搜索「Deploy」的结果

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.jeremylongshore/claude-code-plugins-plus-skills/kubernetes-deployment-creator

创建 Deployment 相关操作，属于 DevOps Advanced 的自动激活 skill。在部署应用或服务时使用。触发词：kubernetes deployment creator、kubernetes creator、deploy kubernetes。

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

把 PortalJS 门户部署到 PortalJS Arc——由 Datopian 基于 Cloudflare 管理的静态托管。构建静态导出并上传，返回可访问的 <slug>.arc.portaljs.com 地址。一条命令，一个目标。

io.github.Vincentqyw/image-matching-webui/deploy-hf

发布新的 imcui 版本并部署到 HuggingFace Spaces（测试环境 → 生产环境）。当用户要求发布、部署或推送新版本时调用。

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.jeremylongshore/claude-code-plugins-plus-skills/figma-deploy-integration

将 Figma 驱动的应用部署到 Vercel、Cloud Run 与 Fly.io。用于把 webhook 接收端、design token API 或连接 Figma 的 Web 应用部署到生产平台。触发语如 “deploy figma”、“figma Vercel”、“figma production deploy”、“figma Cloud Run”。

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.NVIDIA/Model-Optimizer/deployment

用 vLLM、SGLang 或 TRT-LLM，把量化或未量化的 LLM checkpoint 作为 OpenAI 兼容 API 端点提供服务。当用户说「部署模型」「服务模型」「启动 vLLM 服务器」「launch SGLang」「TRT-LLM 部署」「AutoDeploy」「压测吞吐」「serve checkpoint」，或需要从 HuggingFace/ModelOpt 量化 checkpoint 起一个推理端点时使用。不要用于模型量化（用 ptq）或精度评估（用 evaluation）。

io.github.sickn33/antigravity-awesome-skills/expo-deployment

使用 EAS 将 Expo 应用部署到生产环境——构建并提交到 iOS App Store、Google Play Store 与 TestFlight，配置 eas.json 的 build 与 submit profile，管理应用版本与构建号，发布 App Store 元数据与 ASO，并通过 EAS 部署 Web bundle 与 API 路由等。

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.mukul975/Anthropic-Cybersecurity-Skills/deploying-honeytokens-and-canarytokens

布设 canarytokens 与蜜罐凭据并在泄露时告警。

io.github.expo/skills/expo-deployment

使用 EAS 将 Expo 应用部署到生产环境——构建并提交到 iOS App Store、Google Play 商店和 TestFlight，配置 eas.json 的构建与提交配置文件，管理应用版本与构建号，发布商店元数据与 ASO，并通过 EAS Hosting 部署 Web 包和 API 路由。适用于准备生产构建、运行 eas build 或 eas submit、发布到 TestFlight、应用商店发布或灰度、递增版本号/构建号或设置 Expo 应用的商店列表元数据

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.mukul975/Anthropic-Cybersecurity-Skills/deploying-ransomware-canary-files

借助 Python 的 watchdog 库做实时文件系统事件检测，在关键目录中部署并监控勒索软件诱饵（canary）文件。放置按精心命名、模仿高价值目标（财务记录、凭据、数据库导出）的诱饵文件，位置选在勒索软件通常会优先枚举的目录。一旦监控到对诱饵文件的读取、修改、重命名或删除操作，就通过邮件、Slack webhook 或 syslog 立即告警，在全面加密开始之前给出早期预警。

io.github.openai/plugins/render-deploy

通过分析代码库、生成 render.yaml Blueprint 并提供 Dashboard 深链接，将应用部署到 Render。当用户想在 Render 云平台部署、托管、发布或搭建应用时使用。

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.BankrBot/skills/base-deploy

使用 Foundry 在 Base 链上部署并验证智能合约——通过 CDP 获取测试网 faucet、加密 keystore 管理、BaseScan 合约验证和常见故障排查。

io.github.BankrBot/skills/versa

在 Versa——Base 链上的对抗性 AI 竞技场——部署、管理或提取 AI 智能体金库。当智能体想部署自己的金库、通过挑战费被动赚取 ETH、设置防守提示词、守护国库、查看收益、提取费用、关闭金库或参加竞技场比赛时使用。触发语：在 versa 上部署、创建金库、被动赚 ETH、配置我的智能体、启动我的金库、我要打防守、versa 是怎么玩的、查看我的收益、提取我的费用、我赚了多少、守护某个国库。

io.github.supercheck-io/supercheck/docker-compose-deployment

在使用 Docker Compose 部署 SuperCheck、配置自托管部署、排查 Docker 服务、扩展 worker、设置 HTTPS/TLS、管理环境变量、升级版本，或处理 deploy/docker/ 下任何文件时使用。涵盖所有 Docker Compose 变体（标准、安全、外部、远程 worker、本地开发）、K3s/gVisor 沙箱配置、安全加固与运维手册。

io.github.microsoft/skills/python-appservice-deploy

把 Python（Flask/Django/FastAPI）代码部署到 Azure App Service。适用场景：“Flask App Service”“Django App Service”“FastAPI App Service”“部署 Python 到 App Service”。不适用：Container Apps、Functions、非 Python 项目、Terraform/Bicep/IaC、整套基础设施——这些请改用 azure-prepare。

io.github.fossasia/voxbento/deployment-review

需要评审部署、验证生产就绪度或协助执行部署流程时使用本技能。参考：`DEPLOYMENT_GUIDE.md`、`docker-compose.yml`、`Caddyfile`、`Dockerfile`