搜索「Deploy」的结果

io.github.twentyhq/twenty/manage-app

Use when the user wants to manage or troubleshoot tooling, remotes, sync, build, deploy, logs, CI/CD, or operational workflows for an existing Twenty app.

io.github.sickn33/agentic-awesome-skills/helm-charts

Create, manage, and deploy Helm charts for Kubernetes package management.

io.github.sickn33/agentic-awesome-skills/huggingface-spaces

Build, deploy, and maintain applications on Hugging Face Spaces — Gradio / Docker / Static SDKs, ZeroGPU and dedicated hardware, model loading, debugging, buckets, inference providers, community grants.

io.github.slopus/happy/release

面向 CLI、移动端、Web 与后端的发布流水线。引导版本递增、构建、测试、发布与部署。以 Claude Code 原生体验取代旧的交互式 release-it 流程。当用户输入 /release，或要求发布、推送、部署或交付任意组件时使用。

io.github.code-yeongyu/oh-my-openagent/publish

通过触发 GitHub Actions 的 publish 工作流并核验产物，把 oh-my-opencode 发布到 npm。仅用于发布：不会运行 pre-publish-review，也不会重新评审已合并的代码，除非用户明确要求。参数：<patch|minor|major|explicit-semver>。触发词：publish、release、deploy、npm publish。

io.github.addyosmani/agent-skills/shipping-and-launch

准备生产上线。在准备部署到生产环境，或询问上线前需要就绪哪些事项时使用。需要上线前检查清单、搭建监控、规划分阶段发布或制定回滚策略时使用。

io.github.bentoml/BentoML/bentoml-containerize

将本地 BentoML 项目构建为 Bento，容器化为 OCI/Docker 镜像，本地冒烟测试，并推送到容器镜像仓库（Docker Hub、GHCR、ECR、私有仓库、kind/minikube 本地加载或 ttl.sh）。当用户要求“containerize a Bento”“build a Docker image for my BentoML service”“package my BentoML service for deployment”“push my Bento image to a registry”，或作为把 BentoML 部署到 Kubernetes/EC2 的第一步时使用。本技能不执行任何部署——需移交 bentoml-k8s-deploy 或 bentoml-ec2-deploy 完成部署。

io.github.netdata/netdata/docs-learn-site-structure

关于本仓库（及另外 5 个 Netdata 官方仓库）文档如何成为 `learn.netdata.cloud` 已发布页面的权威参考。涵盖 `<repo>/docs/.map/map.yaml` 唯一事实源（真正的开关——文件系统路径与路由无关）、learn 仓库中现役的 `ingest/ingest.py` 编排器（不是遗留的 `ingest.js`）、frontmatter 注入、slug 规则、侧边栏自动生成、MDX 转义规则、版本化、四机制重定向栈、6 个源仓库、每 3 小时一次的 CI 摄取、Netlify 部署，以及 learn 仓库手写文件的 `part_of_learn=True` 启用方式。在增删改移文档页面、Learn 上的页面看起来不对、犹豫该在本仓库还是 learn 仓库编辑文档，或阅读 `ingest.py`、`sidebars.js`、`docusaurus.config.js`、`static.toml`、`LegacyLearnCorrelateLinksWithGHURLs.json`、`netlify.toml`、`.mdx` 中的 `<!--startmeta` 块、`ingest.yml` 与 `daily-learn-link-check.yml` 工作流时使用。

io.github.serverless/serverless/serverless-mcp

使用 Serverless Framework 内置的 MCP 支持，将 Model Context Protocol（MCP）服务器托管到 AWS——基于官方 SDK 的服务器模块，部署到 AWS Lambda 的流式 API Gateway REST 端点后，自带网关访问控制与 OAuth protected-resource 发现，打包和 elicitation 状态均已代为实现。当用户要在 AWS 或 Lambda 上部署、托管、加固或调试 MCP 服务器，编写或编辑 serverless.yml 中的 `mcp:` 配置块，通过 HTTP 向 Claude 或其他 AI 客户端暴露 tools、resources 或 prompts，或遇到 `MCP_*` 配置错误（MCP_UNSUPPORTED_NODE_RUNTIME、MCP_FUNCTION_NAME_COLLISION、MCP_INVALID_STATE_ARN 等）时使用。即使用户没有点名 Serverless Framework 或 MCP，只要描述把自有工具通过 HTTPS 端点提供给 AI 客户端，也应触发。

