#AI
AWS 用 6 个 agent skills 把 Hugging Face 模型部署自动化
AWS 在官方博客里给出一套把 Hugging Face 模型推到 SageMaker AI 的自动化路径：**6 个开源 agent skills**,来自 Hugging Face Skills 仓库。
用户把 coding agent 指向一个模型，拿回来的是一个实时 endpoint,带对的 serving container、自动扩缩、CloudWatch 告警，以及一条验证过的 teardown 路径。
💡 为什么值得看AWS 样本：未装 skills 会选错容器烧 GPU，装了由技能文档承载配置。
查证
来源档案
AWS Machine Learning Blog
AWS 官方技术博客，一手发布——既介绍 Hugging Face Skills 仓库的 6 个 skills,也给出自家做的对照实验与分步部署教程。
一手官方来源，技能清单、对照实验与配置默认值都可直接采信；但对照实验由 AWS 自己设计、只跑了 Qwen3-0.6B 等少量模型，是单一厂商的自证，不能推广成「coding agent 部署普遍不可用」。教程正文在抓取时于验证步骤处截断，后续 smoke test 细节以原文为准。
延伸阅读
文章贴了 hf-cloud-serving-image-selection 的 SKILL.md 精简版，可以看出「渐进式披露」的技能描述怎幺把容器选择规则写成 agent 能按需加载的约束，对想自建 agent skills 的人直接可抄。
对照组里 agent 规划与调试都没问题，缺的是部署时效性知识 —— 这条观察对评估 coding agent 在基础设施类任务上的边界比结论本身更有用。