \ --agent codex \ --agent cursor \ --agent kiro-cli ``` ### 浏览目录 如果您想在安装前查看可用的 NVIDIA 技能，请使用此方法。 ``` npx skills add nvidia/skills --list ``` 有关非交互式安装、全局安装、特定于 agent 的安装、更新、删除以及备用的手动复制方式，请参阅 [高级安装](docs/advanced-install.mdx)。 ## 技能目录 | 产品 | 描述 | 技能 | |---------|-------------|--------| | **AIQ** | NVIDIA AI-Q Blueprint - 将本地 AI-Q 服务部署为 agent 技能，并运行浅层或深层研究工作流。 | [`aiq-research`](skills/aiq-research), [`aiq-deploy`](skills/aiq-deploy) | | **CUDA-Q** | CUDA Quantum — 涵盖安装、测试程序、GPU 模拟、QPU 硬件和量子应用的入门指南。 | [`cudaq-guide`](skills/cudaq-guide) | | **cuDF** | 针对 NVIDIA cuDF GPU DataFrames、pandas 加速、dask-cuDF、ETL、joins、groupby、CSV/Parquet I/O、nullable 语义和多 GPU DataFrame 工作负载的 NVIDIA 官方编写指南。 | [`accelerated-computing-cudf`](skills/accelerated-computing-cudf) | | **cuFOLIO** | 使用 NVIDIA cuOpt 进行 GPU 加速的 Mean-CVaR 投资组合优化 — CVaR 优化、有效前沿、场景生成、回测和再平衡。 | [`cufolio`](skills/cufolio) | | **cuOpt** | GPU 加速优化 — 车辆路径规划、线性规划、二次规划、安装、服务器部署和开发工具。 | [`cuopt-developer`](skills/cuopt-developer), [`cuopt-install`](skills/cuopt-install), [`cuopt-numerical-optimization-api-c`](skills/cuopt-numerical-optimization-api-c), [`cuopt-numerical-optimization-api-cli`](skills/cuopt-numerical-optimization-api-cli), [`cuopt-numerical-optimization-api-python`](skills/cuopt-numerical-optimization-api-python), [`cuopt-numerical-optimization-formulation`](skills/cuopt-numerical-optimization-formulation), [`cuopt-routing-api-python`](skills/cuopt-routing-api-python), [`cuopt-routing-formulation`](skills/cuopt-routing-formulation), [`cuopt-server-api-python`](skills/cuopt-server-api-python), [`cuopt-server-common`](skills/cuopt-server-common), [`cuopt-skill-evolution`](skills/cuopt-skill-evolution), [`cuopt-user-rules`](skills/cuopt-user-rules) | | **cuPyNumeric** | 在多节点多 GPU 系统上运行 NumPy 和 SciPy — 包含帮助安装 cuPyNumeric、迁移现有 NumPy 代码以及执行并行 I/O 的技能 | [`cupynumeric-hdf5`](skills/cupynumeric-hdf5), [`cupynumeric-install`](skills/cupynumeric-install), [`cupynumeric-migration-readiness`](skills/cupynumeric-migration-readiness), [`cupynumeric-parallel-data-load`](skills/cupynumeric-parallel-data-load) | | **DALI** | 使用 NVIDIA DALI 进行 GPU 加速的数据加载和处理。 | [`dali-dynamic-mode`](skills/dali-dynamic-mode) | | **Data Designer** | 使用 NeMo Data Designer 构建声明式合成数据集生成流水线。 | [`data-designer`](skills/data-designer) | | **DeepStream** | 用于指导 DeepStream 开发的 Agentic 技能。 | [`deepstream-dev`](skills/deepstream-dev), [`deepstream-import-vision-model`](skills/deepstream-import-vision-model) | | **Digital Health** | 用于临床 ASR 评估飞轮的 Agent 技能 — 术语策展、合成临床语音基准测试生成、KER (Keyword Error Rate) 评分以及微调指导。 | [`digital-health-clinical-asr-setup`](skills/digital-health-clinical-asr-setup), [`digital-health-clinical-asr-build`](skills/digital-health-clinical-asr-build), [`digital-health-clinical-asr-eval`](skills/digital-health-clinical-asr-eval), [`digital-health-clinical-asr-finetune`](skills/digital-health-clinical-asr-finetune) | | **Dynamo** | 在 Kubernetes 上部署 NVIDIA Dynamo — 选择并部署 recipes、启动 router 模式、验证 disagg NIXL/UCX/NCCL 互连，以及排查 day-2 故障。 | [`dynamo-interconnect-check`](skills/dynamo-interconnect-check), [`dynamo-recipe-runner`](skills/dynamo-recipe-runner), [`dynamo-router-starter`](skills/dynamo-router-starter), [`dynamo-troubleshoot`](skills/dynamo-troubleshoot) | | **Earth2Studio** | 用于探索、构建和部署 AI 天气/气候工作流的开源深度学习框架。 | [`earth2studio-data-fetch`](skills/earth2studio-data-fetch), [`earth2studio-deterministic-forecast`](skills/earth2studio-deterministic-forecast), [`earth2studio-discover`](skills/earth2studio-discover), [`earth2studio-install`](skills/earth2studio-install) | | **Holoscan SDK** | 在任何平台（container、Debian、Python、Conda 或源码）上安装和设置 Holoscan SDK。 | [`holoscan-install-debian`](skills/holoscan-install-debian), [`holoscan-install-source`](skills/holoscan-install-source), [`holoscan-install-wheel`](skills/holoscan-install-wheel), [`holoscan-install-conda`](skills/holoscan-install-conda), [`holoscan-install-container`](skills/holoscan-install-container), [`holoscan-setup`](skills/holoscan-setup) | | **Holoscan Sensor Bridge** | 针对 Holoscan Sensor Bridge devkit 工作流的 Agent 就绪技能，涵盖演示环境搭建、适用于 Lattice 和 VB1940 硬件的 FPGA 烧录、示例应用程序执行以及 QA 测试计划自动化。 | [`hsb-setup`](skills/hsb-setup), [`hsb-flash`](skills/hsb-flash), [`hsb-app`](skills/hsb-app), [`hsb-test`](skills/hsb-test) | | **Medical AI Skills** | 基于 MONAI 构建的 Agent 就绪医疗 AI 技能，涵盖 DICOM 处理、NVIDIA 托管的医学影像模型工作流、分割、合成以及面向循证的评估。 | [`dicom-metadata-extract`](skills/dicom-metadata-extract), [`dicom-series-preflight`](skills/dicom-series-preflight), [`dicom-series-to-volume`](skills/dicom-series-to-volume), [`nv-generate-ct-rflow`](skills/nv-generate-ct-rflow), [`nv-generate-mr`](skills/nv-generate-mr), [`nv-generate-mr-brain`](skills/nv-generate-mr-brain), [`nv-generate-mr-brain-finetune`](skills/nv-generate-mr-brain-finetune), [`nv-generate-vae-finetune`](skills/nv-generate-vae-finetune), [`nv-reason-cxr`](skills/nv-reason-cxr), [`nv-segment-ct`](skills/nv-segment-ct), [`nv-segment-ct-finetune`](skills/nv-segment-ct-finetune), [`nv-segment-ctmr`](skills/nv-segment-ctmr) | | **Megatron-Core** | 大规模分布式训练 — 模型并行、流水线并行和混合精度。 | [`mcore-create-issue`](skills/mcore-create-issue), [`mcore-linting-and-formatting`](skills/mcore-linting-and-formatting), [`mcore-run-on-slurm`](skills/mcore-run-on-slurm), [`mcore-split-pr`](skills/mcore-split-pr), [`mcore-testing`](skills/mcore-testing) | | **NeMo AutoModel** | NeMo AutoModel - 原生支持 PyTorch 的 LLMs/VLMs 分布式训练，具有 Hugging Face 支持、recipes、启动器和验证工作流。 | [`nemo-automodel-distributed-training`](skills/nemo-automodel-distributed-training), [`nemo-automodel-launcher-config`](skills/nemo-automodel-launcher-config), [`nemo-automodel-model-onboarding`](skills/nemo-automodel-model-onboarding), [`nemo-automodel-recipe-development`](skills/nemo-automodel-recipe-development) | | **NeMo MBridge** | NeMo MBridge - Hugging Face 和 Megatron-Core 之间原生支持 PyTorch 的桥接器，用于 checkpoint 转换、训练 recipes 和 NVIDIA GPU 性能工作流。 | [`nemo-mbridge-mlm-bridge-training`](skills/nemo-mbridge-mlm-bridge-training), [`nemo-mbridge-multi-node-slurm`](skills/nemo-mbridge-multi-node-slurm), [`nemo-mbridge-perf-activation-recompute`](skills/nemo-mbridge-perf-activation-recompute), [`nemo-mbridge-perf-cpu-offloading`](skills/nemo-mbridge-perf-cpu-offloading), [`nemo-mbridge-perf-cuda-graphs`](skills/nemo-mbridge-perf-cuda-graphs), [`nemo-mbridge-perf-expert-parallel-overlap`](skills/nemo-mbridge-perf-expert-parallel-overlap), [`nemo-mbridge-perf-hierarchical-context-parallel`](skills/nemo-mbridge-perf-hierarchical-context-parallel), [`nemo-mbridge-perf-megatron-fsdp`](skills/nemo-mbridge-perf-megatron-fsdp), [`nemo-mbridge-perf-memory-tuning`](skills/nemo-mbridge-perf-memory-tuning), [`nemo-mbridge-perf-moe-comm-overlap`](skills/nemo-mbridge-perf-moe-comm-overlap), [`nemo-mbridge-perf-moe-dispatcher-selection`](skills/nemo-mbridge-perf-moe-dispatcher-selection), [`nemo-mbridge-perf-moe-hardware-configs`](skills/nemo-mbridge-perf-moe-hardware-configs), [`nemo-mbridge-perf-moe-long-context`](skills/nemo-mbridge-perf-moe-long-context), [`nemo-mbridge-perf-moe-optimization-workflow`](skills/nemo-mbridge-perf-moe-optimization-workflow), [`nemo-mbridge-perf-moe-vlm-training`](skills/nemo-mbridge-perf-moe-vlm-training), [`nemo-mbridge-perf-parallelism-strategies`](skills/nemo-mbridge-perf-parallelism-strategies), [`nemo-mbridge-perf-sequence-packing`](skills/nemo-mbridge-perf-sequence-packing), [`nemo-mbridge-perf-tp-dp-comm-overlap`](skills/nemo-mbridge-perf-tp-dp-comm-overlap), [`nemo-mbridge-recipe-recommender`](skills/nemo-mbridge-recipe-recommender), [`nemo-mbridge-resiliency`](skills/nemo-mbridge-resiliency) | | **NeMo Platform** | NeMo Platform 将 NVIDIA NeMo 库集成在同一个 CLI、Python SDK 和 Web UI 之下 | [`nemo-evaluator-plugin`](skills/nemo-evaluator-plugin), [`nemo-data-designer-plugin`](skills/nemo-data-designer-plugin) | | **NeMo Retriever** | NeMo Retriever - 在本地部署 NeMo Retriever Library，从数据语料库中提取信息，并针对语料库回答问题。 | [`nemo-retriever`](skills/nemo-retriever) | | **NeMo-RL** | 在 Ray 上进行 RLHF 训练 — 结合 FSDP2 和 Megatron-Core，为 LLMs 和 VLMs 实现 GRPO、DPO 和 SFT。 | [`launch-nemo-rl`](skills/launch-nemo-rl), [`nemo-rl-auto-research`](skills/nemo-rl-auto-research), [`nemo-rl-brev-etiquette`](skills/nemo-rl-brev-etiquette), [`nemo-rl-docs`](skills/nemo-rl-docs), [`nemo-rl-session-memory`](skills/nemo-rl-session-memory) | | **NemoClaw** | 安全的 Agent 沙盒化 — 在 NVIDIA OpenShell 中运行 OpenClaw，提供托管推理、策略管理、远程部署和沙盒监控。 | [`nemoc-user-agent-skills`](skills/nemoclaw-user-agent-skills), [`nemoclaw-user-configure-inference`](skills/nemoclaw-user-configure-inference), [`nemoclaw-user-configure-security`](skills/nemoclaw-user-configure-security), [`nemoclaw-user-deploy-remote`](skills/nemoclaw-user-deploy-remote), [`nemoclaw-user-get-started`](skills/nemoclaw-user-get-started), [`nemoclaw-user-manage-policy`](skills/nemoclaw-user-manage-policy), [`nemoclaw-user-manage-sandboxes`](skills/nemoclaw-user-manage-sandboxes), [`nemoclaw-user-monitor-sandbox`](skills/nemoclaw-user-monitor-sandbox), [`nemoclaw-user-overview`](skills/nemoclaw-user-overview), [`nemoclaw-user-reference`](skills/nemoclaw-user-reference) | | **Nemotron** | 使用 NVIDIA AI stack 编写端到端的模型开发、定制、评估和部署流水线。 | [`nemotron-customize`](skills/nemotron-customize), [`nemotron-retrieval-recipes`](skills/nemotron-retrieval-recipes), [`nemotron-policy-generator`](skills/nemotron-policy-generator) | | **Nemotron Speech** | 部署并运行 NVIDIA Nemotron Speech (Riva) NIMs — 包括 ASR、TTS 和 NMT，可通过 build.nvidia.com 进行云端托管，或在您自己的 GPU 上进行自行托管。 | [`nemotron-speech`](skills/nemotron-speech) | | **Physical AI** | 用于仿真、合成数据生成、训练、验证和部署等功能的 Physical AI 技能。 | [`omniverse-cad-to-simready`](skills/omniverse-cad-to-simready), [`omniverse-realtime-viewer`](skills/omniverse-realtime-viewer), [`omniverse-usd-performance-tuning`](skills/omniverse-usd-performance-tuning), [`physical-ai-infrastructure-setup-and-resilient-scaling`](skills/physical-ai-infrastructure-setup-and-resilient-scaling), [`physical-ai-neural-reconstruction`](skills/physical-ai-neural-reconstruction), [`physical-ai-defect-image-generation`](skills/physical-ai-defect-image-generation), [`physical-ai-video-data-augmentation`](skills/physical-ai-video-data-augmentation) | | **PhysicsNeMo** | NVIDIA PhysicsNeMo - 开源深度学习框架，使用最先进的 Physics-ML 方法构建、训练和微调深度学习模型。 | [`physicsnemo-discover`](skills/physicsnemo-discover) | | **RAG Blueprint** | RAG 流水线 — 使用 Docker Compose 或 Helm 部署、配置、排查检索增强生成问题并进行管理。 | [`rag-blueprint`](skills/rag-blueprint), [`rag-eval`](skills/rag-eval), [`rag-perf`](skills/rag-perf) | | **Skill Card Generator** | 读取 agent 技能的源文件并生成技能卡片和审查表。当技能目录已存在且需要生成或更新治理卡片时使用。 | [`skill-card-generator`](skills/skill-card-generator) | | **TAO Toolkit** | NVIDIA TAO Toolkit - 使用您的数据通过低代码微服务微调并优化 100 多个预训练视觉 AI 模型，然后导出可用于生产的模型以进行边缘或云端部署。 | [`tao-analyze-changenet-rca`](skills/tao-analyze-changenet-rca), [`tao-finetune-huggingface-model`](skills/tao-finetune-huggingface-model), [`tao-port-huggingface-model`](skills/tao-port-huggingface-model), [`tao-run-automl`](skills/tao-run-automl), [`tao-run-automl-deft-pipeline`](skills/tao-run-automl-deft-pipeline), [`tao-run-deft-aoi`](skills/tao-run-deft-aoi), [`tao-run-inference-service`](skills/tao-run-inference-service), [`tao-train-single-step`](skills/tao-train-single-step), [`tao-analyze-gaps-visual-changenet`](skills/tao-analyze-gaps-visual-changenet), [`tao-analyze-gaps-vlm-bcq`](skills/tao-analyze-gaps-vlm-bcq), [`tao-convert-dataset-format`](skills/tao-convert-dataset-format), [`tao-generate-image-grounding`](skills/tao-generate-image-grounding), [`tao-generate-referring-expressions`](skills/tao-generate-referring-expressions), [`tao