SageMaker 生产配置基线

原名：hf-cloud-sagemaker-production-defaults

为 Hugging Face 模型端点整理日志、监控、伸缩和故障保护默认值。

中文 Skills 技能说明

适合把实验端点升级为生产方案；先根据服务目标、流量和成本设定基线，再由负责人确认资源、告警、数据采集和回滚。开源工具可以本地使用；访问 Hugging Face Hub、Spaces、ZeroGPU、AWS 或托管服务时，用户需自行确认中国大陆网络、账户、区域、费用、模型与数据许可证及跨境要求。执行前应读取项目现状和官方文档，输出目标、依据、影响、验证结果与回退方式；没有真实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、训练、部署、发布、迁移、删除或产生费用的操作，必须先展示具体目标和差异并获得人工确认。 代码、日志、令牌、连接串、模型、数据集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：Create a SageMaker endpoint (real-time, real-time scale-to-zero, or async) with autoscaling, CloudWatch alarms, and tagging enabled by default. Use this skill whenever about to create a SageMaker endpoint, write deployment code that calls createendpoint, or finalize a deployment after the image URI and IAM role are known. Provides deploy.py for real-time endpoints, deployic.py for real-time endpoints that scale to zero instances via inference components, and deployasync.py for async endpoints (also scale-to-zero). This is the last step in the SageMaker deployment workflow. Never generate a bare createendpoint call without these defaults — endpoints without autoscaling or alarms are demos, not deployments.

上游 SKILL.md 主要章节（保留原文标题）：

• What gets created
• Running the deployment
• InService is not success — smoke-test before declaring victory
• Testing a real-time endpoint
• The UTF-8 BOM gotcha (Windows)
• Invoking a generative reranker (vLLM)
• Picking the image URI
• Scale to zero for real-time endpoints
• How it differs from deploy.py
• Measured behaviour

使用边界

先核对运行环境、账号、区域、依赖和最小权限。创建资源、改配置、发布服务或产生费用前必须让使用者确认。

作者、翻译与许可证

原作者

Hugging Face 与 huggingface/skills contributors

中文翻译

CEOFans翻译

许可证

Apache-2.0

上游来源

https://github.com/huggingface/skills/tree/cead19e10754e773bad24fecef83cb64be24094e/skills/hf-cloud-sagemaker-production-defaults

适用范围

平台：linux、macos、windows；标签：云架构治理、SageMaker 生产配置基线

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。