搜索「Deployment」的结果

io.github.HKUDS/OpenSpace/api-proxy-endpoint

创建无服务器 API 代理端点，隐藏 API 密钥并为仪表盘前端提供统一后端。面向 Vercel 部署设计。

io.github.ruvnet/ruflo/iot-firmware

编排固件灰度发布：canary 部署与异常检测门控的推进流程。

io.github.microsoft/ai-agents-for-beginners/deploying-scalable-agents

把可用的 agent 原型带至 Microsoft Foundry 上可扩展、可观测的生产部署。涵盖部署模式（客户端托管、托管 agent、agent 工作流）、agent 生命周期、模型路由、响应缓存、评估门禁、人工审批环节、基于 OpenTelemetry 的可观测性、成本优化，以及用 AI Smoke Test 动作对已部署 agent 做冒烟测试。基于《AI Agents for Beginners》第 16 课。适用于：将 agent 部署到生产、为 agent 扩容、Microsoft Foundry 托管 agent、Foundry Agent Service、模型路由、响应缓存、评估门禁、发布门禁、人工审批工作流、agent 可观测性、agent 追踪、agent 成本优化、对托管 agent 做冒烟测试、生产客服 agent。不适用于：初次构建 agent（请从第 01 课开始）、在本地设备上运行 agent（用 local-ai-agents / 第 17 课）、与 agent 无关的 Azure 基础设施开通、非 Foundry 的部署目标。

io.github.HoangNguyen0403/agent-skills-standard/nextjs-tooling

配置 Next.js 的构建工具、部署与开发者工作流。用于为 Next.js 项目搭建 Turbopack、standalone Docker 输出、bundle 分析、CI 缓存、环境变量校验或 ESLint 集成。

io.github.microsoft/ai-agents-for-beginners/deploying-scalable-agents

把可用的 agent 原型带至 Microsoft Foundry 上可扩展、可观测的生产部署。涵盖部署模式（客户端托管、托管 agent、agent 工作流）、agent 生命周期、模型路由、响应缓存、评估门禁、人工审批环节、基于 OpenTelemetry 的可观测性、成本优化，以及用 AI Smoke Test 动作对已部署 agent 做冒烟测试。基于《AI Agents for Beginners》第 16 课。适用于：将 agent 部署到生产、为 agent 扩容、Microsoft Foundry 托管 agent、Foundry Agent Service、模型路由、响应缓存、评估门禁、发布门禁、人工审批工作流、agent 可观测性、agent 追踪、agent 成本优化、对托管 agent 做冒烟测试、生产客服 agent。不适用于：初次构建 agent（请从第 01 课开始）、在本地设备上运行 agent（用 local-ai-agents / 第 17 课）、与 agent 无关的 Azure 基础设施开通、非 Foundry 的部署目标。

io.github.microsoft/ai-agents-for-beginners/deploying-scalable-agents

把可用的 agent 原型带至 Microsoft Foundry 上可扩展、可观测的生产部署。涵盖部署模式（客户端托管、托管 agent、agent 工作流）、agent 生命周期、模型路由、响应缓存、评估门禁、人工审批环节、基于 OpenTelemetry 的可观测性、成本优化，以及用 AI Smoke Test 动作对已部署 agent 做冒烟测试。基于《AI Agents for Beginners》第 16 课。适用于：将 agent 部署到生产、为 agent 扩容、Microsoft Foundry 托管 agent、Foundry Agent Service、模型路由、响应缓存、评估门禁、发布门禁、人工审批工作流、agent 可观测性、agent 追踪、agent 成本优化、对托管 agent 做冒烟测试、生产客服 agent。不适用于：初次构建 agent（请从第 01 课开始）、在本地设备上运行 agent（用 local-ai-agents / 第 17 课）、与 agent 无关的 Azure 基础设施开通、非 Foundry 的部署目标。

