SkillsScout
DATA-ANALYSIS / 数据分析与可视化

cuml-nvidia-skills

收录日期 2026-11-07·来源仓库 ↗
受欢迎程度
7
可用程度与相关性
8
安全性
9
8.0SCOUT SCORE

1. 基本信息

项目 内容
名称 cuml-nvidia-skills
作者/维护者 NVIDIA(官方)
来源链接 https://github.com/nvidia/skills/tree/main/skills/cuml
许可证 Apache-2.0
GitHub Stars / Forks 3,874 / 411(所属仓库整体数字,不代表本技能自身热度;GitHub API,2026-11-07 读取)
最新版本 无版本标签;仓库主分支最近一次提交 2026-11-06
安装方式 把技能目录复制进 agent 的 skills 目录;运行需支持 CUDA 的 Linux 环境(Windows 走 WSL2)

数据来源:上述数字取自 GitHub API;功能与评分依据来自技能正文与官方文档。

2. 功能介绍与亮点

一句话:写、跑、调、升级 cuML 代码时的实战手册——从装对包到确认真的跑在 GPU 上,都给了可核对的检查。

3. 适用场景

所属分类:数据分析与可视化。

4. 跨 Agent 兼容性

Agent 结论 依据
Claude Code 原生支持 技能目录安装,按描述触发
Codex 需适配 技能正文通用,环境与安装命令需按平台调整
OpenClaw 需适配 需要平台支持技能目录
Hermes Agent 未验证 未找到该平台的接入示例

5. 推荐理由

cuML 的坑很具体:装错包、用已删除的 API、以为在 GPU 上跑其实回落了 CPU。这份技能把这三件事都做成了可核对的检查,并给出 cuml.accel 这条几乎零成本的加速路径——对已经有 sklearn 管线的人,这是最短的提速路线。

6. 评分

维度 分数 说明
受欢迎程度 7 NVIDIA 官方出品;所属仓库 3,874 stars 是整个合集热度,不代表本技能自身热度
可用性 8 安装、验证、加速与内存配方都写清楚了;前置是支持 CUDA 的 Linux 环境
安全性 9 纯提示词与代码片段,不执行命令、不联网

安全性检查清单:

项 结果
① 执行 shell 与权限 无强制命令;给的 pip 安装命令由用户自己执行
② 联网外发 不联网
③ 凭据 不需要 API key
④ 可疑指令 未见注入或夹带推广
⑤ 作者信誉 NVIDIA 官方仓库,Apache-2.0
⑥ License Apache-2.0,全文可查
⑦ 维护时间 2026-11-06 仍在更新

扣分点:需要 CUDA GPU 与 Linux;cuML 发版快,结论有时效性。

7. 跟同类 Skills 相比的优势

技能 定位 与本技能的差异
accelerated-computing-cudf-nvidia-skills cuDF 数据帧加速 管数据处理;本技能管机器学习与 UMAP/HDBSCAN
cudf-query-engine-builder-nvidia-skills 用 cuDF 搭查询引擎 面向引擎构建;本技能面向直接用 cuML 建模
data-designer-nvidia-skills 合成数据生成 造数据;本技能用数据训练

核心差异:同类多处理数据或造数据,它专管「把模型训练搬到 GPU 上并确认真的搬上去了」。

8. 用户评价

该技能目前在第三方平台尚无具名用户评价(2026-11-07)。

9. 其他补充

10. 安装使用方式

git clone https://github.com/nvidia/skills
mkdir -p ~/.claude/skills
cp -r skills/skills/cuml ~/.claude/skills/
pip install cuml-cu12   # 或 cuml-cu13,按驱动版本

装好后说「把这套 sklearn 管线零改码跑到 GPU 上」,它会先确认环境再给 cuml.accel 的用法。

11. 注意事项