AWS AI 与机器学习工程
原名：aws-ai-ml
规划并实施数据集、模型选型、评测、微调和部署流程。
中文 Skills 技能说明
适合 SageMaker 与 Bedrock 相关项目；先明确任务、样本授权、指标、预算和上线边界，不把测试成绩当成业务效果。AWS 开源技能文本可在中国境内本地使用；实际调用云服务须使用用户自己的合法 AWS 账户和权限，并确认目标服务在 AWS 中国区域或所选区域的可用性、运营主体、网络、备案、费用、数据位置和跨境要求。CEOFans 不提供第三方账号、密钥或网络绕过。执行前读取真实账户、区域、项目和官方资料，输出目标、依据、影响、费用、验证结果与回退方式；没有证据时明确说明未知，不编造配置、数据或成功状态。 创建、修改、部署、发送、迁移、删除或产生费用的操作，必须先展示目标和差异并获得有权限人员确认。 代码、数据库、日志、凭据、客户和企业资料按敏感内容处理，只读取任务所需范围，上传或外发前完成授权、脱敏和最小化。
上游能力依据
上游原始适用说明：Selects, deploys, and customizes AI models on Amazon SageMaker. Fine-tuning (SFT, DPO, RLVR, RLAIF), model selection, dataset preparation, evaluation, deployment to SageMaker endpoints or Bedrock, and endpoint diagnostics. Covers the full lifecycle from planning through production. Use when fine-tuning models on SageMaker, choosing/selecting which base model to customize or fine-tune from SageMaker Hub, finding a model to deploy without fine-tuning, transforming datasets for training, checking data readiness, evaluating model quality, deploying to endpoints, setting up IAM roles and S3 buckets for training jobs, or managing a SageMaker Managed MLflow app. Also use to check endpoint health, diagnose failures, debug latency or errors, or view container logs and CloudWatch metrics. Covers Serverless Model Customization, Nova and OSS deployment paths, and PySDK v3 usage. NOT for Ground Truth labeling, Feature Store, or general-purpose AWS infrastructure.
上游 SKILL.md 主要章节（保留原文标题）：
- Routing
- Rules
使用边界
先读取项目约定、依赖版本和现有测试，再提出最小改动。写文件、运行脚本、提交代码或发布前应检查差异并保留回退路径。
作者、翻译与许可证
- 原作者
- Amazon Web Services 与 agent-toolkit-for-aws contributors
- 中文翻译
- CEOFans翻译
- 许可证
- Apache-2.0
- 上游来源
- https://github.com/aws/agent-toolkit-for-aws/tree/62ad0e6cd3dc9950fa8b18ab7c1b783761dc77d2/skills/core-skills/aws-ai-ml
适用范围
平台：linux、macos、windows；标签：AI 工程、AWS AI 与机器学习工程、AWS
安全提示
基础静态扫描不等于绝对安全。技能可能调用命令、浏览器、云服务或本地文件，请在最小权限环境中使用，高风险操作必须人工确认。
如发现侵权、许可证或安全问题，可在本页前台提交投诉，管理员复核后可立即下架。