io.github.microsoft/ai-agents-for-beginners/deploying-scalable-agents

把可用的 agent 原型带至 Microsoft Foundry 上可扩展、可观测的生产部署。涵盖部署模式（客户端托管、托管 agent、agent 工作流）、agent 生命周期、模型路由、响应缓存、评估门禁、人工审批环节、基于 OpenTelemetry 的可观测性、成本优化，以及用 AI Smoke Test 动作对已部署 agent 做冒烟测试。基于《AI Agents for Beginners》第 16 课。适用于：将 agent 部署到生产、为 agent 扩容、Microsoft Foundry 托管 agent、Foundry Agent Service、模型路由、响应缓存、评估门禁、发布门禁、人工审批工作流、agent 可观测性、agent 追踪、agent 成本优化、对托管 agent 做冒烟测试、生产客服 agent。不适用于：初次构建 agent（请从第 01 课开始）、在本地设备上运行 agent（用 local-ai-agents / 第 17 课）、与 agent 无关的 Azure 基础设施开通、非 Foundry 的部署目标。

io.github.aiskillstore/marketplace/backend-migrations

创建可回滚、聚焦的数据库迁移，遵循恰当的命名、版本控制实践与零停机部署考量。在创建或编辑 database/migrations/ 下的迁移文件、编写 schema 变更（创建/修改表、列、索引、外键）、实现迁移回滚方法、管理数据库版本控制、在大表上添加或修改索引，或将 schema 变更与数据迁移分离以获得更安全部署时使用。

io.github.formbricks/formbricks/nextjs-docs

本仓库的本地 Next.js 文档索引（.next-docs/）。用于 apps/web 中任何 Next.js 相关工作：路由、布局、页面、app router、服务端/客户端组件、server actions、缓存、重新验证、metadata、route handlers、proxy/middleware、next.config、图片、字体、错误处理、加载状态、并行/拦截路由、动态路由、useRouter/usePathname/useSearchParams、cookies/headers、重定向、部署、升级。在实现或调试 Next.js 行为前先阅读相关 .mdx 文件；不要依赖训练数据。

io.github.sgl-project/sglang/cookbook-review-pr

按 SGLang Cookbook（docs_new/，Mintlify）的贡献清单审查 PR——采用配置驱动的格式（每个模型的 config 与基准测试 JSX，由共享的 _deployment.jsx 与 _playground.jsx 引擎消费）。使用 /cookbook-review-pr <PR 编号> 运行。

io.github.jeremylongshore/claude-code-plugins-plus-skills/coreweave-deploy-integration

用 Helm chart 与 Kustomize 在 CoreWeave 上部署推理服务。用于部署多模型推理、大规模管理 GPU 部署，或模板化 CoreWeave manifest。触发语如 “deploy coreweave”、“coreweave helm”、“coreweave kustomize”、“coreweave deployment patterns”。

io.github.microsoft/skills/deploy-model

统一的 Azure OpenAI 模型部署 skill，按意图智能路由。支持快捷预设部署、完全自定义部署（版本/SKU/容量/RAI 策略），以及跨地域与项目的容量查询。适用：deploy model、deploy gpt、创建部署、模型部署、部署 openai 模型、初始化模型、预置模型、查容量、查模型可用性、该在哪个地域部署、容量分析。不适用：列出现有部署（请用 foundry_models_deployments_list MCP 工具）、删除部署、创建 agent（用 agent/create）、创建项目（用 project/create）。

io.github.cosmix/loom/loom-kubernetes

Kubernetes 部署、集群架构、安全与运维。用于清单、Helm 图表、RBAC、网络策略、Operator/CRD、PodSecurityStandards、故障排查与生产最佳实践。

io.github.sickn33/antigravity-awesome-skills/hugging-face-model-trainer

使用 TRL（Transformer Reinforcement Learning）或 Unsloth，配合 Hugging Face Jobs 基础设施训练或微调语言模型与视觉模型。涵盖 SFT、DPO、GRPO 与奖励建模训练方法，以及用于本地部署的 GGUF 转换。

