DevOps 与云

Brev managed GPU instances with Docker support. Use when running TAO training, evaluation, or inference on

tao-train-nvdinov2

NVDINOv2 for self-supervised visual representation learning. Trains vision transformers via self-distillation

tao-train-pointpillars

PointPillars for 3D object detection from LiDAR point clouds. Encodes point clouds into a pseudo-image via a

tao-train-depth-anything-v2

Monocular depth estimation using Metric Depth Anything v2 or Relative Depth Anything architectures. Predicts

tao-train-centerpose

CenterPose for keypoint / pose estimation. Detects object centers and regresses keypoint locations for 6-DoF

tao-train-bevfusion

BEVFusion for multi-sensor 3D object detection. Fuses LiDAR point clouds and camera images in bird's-eye-view

tao-train-ocdnet

OCDNet for scene text detection. Detects arbitrary-oriented text regions in natural images using a

tao-train-oneformer

OneFormer for universal image segmentation. Unifies panoptic, instance, and semantic segmentation with a

tao-train-segformer

SegFormer for semantic segmentation. Lightweight transformer-based architecture with hierarchical feature

tao-train-foundation-stereo

Stereo depth estimation using FoundationStereo. Predicts disparity maps from stereo image pairs for 3D

tao-train-deformable-detr

Deformable DETR for 2D object detection. Uses deformable attention for efficient multi-scale feature processing,

tao-train-fast-foundation-stereo

Real-time stereo depth estimation using FastFoundationStereo (FFS), the distilled bp2 commercial variant of

cloud

使用 PlantUML 语法创建云提供商架构图，支持官方 AWS、Azure、GCP 和阿里云服务图标。适用于多云服务拓扑和迁移蓝图。

network

使用 PlantUML 语法和 mxgraph 设备图标（Cisco、Citrix 等）创建网络拓扑图。适用于局域网/广域网布局、数据中心互联以及物理/逻辑网络设计。

uml

使用 PlantUML 语法创建 UML 图。最适合软件建模——类图、时序图、活动图、状态机图、组件图、用例图和部署图，采用简洁的文本符号和自动布局。

architecture

使用HTML/CSS模板创建分层系统架构图，支持颜色编码的层级和网格布局。适用于技术栈、微服务拓扑和多层应用设计。

tao-run-automl

Run AutoML / hyperparameter optimization (HPO) for NVIDIA TAO networks using AutoMLRunner. Handles algorithm

tao-train-image-classification

PyTorch-based TAO image classification. Supports a wide range of backbones (FAN, EfficientNet, ResNet, etc.)

tao-train-ocrnet

OCRNet for scene text recognition. Recognizes text content from cropped text-region images and supports CTC

tao-train-optical-inspection

Optical Inspection for defect detection using Siamese networks. Compares image pairs to detect manufacturing

google-agents-cli-scaffold

当用户想要“创建 Agent 项目”、“启动新的 ADK 项目”、“帮我构建一个新 Agent”、“为项目添加 CI/CD”、“添加部署配置”、“增强现有项目”或“升级项目”时，应当使用此 Skill。本 Skill 属于 Google ADK（Agent Development Kit）Skill 套件的一部分。涵盖 `agents-cli scaffold create`、`scaffold enhance` 和 `scaffold upgrade` 命令、模板选项、部署目标以及原型优先（prototype-first）工作流。请勿用于编写 Agent 代码（请使用 google-agents-cli-adk-code）或部署运维操作（请使用 google-agents-cli-deploy）。

google-agents-cli-observability

当用户想要“设置追踪”、“监控我的ADK代理”、“配置日志记录”、“添加可观测性”、“调试生产流量”，或需要关于监控已部署的ADK（Agent Development Kit）代理的指导时，应使用此技能。涵盖Cloud Trace、提示-响应日志记录、BigQuery Agent Analytics、第三方集成（AgentOps、Phoenix、MLflow等）以及故障排除。属于Google ADK（Agent Development Kit）技能套件的一部分。不要用于部署设置（使用google-agents-cli-deploy）或API代码模式（使用google-agents-cli-adk-code）。

google-agents-cli-deploy

当用户想要“部署 Agent”、“部署 ADK Agent”、“配置 CI/CD”、“配置 Secret 密钥”、“排查部署故障”，或需要关于 Agent Runtime、Cloud Run 或 GKE 部署目标的指导时，应使用此 Skill。涵盖部署工作流、服务账号、版本回滚和生产基础设施。属于 Google ADK (Agent Development Kit) Skill 套件的一部分。切勿用于 API 代码模式（请使用 google-agents-cli-adk-code）、评估测试（请使用 google-agents-cli-eval）或项目脚手架搭建（请使用 google-agents-cli-scaffold）。

google-agents-cli-publish

当用户想要“发布智能体”、“发布我的ADK智能体”、“向Gemini Enterprise注册智能体”、“发布到Gemini Enterprise”，或需要关于agents-cli publish gemini-enterprise命令的指导时，应使用此技能。当用户想要“在Agent Registry中管理智能体”或“列出/更新/删除已注册的智能体”时，也应使用此技能。涵盖ADK与A2A注册模式、编程式和交互式用法、标志参考、从部署元数据自动检测、Agent Registry集群管理以及故障排除。属于Google ADK（Agent Development Kit）技能套件的一部分。请勿用于部署（请使用google-agents-cli-deploy）。