1. 基本信息
| 项目 | 内容 | 数据来源 |
|---|---|---|
| 名称 | cuopt-install-nvidia-skills（SKILL.md 内部名称 cuopt-install） |
GitHub |
| 作者/维护者 | NVIDIA cuOpt Team；技能目录仓库 NVIDIA/skills 每日自动同步自 cuOpt 产品仓库的 skills/ 子目录 |
GitHub API + SKILL.md metadata |
| 来源链接 | https://github.com/NVIDIA/skills/tree/main/skills/cuopt-install | — |
| 许可证 | Apache-2.0（SKILL.md frontmatter 明确声明） | GitHub |
| GitHub Stars/Forks | 技能所属目录仓库 NVIDIA/skills 整体 2,820★/331 forks（覆盖 280+ 个不同 NVIDIA 产品的技能，不代表本技能自身热度）；封装的产品 NVIDIA/cuopt 单独仓库 1,004★/218 forks，最近一次提交为 2026-08-07 |
GitHub API |
| 最新版本 | 26.08.00（SKILL.md frontmatter 声明） | GitHub |
| 安装方式 | npx skills add nvidia/skills --skill cuopt-install --agent claude-code |
GitHub README |
2. 功能介绍与亮点
这个技能指导 agent 正确安装 cuOpt（NVIDIA 出品的 GPU 加速决策优化引擎，覆盖线性规划、混合整数规划与车辆路径问题），并帮用户在 Python API、C API、REST 服务器三种使用形态之间选对安装路径。
主要亮点：
- 先问清楚再动手：给出四个必答的前置问题——用 Python/C 哪种接口还是走 REST 服务器？本机 CUDA 版本是多少？pip 还是 conda 还是 Docker？本地 GPU 还是云实例还是无 GPU 的远程服务器？避免在环境信息不全时就盲目下命令。
- 显式拦截最常见的错装场景：Python、C、Server 三条安装路径都明确标注“pip 与 conda 二选一，不要都跑”——同时装会造成 CUDA 版本与包版本互相覆盖冲突；同时说明 C 库随 Python 包一并安装、但反过来不成立，避免用户装完
libcuopt却找不到 Python 绑定。 - 按接口分别给出验证步骤：Python 端给出创建
DataModel并检查 GPU 访问的代码；C 端指向专门的验证参考文档；Server 端给出启动服务并用curl探活的完整命令序列。 - 常见故障排查表：
No module named 'cuopt'、CUDA 不可用、C/Python 版本装反等问题各配一句诊断路径。 - 官方发布前量化评测：NVIDIA 内部 NVSkills-Eval 框架在 Claude Code 与 Codex 上分别测了安全性、正确率、可发现性、有效性、效率五个维度，安全性两个 agent 均 100% 通过。
3. 适用场景
所属分类：工程效率与代码质量
适合需要在 Python、C 或 REST 服务器场景下部署 cuOpt 求解器、且要按本机 CUDA 版本与包管理器偏好选对安装方式的 GPU 开发者与工程团队——典型场景包括：第一次在新机器上装 cuOpt 做路径规划或线性规划原型、把 cuOpt 通过 REST 服务方式接入非 Python 技术栈、以及排查“装完 import 失败或 GPU 不可用”这类环境问题。它与同仓库的 cuopt-developer（面向从源码构建、贡献代码的开发者）互补——本技能面向的是安装现成发行包来使用 cuOpt 的终端用户。
4. 跨 Agent 兼容性
- Claude Code：原生支持，官方
skillsCLI 提供--agent claude-code参数直接安装，装完需运行/reload-skills加载。 - Codex：原生支持，
--agent codex参数同样覆盖；官方发布前评测两个 agent 均通过。 - OpenClaw / Hermes Agent：未验证。官方
skillsCLI 目前列出的目标客户端为 Claude Code、Codex、Cursor、Kiro 等，抓取到的材料未提及这两个 agent。
5. 推荐理由
cuOpt 的安装横跨 Python、C、REST 服务器三种形态，每种又有 pip/conda/Docker 多种包管理器路径，装错组合（比如 pip 和 conda 混用，或者只装了 C 库却以为能用 Python API）是新手最容易踩的坑。这个技能把“先问清楚接口和环境、再给出唯一正确的安装命令”做成强制流程，并按接口分别给出验证步骤，能在环境搭建阶段就避免这类不易察觉的配置错误。