io.github.netdata/netdata/learn-site-structure

关于本仓库（及另外 5 个 Netdata 官方仓库）文档如何成为 `learn.netdata.cloud` 已发布页面的权威参考。涵盖 `<repo>/docs/.map/map.yaml` 唯一事实源（真正的开关——文件系统路径与路由无关）、learn 仓库中现役的 `ingest/ingest.py` 编排器（不是遗留的 `ingest.js`）、frontmatter 注入、slug 规则、侧边栏自动生成、MDX 转义规则、版本化、四机制重定向栈、6 个源仓库、每 3 小时一次的 CI 摄取、Netlify 部署，以及 learn 仓库手写文件的 `part_of_learn=True` 启用方式。在增删改移文档页面、Learn 上的页面看起来不对、犹豫该在本仓库还是 learn 仓库编辑文档，或阅读 `ingest.py`、`sidebars.js`、`docusaurus.config.js`、`static.toml`、`LegacyLearnCorrelateLinksWithGHURLs.json`、`netlify.toml`、`.mdx` 中的 `<!--startmeta` 块、`ingest.yml` 与 `daily-learn-link-check.yml` 工作流时使用。

io.github.twentyhq/twenty/manage-app

用户想管理或排查现有 Twenty 应用的工具链、远程、同步、构建、部署、日志、CI/CD 或运维工作流时使用。

io.github.paperclipai/paperclip/paperclip-page

将静态 HTML 页面与资源目录发布到 Paperclip 的 S3/CloudFront 页面托管。当被要求不借助 here.now 部署、托管或分享一个持久页面、查看器、原型、报表或静态站点时使用。

io.github.ArchiveBox/ArchiveBox/archivebox

在进行 ArchiveBox 应用、CLI、服务端、Docker 镜像、Admin UI、REST API、数据目录、爬取、快照以及发布与部署脚本相关工作时使用。

io.github.NousResearch/hermes-agent/fastmcp

构建、测试并部署 Python MCP 服务器。

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、安全扫描及部署就绪评估。适用于合并或部署前验证 Laravel 项目——代码风格、静态分析、测试、覆盖率与安全。

io.github.PostHog/posthog/investigating-logs

在 PostHog 项目中调查日志：确认某个服务或部署是否健康、解释错误尖峰、分诊事故，或读懂日志流在说什么。当用户要求“查看日志”、询问某个服务、部署、发布或变更是否正常或引发了问题、为什么错误上升或变化了什么，或想要日志中可见故障的根因时使用。指导使用日志 MCP 工具（服务概览、模式挖掘、前后模式对比、分桶计数、facets、原始行），让调查从汇总开始而不是原始行或对日志表手写 SQL。

io.github.Hmbown/CodeWhale/release

准备具名版本：前置检查、版本一致性、构建/打包、冒烟测试、校验和与发布说明，以及发布就绪评估。发布/打标签/部署需要单独授权。仅限显式调用。

io.github.streamlit/streamlit/developing-with-streamlit

适用于所有 Streamlit 任务：创建、编辑、调试、美化、样式、主题、优化或部署 Streamlit 应用；也包括自定义组件、st.components.v2 以及 HTML/JS/CSS 工作。会从用户安装的 Streamlit（>=1.57）发现并加载版本匹配的参考文档。触发词：streamlit、st.、dashboard、app.py、beautify、style、CSS、color、background、theme、button、widget styling、custom component、st.components、CCv2、session state、performance、cache、fragment、slow rerun、deploy。

