CUDA-Q入门指南（中文版）是NVIDIA CUDA-Q平台的权威上手指南，覆盖环境安装、量子内核编写、GPU加速仿真、QPU硬件连接、并行化执行及典型量子应用示例。适合希望使用统一量子-经典编程模型的开发者。关键词：CUDA-Q、量子计算入门、量子内核、GPU仿真、QPU、NVIDIA量子、安装教程、量子算法、并行化

本技能用于指导智能体执行NVIDIA RAG Blueprint的基于文件系统的RAG评估（RAGAS）。包括准备corpus/和train.json数据集、运行evaluate_rag.py、调整top_k/reranker/query rewriting等参数以优化质量、解读评估结果JSON并排查错误。关键词：RAG评估、RAGAS、NVIDIA RAG Blueprint、文件系统基准、检索增强生成、质量评估、evaluate_rag、corpus、train.json、错误排查。

rag-perf 用于对 NVIDIA RAG Blueprint 服务器进行配置驱动的性能基准测试，支持服务端 profiling（分阶段耗时、引用质量、瓶颈推断）与 aiperf 负载测试，输出统一报告。关键词：RAG、性能基准测试、aiperf、profiling、NVIDIA Blueprint、检索增强、并发扫描、TTFT、吞吐量、时延分析。

该技能指导用户利用Data Designer库构建合成数据集、生成合成数据或搭建数据生成流水线。它详细说明了在交互式/自动驾驶模式下如何推进工作流，并提供了列保留规则、使用提示、故障排除方法以及Python输出模板。适用于AI数据开发、数据增强、生成式数据创建和数据管道设计。关键词：合成数据集生成、Data Designer、数据生成管道、数据合成、数据增强。

本技能为首次接触NeMo Relay的用户提供最快、最简的上手路径。它指导用户根据自身环境和目标，从CLI、Hermes Agent原生集成、内置集成或手动语言插桩中选择适合的试用方式，在无需全面生产部署的情况下验证Relay的核心价值。技能还涵盖安装问题排查、基础价值验证原则，以及推荐一个下一步插件。适用于希望快速体验NeMo Relay能力的开发者与AI工程师。关键词：NeMo Relay、nemo-relay-get-started、快速入门、CLI、可观测性、插件、LangChain、Hermes Agent、OpenClaw、Python、Node.js、Rust。

nemo-retriever是一个文档检索与向量搜索CLI工具，能够对PDF、图片、Office文档、HTML、TXT、音频、视频等多种格式的文件进行摄取和语义检索，适用于多文件或非PDF语料库的搜索、问答、引用、聚合等场景。关键词：文档检索、向量检索、RAG、语义搜索、知识库问答、多模态检索、NeMo Retriever、LanceDB

本技能用于将 cuTile GPU 内核（@ct.kernel）高效转换为 Triton 内核（@triton.jit），覆盖 API 映射、TMA 优化、双内核布局处理以及性能调优和调试。适用于 GPU 内核移植、优化和问题修复。关键词：cuTile、Triton、GPU内核转换、TileGym、TMA、性能优化、调试

NVIDIA RAG 蓝图（RAG Blueprint）操作技能，覆盖从部署、配置、故障排除到关闭的完整生命周期管理。支持Docker/Compose、Kubernetes/Helm及Python库模式，可处理RAG相关各种功能与服务，包括Agentic RAG、VLM、NeMo护栏、查询重写、模型与检索配置、数据摄取、可观测性、摘要与推理等。特点为自主环境检测、意图路由和标准化的运维流程。关键词：RAG、NVIDIA、蓝图、部署、配置、故障排查、运维、检索增强生成

该技能介绍如何在Megatron Bridge中启用和调优MoE专家并行通信重叠，涵盖配置方法、前提条件、与CUDA图/重计算的交互、实测结果、代码入口、常见陷阱及验证步骤。关键词：MoE通信重叠、EP重叠、Megatron Bridge、dispatch overlap、flex dispatcher、DeepEP、专家wgrad调度、性能调优。

本技能用于在启动任何TAO工作流或模型操作前进行信息收集与预检。帮助用户选择执行平台（如SLURM、本地Docker等）、提供数据集路径、确认容器映像、检查凭据和依赖、执行平台预检，并最终展示配置审查以获批。支持AutoML、训练、评估、推理、导出等流程。关键词包括：TAO工作流、启动预检、平台选择、容器映像、凭据管理、数据集映射、AutoML、SLURM、Docker、监控。

该技能是NeMo-RL实验的自动化研究代理工作流，用于执行假设检验、开放式发现和长期研究活动。它涵盖从阅读配方、运行基线到迭代实验的完整流程，以Git和TSV日志作为实验账本，并支持按用户定义的停止条件管理实验预算。关键词：NeMo-RL、自动研究、强化学习、实验、基线、假设检验、复现、日志。

本技能用于选择、验证、修补并部署现有的 NVIDIA Dynamo Kubernetes 推理配方，实现从用户意图到 OpenAI 兼容端点的快速启动。它支持配方发现、验证、最小化 YAML 修补、kubectl 部署和烟雾测试，适用于主流大模型推理框架（vLLM、SGLang、TensorRT-LLM、TokenSpeed）及多种 GPU 配置。关键词：NVIDIA Dynamo、Kubernetes、配方部署、推理服务编排、LLM推理、vLLM、SGLang、TensorRT-LLM、TokenSpeed、模型缓存、OpenAI兼容、烟雾测试、kubectl、YAML