Agent Skills
返回列表
🤖

NVIDIA AI-Q 蓝图部署

AI Agent 更新于 2026.08.30

将以下提示词粘贴到你的 AI 对话框中：

请根据 https://skillhub.cn/install/skillhub.md，安装 @org-02qudk26/aiq-deploy。

技能介绍

解决的问题

NVIDIA AI-Q Blueprint 部署常常卡在本地环境、密钥、容器、端口和服务健康检查之间：服务看似启动，却不一定能被 aiq-research 正常调用。这个技能聚焦于把 AI-Q 后端跑起来并验证可用，而不是直接生成深度研究结果。

工作方式

技能会先确认仓库、运行环境和所选部署路径，再准备 deploy/.env，避免覆盖已有凭据。它支持多种路径：

  • Docker Compose：默认本地持久化部署，启动后端和 PostgreSQL
  • CLI / 本地 Web：适合快速开发或无容器环境
  • Helm / Kubernetes：面向集群部署
  • Agent Skill backend：为 aiq-research 提供可访问的服务地址

启动后，技能会执行健康检查、配置核对和故障排查，最终输出经过验证的 AIQ_SERVER_URL。若后端不在默认端口，会提示设置对应环境变量；若涉及 FRAG，会要求同时验证 RAG_SERVER_URL 与 RAG_INGEST_URL。它也明确不打印密钥值，只检查必需变量是否存在。

适用边界

它适合完成部署、自检、交接和基础排障，不评估研究质量。密钥需保存在聊天外，破坏性清理需显式确认；Helm、FRAG、自托管模型等能力依赖用户侧基础设施。它还强调与 NVIDIA AI-Q Blueprint 2.1.0 的兼容边界，避免在不匹配版本上继续盲改配置。

使用场景

  • 在本地准备 NVIDIA AI-Q 后端时，用 Docker Compose 启动服务并完成健康检查。
  • 为 aiq-research 接入自托管 AI-Q 时，验证 API 配置并输出可用的 AIQ_SERVER_URL。
  • 排查 AI-Q 后端 8000 端口冲突或密钥缺失，按参考文档修复后重新验证服务。
  • 在 Kubernetes 环境用 Helm 部署 AI-Q，检查运行时依赖和访问端点是否可用。

适合人员

  • 负责本地 NVIDIA AI-Q 环境的工程师，需要把后端稳定启动并交给 aiq-research。
  • 维护自托管 AI 研究链路的平台工程师，需要处理 Docker、Helm、端口和密钥配置。
  • 做 AI-Q 集成测试的 QA 工程师，需要按部署模式执行健康检查并记录故障原因。
  • 部署研究代理后端的应用架构师，需要确认 API 配置兼容并输出可访问服务地址。