io.github.microsoft/ai-agents-for-beginners/local-ai-agents

使用 Microsoft Foundry Local 与 Qwen 函数调用模型，构建完全在开发者工作站上运行的本地优先 AI agent。涵盖小语言模型（SLM）、OpenAI 兼容的本地端点、沙箱化本地工具、基于 Chroma 的本地 RAG、本地 MCP server、云/本地混合路由，以及隐私/成本/离线的权衡取舍。基于《AI Agents for Beginners》第 17 课。适用于：本地运行 agent、离线 agent、端侧 agent、Foundry Local、Qwen 函数调用、本地工具调用、本地 RAG、Chroma 向量数据库、本地 MCP server、注重隐私的 agent、本地与云混合 agent、小语言模型 agent、本机上的工程助手。不适用于：大规模云端 agent 部署（用 deploying-scalable-agents / 第 16 课）、初次构建 agent 概念（第 01 课）、Foundry（云端）托管 agent、GPU 集群/服务端推理资源开通。

io.github.microsoft/ai-agents-for-beginners/azure-openai-to-responses

将 Python 应用从 Azure OpenAI Chat Completions 迁移到 Responses API。涵盖 AzureOpenAI/AsyncAzureOpenAI 客户端向 v1 端点的迁移、流式输出、工具、结构化输出、多轮对话、EntraID 认证与模型兼容性检查。聚焦 Python，针对 Azure OpenAI。适用于：迁移到 Responses API、从 chat completions 切换、openai responses、升级 openai SDK、Responses API 迁移、从 completions 转向 responses、gpt-5 迁移、azure openai python 迁移、chat completions 转 responses、AzureOpenAI 转 OpenAI 客户端、python azure openai 升级。不适用于：从零构建新应用（直接用 responses）、Node/TypeScript/C#/Java/Go 迁移（本 skill 仅支持 Python）、Azure 基础设施搭建（用 azure-prepare）、部署模型（用 microsoft-foundry）。

io.github.microsoft/ai-agents-for-beginners/azure-openai-to-responses

将 Python 应用从 Azure OpenAI Chat Completions 迁移到 Responses API。涵盖 AzureOpenAI/AsyncAzureOpenAI 客户端向 v1 端点的迁移、流式输出、工具、结构化输出、多轮对话、EntraID 认证与模型兼容性检查。聚焦 Python，针对 Azure OpenAI。适用于：迁移到 Responses API、从 chat completions 切换、openai responses、升级 openai SDK、Responses API 迁移、从 completions 转向 responses、gpt-5 迁移、azure openai python 迁移、chat completions 转 responses、AzureOpenAI 转 OpenAI 客户端、python azure openai 升级。不适用于：从零构建新应用（直接用 responses）、Node/TypeScript/C#/Java/Go 迁移（本 skill 仅支持 Python）、Azure 基础设施搭建（用 azure-prepare）、部署模型（用 microsoft-foundry）。

io.github.calesthio/OpenMontage/hyperframes-cli

HyperFrames CLI 开发循环。运行 npx hyperframes 的 init、add、catalog、capture、lint、validate、inspect、layout、snapshot、preview、play、render、publish、lambda、doctor、browser、info、upgrade、skills、compositions、docs、benchmark、telemetry、transcribe、tts 或 remove-background 命令时使用,或排查 HyperFrames 构建/渲染环境时。也是 AWS Lambda 云渲染(hyperframes lambda deploy / render / progress / destroy / policies)的入口。

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.abiosoft/colima/skills

Colima 使用指南——通过轻量 Lima 虚拟机在 macOS 与 Linux 上运行容器运行时（Docker、containerd、Kubernetes、Incus）。只要 Colima 是（或应当是）容器后端就使用本技能：安装 Colima；`colima start/stop/status/delete/ssh`；选择或切换运行时；`Cannot connect to the Docker daemon at unix:///var/run/docker.sock` 报错；Docker context 与 socket 位置；镜像仓库 mirror 与不安全仓库；buildx；在容器中显示为空的 bind 或 volume 挂载；磁盘空间回收与扩容；VM IP 可达；GPU 与 AI 模型负载；配置文件、profile 与 `COLIMA_HOME`；或无法启动的 Colima VM。同时适用于编写驱动 Colima 的脚本——以非交互方式把 Colima 拉起的 bootstrap、dev-env、deploy 或 CI 脚本——因为本技能掌握正确的参数、按 profile 区分的 socket 路径、幂等的 `colima start` 守卫以及就绪与清理模式，这些正是手写脚本常出错之处（例如臆造并不存在的参数或错误地假定）。