网站克隆审查 clone-audit-mrlv3nl4
io.github.nexu-io/open-design/clone-audit-mrlv3nl4
审查被克隆或重新实现的网站:保真度缺口、跟踪脚本、源品牌与语言残留、占位符与高风险外部依赖。在交付或部署前使用,或当被要求审查网站克隆的清理与就绪程度时使用。
“Deployment” 共 303 个结果
io.github.nexu-io/open-design/clone-audit-mrlv3nl4
审查被克隆或重新实现的网站:保真度缺口、跟踪脚本、源品牌与语言残留、占位符与高风险外部依赖。在交付或部署前使用,或当被要求审查网站克隆的清理与就绪程度时使用。
io.github.affaan-m/ECC/mle-workflow
面向数据契约、可复现训练、模型评估、部署、监控与回滚的生产级机器学习工程工作流。适用于构建、审查或强化一次性笔记本之外的 ML 系统。
io.github.affaan-m/ECC/laravel-verification
Laravel 项目的验证闭环:环境检查、代码风格检查、静态分析、带覆盖率的测试、安全扫描与部署就绪评估。
io.github.affaan-m/ECC/laravel-verification
Laravel 项目的验证闭环:环境检查、代码风格检查、静态分析、带覆盖率的测试、安全扫描与部署就绪评估。
io.github.affaan-m/ECC/django-verification
Django 项目的验证闭环:发布或 PR 前的数据库迁移、代码风格检查、带覆盖率的测试、安全扫描与部署就绪检查。
io.github.affaan-m/ECC/browser-qa
部署后使用浏览器自动化进行可视化测试与 UI 交互验证。
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.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。
vdevelop
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)。