io.github.seaworld008/Commonly-used-high-value-skills/kubernetes-specialist

在管理 Kubernetes 集群、调试 Pod 与工作负载、设计 Helm 图表、评审清单，或改进部署、扩缩容与可观测性实践时使用。

io.github.bdfinst/agentic-dev-team/docker-image-create

从项目源码生成生产可用的 Dockerfile，自动识别语言/框架，并产出基于最小化、distroless 或 slim 基础镜像的多阶段构建。当用户想为应用容器化、创建 Dockerfile、把项目 dockerize、构建 Docker 镜像，或说“让这个应用跑在 Docker 里”“为这个应用创建容器”“我需要一个 Dockerfile”“为部署打包”“把这个服务容器化”时使用。当用户已有 Dockerfile 并希望按生产标准重写，或咨询项目的 Docker 最佳实践时也应触发。

io.github.TheDecipherist/claude-code-mastery-project-starter-kit/docker-swarm

生产级 Docker Swarm 部署规则：compose 文件从单节点扩展到多节点 Swarm 时会发生什么。在编写或审查 stack 文件、deploy 块、overlay 网络或用 docker stack deploy 部署的任何内容时使用。涵盖 Swarm 会静默忽略的指令、固定 IP 与 bind mount 为何失效、deploy 编排块，以及 Swarm 自愈所依赖的退出码与健康检查纪律。与覆盖镜像和 compose 文件本身编写的 docker 技能互补。

io.github.jeremylongshore/claude-code-plugins-plus-skills/databricks-deploy-integration

用 Declarative Automation Bundles 部署 Databricks 作业与数据管道。用于跨环境部署作业、管理部署或搭建部署自动化。触发语如 “databricks deploy”、“asset bundles”、“databricks deployment”、“deploy to production”、“bundle deploy”。

io.github.google/skills/agent-platform-deploy

从 Model Garden 部署开放模型或自定义权重到 Agent Platform 端点，检查部署状态、验证 serving 端点，或通过卸载模型与删除端点清理资源。当被要求部署 Agent Platform 模型、列出可用 Model Garden 模型、检查模型可部署性、查询部署成本、排查部署错误（如配额限制），或卸载/清理端点时使用。复制并部署 1P Tuned Model 时也使用。不用于公共 Vertex AI 部署（用 `vertex-deploy` 技能）或运行模型评测（用 `agent-platform-eval` 技能）。

io.github.zekdevs/pi-config/kubernetes-debug

查看 Pod 日志、分析资源配额、追踪网络策略、检查 Deployment 发布状态并执行集群健康检查。在诊断 Kubernetes 集群问题、排查失败的 Pod、分析网络连通性问题、统计资源用量、排查部署问题或做集群健康检查时使用。

io.github.mukul975/Anthropic-Cybersecurity-Skills/deploying-decoy-files-for-ransomware-detection

在文件系统中部署金丝雀文件（蜜标）以实时检测勒索软件的加密活动。通过文件完整性监控或操作系统级看门狗监视精心放置的诱饵文档，在勒索软件修改或加密时触发告警。适用于涉及勒索软件金丝雀部署、蜜罐文件设置、基于欺骗的勒索软件检测，或加密的文件完整性监控等请求。

io.github.bytedance/deer-flow/smoke-test

DeerFlow 的端到端冒烟测试技能。引导完成：1）拉取最新代码；2）Docker 或本地安装与部署（尊重用户偏好，遇 Docker 网络问题时默认本地）；3）服务可用性验证；4）健康检查；5）最终测试报告。当用户说「run smoke test」「smoke test deployment」「verify installation」「test service availability」「end-to-end test」等时使用。

io.github.aws/agent-toolkit-for-aws/deploying-custom-domain-rest-api

使用 AWS CLI 部署带自定义域名、Lambda 后端函数和基于请求的 Lambda 授权器的 Regional REST API。涵盖 ACM 证书签发、API Gateway REST API 创建、Lambda 函数部署、请求授权器配置、自定义域名设置、base path 映射与 Route 53 DNS 记录创建。触发关键词：custom domain、REST API、Lambda、Route 53、API Gateway、regional endpoint、request authorizer、base path mapping

io.github.peterkrueck/Claude-Code-Development-Kit/deploy

安全地测试并部署变更。发现部署目标，在上线前执行失败即止的门禁检查，可选地执行影子部署与切换，然后运行仅报告模式的部署后检查。这是一个模板——请按你的具体部署流水线定制命令和检查项。