-generate-video-reasoning-annotations`](skills/tao-generate-video-reasoning-annotations), [`tao-mine-aoi-images`](skills/tao-mine-aoi-images), [`tao-route-visual-changenet-samples`](skills/tao-route-visual-changenet-samples), [`tao-validate-dataset-format`](skills/tao-validate-dataset-format), [`tao-finetune-clip`](skills/tao-finetune-clip), [`tao-finetune-cosmos-embed`](skills/tao-finetune-cosmos-embed), [`tao-finetune-cosmos-reason`](skills/tao-finetune-cosmos-reason), [`tao-train-action-recognition`](skills/tao-train-action-recognition), [`tao-train-bevfusion`](skills/tao-train-bevfusion), [`tao-train-centerpose`](skills/tao-train-centerpose), [`tao-train-deformable-detr`](skills/tao-train-deformable-detr), [`tao-train-depth-anything-v2`](skills/tao-train-depth-anything-v2), [`tao-train-dino`](skills/tao-train-dino), [`tao-train-fast-foundation-stereo`](skills/tao-train-fast-foundation-stereo), [`tao-train-foundation-stereo`](skills/tao-train-foundation-stereo), [`tao-train-grounding-dino`](skills/tao-train-grounding-dino), [`tao-train-image-classification`](skills/tao-train-image-classification), [`tao-train-mask-auto-encoder`](skills/tao-train-mask-auto-encoder), [`tao-train-mask-auto-label`](skills/tao-train-mask-auto-label), [`tao-train-mask-grounding-dino`](skills/tao-train-mask-grounding-dino), [`tao-train-mask2former`](skills/tao-train-mask2former), [`tao-train-metric-learning-recognition`](skills/tao-train-metric-learning-recognition), [`tao-train-nvdinov2`](skills/tao-train-nvdinov2), [`tao-train-nvpanoptix3d`](skills/tao-train-nvpanoptix3d), [`tao-train-ocdnet`](skills/tao-train-ocdnet), [`tao-train-ocrnet`](skills/tao-train-ocrnet), [`tao-train-oneformer`](skills/tao-train-oneformer), [`tao-train-optical-inspection`](skills/tao-train-optical-inspection), [`tao-train-pointpillars`](skills/tao-train-pointpillars), [`tao-train-pose-classification`](skills/tao-train-pose-classification), [`tao-train-reid`](skills/tao-train-reid), [`tao-train-rtdetr`](skills/tao-train-rtdetr), [`tao-train-segformer`](skills/tao-train-segformer), [`tao-train-sparse4d`](skills/tao-train-sparse4d), [`tao-train-visual-changenet`](skills/tao-train-visual-changenet), [`tao-run-on-brev`](skills/tao-run-on-brev), [`tao-run-on-kubernetes`](skills/tao-run-on-kubernetes), [`tao-run-on-lepton`](skills/tao-run-on-lepton), [`tao-run-on-local-docker`](skills/tao-run-on-local-docker), [`tao-run-on-slurm`](skills/tao-run-on-slurm), [`tao-run-platform`](skills/tao-run-platform), [`tao-setup-nvidia-gpu-host`](skills/tao-setup-nvidia-gpu-host), [`tao-launch-workflow`](skills/tao-launch-workflow), [`tao-list-capabilities`](skills/tao-list-capabilities) | | **TileGym** | 基于 Tile 的 GPU 编程 — 添加新 kernels、跨框架转换和性能优化。 | [`tilegym-adding-cutile-kernel`](skills/tilegym-adding-cutile-kernel), [`tilegym-converting-cutile-to-julia`](skills/tilegym-converting-cutile-to-julia), [`tilegym-converting-cutile-to-triton`](skills/tilegym-converting-cutile-to-triton), [`tilegym-cutile-autotuning`](skills/tilegym-cutile-autotuning), [`tilegym-cutile-python`](skills/tilegym-cutile-python), [`tilegym-improve-cutile-kernel-perf`](skills/tilegym-improve-cutile-kernel-perf), [`tilegym-monkey-patch-kernels-to-transformers`](skills/tilegym-monkey-patch-kernels-to-transformers) | | **Video Search and Summarization** | VSS Blueprint — 部署配置文件、搜索和总结视频、生成分析报告、管理警报和事件、查询 VIOS 传感器，以及使用 RTTI VLM 微服务。 | [`vss-ask-video`](skills/vss-ask-video), [`vss-deploy-dense-captioning`](skills/vss-deploy-dense-captioning), [`vss-deploy-detection-tracking-2d`](skills/vss-deploy-detection-tracking-2d), [`vss-deploy-detection-tracking-3d`](skills/vss-deploy-detection-tracking-3d), [`vss-deploy-profile`](skills/vss-deploy-profile), [`vss-deploy-video-embedding`](skills/vss-deploy-video-embedding), [`vss-generate-video-calibration`](skills/vss-generate-video-calibration), [`vss-generate-video-report`](skills/vss-generate-video-report), [`vss-manage-alerts`](skills/vss-manage-alerts), [`vss-manage-video-io-storage`](skills/vss-manage-video-io-storage), [`vss-query-analytics`](skills/vss-query-analytics), [`vss-search-archive`](skills/vss-search-archive), [`vss-setup-behavior-analytics`](skills/vss-setup-behavior-analytics), [`vss-setup-video-analytics-api`](skills/vss-setup-video-analytics-api), [`vss-summarize-video`](skills/vss-summarize-video) | ## 验证技能 每个已发布的技能都附带一个独立的 OMS 签名（`skill.oms.sig`）。同步流水线在发布前会丢弃任何缺少必需构件的技能，因此目录中的每个技能都包含： - `SKILL.md` — agent 使用的技能说明 - `skill-card.md` — 技能身份和治理卡片 - `skill.oms.sig` — 独立的 OMS 签名（可针对 `nv-agent-root-cert.pem` 进行验证） - Tier-3 评估数据集 — 接受路径为 `evals/evals.json`、`evals/*.json`、`eval/*.json` 或 `benchmark/evals.json` - `BENCHMARK.md` — 生成的捕获可验证提升数据的基准测试报告 针对 NVIDIA 信任锚 [`nv-agent-root-cert.pem`](nv-agent-root-cert.pem) 验证技能： ``` pip install model-signing model_signing verify certificate SKILL_DIR \ --signature SKILL_DIR/skill.oms.sig \ --certificate_chain nv-agent-root-cert.pem \ --ignore_unsigned_files ``` 验证成功即确认技能内容自 NVIDIA 签名以来未被修改过。 有关签名布局、信任流水线和策略选项，请参阅 [验证已签名的 Agent 技能](docs/signing-agent-skills.mdx)。 ## 路线图 - ✅ 包含跨多个产品的 NVIDIA 验证技能的公开技能目录 - ✅ 自动化同步流水线，每天从产品仓库镜像技能 - ✅ 对所有已发布的技能进行安全扫描，涵盖指令安全性和供应链完整性 - ✅ 技能签名，确保每个发布的技能都带有可验证的 NVIDIA 签名 - ✅ 技能通用评估标准和特定任务标准 - ✅ 包含机器可读元数据的技能卡片，用于身份、来源、质量和行为边界 - ✅ 同步时合规性门控 — 签名漂移检测和缺失构件强制执行 - ✅ 联合发布到外部市场 — Skills.sh、Codex 插件、Claude Code 插件、ClawHub、Hermes Hub - 🔲 联合发布到额外的 MCP 枢纽和合作伙伴渠道 ## 仓库结构 ``` NVIDIA/skills/ ├── skills/ # NVIDIA-verified skills (count grows continuously), │ │ synced from upstream product repos │ ├── README.md # Browser-facing install guidance │ ├── -*/ # Flat layout — one dir per skill, product-prefixed │ │ # e.g. aiq-*, cuopt-*, cupynumeric-*, dali-*, │ │ # deepstream-*, digital-health-*, dynamo-*, │ │ # earth2studio-*, launch-nemo-rl, mcore-*, │ │ # nemo-automodel-*, nemo-data-designer-plugin, │ │ # nemo-evaluator-plugin, nemo-mbridge-* (20 skills), │ │ # nemo-retriever, nemo-rl-* (4 skills), │ │ # nemoclaw-user-* (10 skills), nemotron-*, │ │ # physicsnemo-*, rag-*, skill-card-generator, │ │ # tilegym-*, vss-* (15 skills), │ │ # accelerated-computing-cudf, cudaq-guide │ ├── omniverse-*/ # Physical AI — manually staged (see manual-components.yml) │ └── physical-ai-*/ # Physical AI — manually staged ├── components.d/ # Product registry — one file per component, teams onboard here │ ├── README.md # Schema and onboarding instructions │ └── .yml # one file per registered product ├── plugins/ # Packaged plugin distributions │ └── nvidia-skills/ # Curated NVIDIA skills bundle (Claude Code, Codex) ├── plugins.d/ # Plugin build registry — config for `build-plugins.py` │ ├── README.md │ ├── _defaults.yml │ └── nvidia-skills.yml ├── .claude-plugin/ # Claude Code marketplace metadata │ └── marketplace.json ├── .agents/plugins/ # Agent marketplace metadata (other clients) │ └── marketplace.json ├── docs/ # Long-form documentation (published via Fern) │ ├── README.md # How to build the docs locally │ ├── index.mdx │ ├── advanced-install.mdx │ ├── agent-skill-trust-pipeline.mdx │ ├── release-checklist.mdx │ ├── scanning-agent-skills.mdx │ ├── signing-agent-skills.mdx │ └── skill-cards.mdx ├── fern/ # Fern docs site configuration ├── .github/ │ ├── workflows/ # Sync pipeline, plugin validation, DCO check, author verify │ └── scripts/ # regenerate-readme.sh, build-plugins.py, │ # manual-components.yml (temp Physical AI catalog │ # exception, removed after Computex 2026), │ # marketplace/metadata.json (skill metadata sidecar) ├── nv-agent-root-cert.pem # Trust anchor for OMS signature verification ├── skills.sh.json # Skills.sh marketplace grouping config ├── CHANGELOG.md ├── CONTRIBUTING.md # Contribution guidelines ├── SECURITY.md # Security reporting policy ├── CODE_OF_CONDUCT.md # Community code of conduct └── LICENSE # Apache 2.0 / CC BY 4.0 ``` 技能在其各自的产品仓库中进行维护（参见 [技能目录](#skill-catalog) 中的 **Source** 列），并每天同步到此仓库。只有当同步流水线确认每个技能包含以下内容后，产品才会出现在 `skills/` 下： - `skill.oms.sig` — 独立的 OMS 格式签名（可针对 `nv-agent-root-cert.pem` 进行验证） - `skill-card.md` — 技能身份和治理卡片 - Tier-3 评估数据集 — 接受路径为 `evals/evals.json`、`evals/*.json`、`eval/*.json` 或 `benchmark/evals.json` 当评估运行生成 `BENCHMARK.md` 时，它会随技能一同发布，以便使用者可以查看可验证的基准测试提升数据。 ## 标准与兼容性 本仓库遵循 [Agent Skills 规范](https://agentskills.io/specification)： - 技能是可移植的目录，其根目录下包含一个 `SKILL.md` 文件。 - 元数据使用 YAML frontmatter，并包含必填的 `name` 和 `description` 字段。 - 技能遵循渐进式信息披露模型 — 启动时加载轻量级元数据，激活时加载完整说明。 - 使用 [`skills-ref`](https://github.com/agentskills/agentskills/tree/main/skills-ref) 参考库验证您的技能。 ## 许可证 本项目采用 [Apache License 2.0](LICENSE) 和 [Creative Commons Attribution 4.0 International (CC BY 4.0)](LICENSE) 双重许可。

标签：AI智能体, CUDA, MITM代理, SOC Prime, Vectored Exception Handling, Yelp, 凭据扫描, 子域名突变, 开发工具, 指令集, 提示词工程, 策略决策点, 逆向工具