6. 评分
| 维度 | 分数 | 说明 |
|---|---|---|
| 受欢迎程度 | 7 | 官方 NVIDIA cuOpt Team 出品，NVIDIA/skills 2,820★属整个合集共 280+ 个技能共享，不代表本技能自身热度；未见针对这份安装技能本身的独立第三方讨论或采用数据 |
| 可用性 | 9 | 四问前置澄清 + 三接口分别给出安装/验证命令 + 故障排查表，SKILL.md 文档完整；技能目录最近一次实质提交 2026-06-26，所属仓库整体每日同步、持续活跃；无付费依赖 |
| 安全性 | 8 | 见下方检查清单 |
安全检查清单：①涉及打印/执行的操作仅限 pip、conda、docker run 等标准包管理与容器启动命令，以及本地验证脚本，无破坏性操作 ②运行时的联网行为限于从官方 pypi.nvidia.com、conda 官方渠道拉取公开软件包，Docker 拉取官方 nvidia/cuopt 镜像，无隐蔽外发 ③不需要任何 API Key 或外部凭据（SKILL.md 附带的官方评估卡片明确注明“未识别需要凭据”）④通读 SKILL.md 与验证参考文档全文未发现可疑指令、混淆代码或隐藏外发行为 ⑤NVIDIA 官方团队出品，发布前评测安全维度 Claude Code 与 Codex 均 100% 通过，无造假迹象 ⑥License 为 Apache-2.0，明确 ⑦技能目录最近一次提交 2026-06-26（约六周前），所属仓库整体持续每日同步维护
7. 跟同类 Skills 相比的优势
| 对比对象 | 定位 | 与本技能的差异 |
|---|---|---|
cuopt-developer（同仓库姊妹技能） |
指导从源码构建 cuOpt 本体、面向想修改或贡献 cuOpt 代码的开发者 | 面向的是修改 cuOpt 源码这件事本身，不覆盖普通用户的发行包安装；本技能反过来专注“作为使用者装上现成的 cuOpt 并验证能用” |
| Google OR-Tools | 开源、CPU 端主流的组合优化与路径规划工具包，社区生态成熟 | 单纯 pip install ortools 即可、无需 GPU 与 CUDA 版本匹配的复杂度，但也没有 GPU 加速带来的规模化求解性能；cuOpt 用安装复杂度换取官方宣称的百倍级 GPU 加速比 |
| GAMS 建模系统集成 cuOpt | 商业建模语言官方文档提供的 cuOpt 接入指南，面向已在用 GAMS 的运筹优化用户 | 是面向特定商业建模平台用户的对接教程，不是通用的独立安装引导；本技能不绑定任何上层建模平台，直接覆盖 Python/C/REST 三种原生安装路径 |
目前能找到的同类方案要么是同一产品线里面向贡献者而非使用者的姊妹技能，要么是不需要 GPU 环境匹配的 CPU 端替代方案，专门针对“cuOpt 三种接口形态如何选对安装路径”这个组合给指导的技能暂无其他直接对标。
8. 用户评价
该技能目前在第三方平台尚无经核实的具名用户评价。cuOpt 项目本身曾被科技媒体报道其在 MIPLIB 基准集上求解出此前未解的优化问题、性能对比传统 CPU 方法有显著提升，但相关报道针对求解器产品整体，未提及这份安装技能本身。
9. 其他补充
NVIDIA/skills 目录会持续每日同步上游 cuOpt 产品仓库的改动，运行 npx skills update 可保持本地安装的技能版本最新；SKILL.md 明确标注版本号 26.08.00 随 cuOpt 发行版同步递增。
10. 安装使用方式
- 通用安装（交互式选择安装目标）：
npx skills add nvidia/skills，然后从目录中选择cuopt-install - 指定技能与 agent 一次装好：
npx skills add nvidia/skills --skill cuopt-install --agent claude-code（Codex 用户把--agent值换成codex） - 安装后注意事项：在 Claude Code 中需运行
/reload-skills让当前会话识别新装技能；向 agent 描述“帮我装 cuOpt 的 Python/C/服务器版”即可触发
11. 注意事项
- GPU 路径要求 NVIDIA Compute Capability ≥ 7.0（Volta 及更新架构，如 V100/A100/H100/RTX 20xx 起），更早的 Pascal 架构（GTX 10xx）不支持
- 需要 CUDA 12.x 或 13.x，且软件包的 CUDA 后缀（
cu12/cu13）必须与本机实际运行时版本匹配，装错后缀是常见故障源 - 只覆盖安装现成发行包并验证可用，不覆盖从源码构建 cuOpt 本身（该场景需改用同仓库的
cuopt-developer） - REST 服务器安装路径依赖额外的
cuopt-sh-client客户端包，与纯 Python/C 库安装路径不完全通用