de agent-plugins542
Génère le code de déploiement et un notebook Jupyter pour déployer des modèles Nova ou OSS fine-tunés via LoRA (depuis SageMaker Serverless Model Customization) vers des endpoints SageMaker.
Cette compétence détermine le chemin de déploiement correct pour les modèles fine-tunés via SageMaker Serverless Model Customization et génère les artefacts de déploiement (incluant un notebook Jupyter et du code d'invocation d'exemple). Elle inspecte les métadonnées du job d'entraînement, extrait les IDs et tags des modèles, identifie si le modèle est Nova ou OSS, et guide l'utilisateur dans le choix de la cible (endpoint SageMaker vs Bedrock). La compétence valide l'éligibilité du modèle, affiche les conditions de licence, exécute les étapes spécifiques au chemin choisi et produit un résumé post-déploiement avec des exemples d'utilisation et des instructions de nettoyage.
Utilisez cette compétence lorsqu'un utilisateur demande de "déployer mon modèle", "créer un endpoint", ou souhaite des conseils pour rendre un modèle fine-tuné disponible en production. Elle s'adresse spécifiquement aux modèles fine-tunés via LoRA créés avec SageMaker Serverless Model Customization (et non aux modèles full-fine-tuned ou aux modèles de base).
Conçu pour des agents capables de codage/ops pouvant appeler les outils AWS et exécuter des scripts (ex: agents avec intégrations CLI/outils comme Copilot/Code agents).
Cette compétence guide le déploiement de modèles Nova/OSS optimisés par LoRA depuis la personnalisation de modèle sans serveur SageMaker vers des points de terminaison SageMaker ou Bedrock. Le fichier SKILL.md est bien structuré avec des arbres de décision clairs, mais les 4 scripts groupés sont des cellules de notebook Jupyter (utilisant la magie %pip) et échouent en tant que Python autonome. Aucune préoccupation de sécurité — les scripts utilisent des appels SDK AWS standard avec des variables de configuration fictives.
Les scripts sont au format notebook (.ipynb cell content) exécutés comme .py — la syntaxe %pip est la seule cause d'échec. S'ils étaient exécutés dans Jupyter, ils fonctionneraient probablement. SKILL.md stipule explicitement que les notebooks doivent être écrits via l'écriture de fichier ou les outils MCP, et non via bash — les scripts ici semblent être des cellules de notebook de référence emballées en fichiers .py.
