Eai Dev Setup

自动化配置 Ubuntu 算法开发环境（中国网络优化版）；当用户需要初始化新系统、配置深度学习开发环境、批量安装开发工具时使用

Security Scan

该 Skill 的声明目的（在中国网络环境下自动化配置 Ubuntu 的深度学习/开发环境）与其包含的脚本和运行步骤总体一致，但请在运行前审查外部镜像/脚本源并在受控环境中执行。

Purpose & Capability

Skill 名称/描述与实际内容一致：包含系统检测、安装包管理、Docker/conda/CUDA 安装与 shell 环境配置等，且脚本（install_docker.py、install_package.py、config_env.py、setup_zsh.py 等）实现了这些功能。请求的操作（sudo、下载 deb、配置 /etc/apt、写入 ~/.bashrc 等）与“系统初始化与开发环境配置”目的相符。

Instruction Scope

SKILL.md 明确逐步询问并在需要 sudo 的操作前要求用户确认，且只指示运行包含在包内的脚本或执行特定安装命令；总体范围与目标一致。但说明和参考文档建议使用第三方代理/镜像（例如 gh-proxy.org、hf-mirror.com、Gitee 镜像、阿里云镜像）以及在文档中出现的可选命令（如通过 wget 下载并执行外部脚本的 fishros 链接）。这些外部主机/脚本是运行时的外部依赖，存在被替换或拦截的风险，应在信任来源或受控环境下使用。

Install Mechanism

无 install spec——为指令/脚本型 Skill（风险较低）。所有安装行为由随附的 Python 脚本在目标机器上执行，脚本通过标准工具（apt, dpkg, curl, wget）下载官方或镜像站点的包并写入系统路径，未见使用可疑短链接或不常见单点下载源（大多数 URL 指向官方或常见镜像）。

Credentials

Skill 不要求任何外部凭据或敏感环境变量。脚本会在用户 shell 配置文件中追加 HF_ENDPOINT、CUDA 路径、conda PATH 等环境变量，这与功能需求一致且脚本包含备份逻辑以保存原文件。没有发现要求 unrelated credentials 或跨服务的秘密访问。

Persistence & Privilege

Skill 未声明 always:true（默认不强制常驻），且允许模型自主调用（平台默认）。脚本会进行系统级更改并在多处需要 sudo；SKILL.md 要求用户确认才执行敏感操作，这很好。但因为 agent 可以被允许自动调用，若赋予自动执行权限则在无人监督下执行系统级命令会扩大风险——建议保留交互确认或禁用自动执行。

Assessment

这套 Skill 在功能上与“为中国网络环境优化的 Ubuntu 算法/深度学习环境自动化配置”相符，但在安装前请注意： - 仔细审查包含的脚本（尤其是 system_check.py、install_package.py、install_docker.py、setup_zsh.py、config_env.py）以确认没有向外发送系统信息或执行未知网络调用；当前可见脚本行为与说明一致且有备份/询问逻辑。 - 验证并信任所用镜像/代理域名（gh-proxy.org、hf-mirror.com、Gitee 镜像、阿里云镜像等）；镜像可以加速下载但也有中间人风险，若在敏感环境请优先使用官方站点或企业受信镜像。 - 注意文档中提及的第三方安装脚本（例如通过 wget 下载并执行的 fishros 链接）：避免直接运行“wget | sh”或从不熟悉域名执行 root 脚本，必要时先下载并人工审查脚本内容。 - 在真实工作机上运行前，先在隔离的虚拟机或快照环境中测试流程，并保留系统快照/备份以便回滚。 - 保持交互确认（不要授予 skill 无监督的自动执行权限），并在需要 sudo 时亲自输入密码以确保人工审查。 如果你愿意，我可以帮助你逐个检查被截断/未显示的脚本（例如 system_check.py 等被省略的文件），或者给出更具体的命令审计建议。

EAI 开发环境自动配置

任务目标

• 本 Skill 用于：自动化配置 Ubuntu 系统的算法开发环境
• 能力包含：系统检测、工具安装、环境配置、GPU 驱动安装
• 触发条件：新系统初始化、环境重置、批量安装开发工具

重要约定

1. 分步执行：按步骤引导用户完成配置，每步询问是否执行
2. 进度提示：长时间操作（下载、安装）显示进度信息
3. 用户确认：涉及 sudo 权限的操作必须用户确认
4. 禁止删除：不会删除任何已有文件

---

安装步骤流程

第一步：系统检测（必需）

目的：了解当前系统状态，确定后续安装内容

操作：

python scripts/system_check.py

输出内容：

• Ubuntu 版本和内核
• 已安装的开发工具
• GPU 信息（如有）
• 可用磁盘空间

时间：约 10 秒

---

第二步：配置网络代理（推荐优先）

目的：加速后续 GitHub 和 HuggingFace 访问

2.1 GitHub 代理配置

说明：使用 gh-proxy.org 加速所有 GitHub 访问

是否执行：询问用户

命令：

git config --global url."https://gh-proxy.org/https://github.com/".insteadOf "https://github.com/"

验证：

git config --global --get url."https://gh-proxy.org/https://github.com/".insteadOf

2.2 HuggingFace 镜像配置

说明：使用 hf-mirror.com 加速模型下载

是否执行：询问用户

命令：

echo "export HF_ENDPOINT=https://hf-mirror.com" >> ~/.bashrc

验证：

echo $HF_ENDPOINT

时间：约 5 秒

---

第三步：安装基础工具

目的：安装浏览器、编辑器等日常工具

工具列表：

工具	说明	时间
Chrome	浏览器	约 1 分钟
Edge	浏览器（可选）	约 1 分钟
VSCode	代码编辑器	约 1 分钟
Cursor	AI 编辑器（可选）	约 1 分钟
飞书	协作工具（可选）	约 1 分钟

安装方式：逐个询问用户是否安装

示例命令：

# 安装 Chrome
python scripts/install_package.py --package-name google-chrome-stable \
    --install-type url \
    --deb-url "https://dl.google.com/linux/direct/google-chrome-stable_current_amd64.deb" \
    --use-sudo

进度提示：

• 下载时显示：[下载中] 正在下载 Chrome...
• 安装时显示：[安装中] 正在安装 Chrome...
• 完成时显示：[完成] Chrome 安装成功

---

第四步：安装开发环境

目的：安装 Docker、conda、CUDA 等开发工具

4.1 Docker 安装

说明：容器化工具，使用阿里云镜像安装

是否执行：询问用户

命令：

python scripts/install_docker.py --install

进度提示：

• [1/6] 卸载旧版本 Docker...
• [2/6] 安装依赖包...
• [3/6] 添加 GPG 密钥...
• [4/6] 添加软件源...
• [5/6] 安装 Docker CE...（约 2-5 分钟）
• [6/6] 配置镜像加速器...

时间：约 3-5 分钟

4.2 Conda 安装

说明：Python 环境管理工具

是否执行：询问用户

安装步骤：

1. 询问安装 Anaconda 还是 Miniconda
2. 询问安装路径（默认 ~/anaconda3）
3. 下载安装脚本（清华镜像）
4. 执行安装

进度提示：

• [下载中] 正在从清华镜像下载 Anaconda...（约 500MB，可能需要几分钟）
• [安装中] 正在安装 Anaconda...
• [配置中] 正在配置环境变量...

时间：约 5-10 分钟（取决于网速）

4.3 CUDA/cuDNN 安装

说明：GPU 深度学习环境

是否执行：询问用户（检测到 NVIDIA GPU 时推荐）

详细步骤：参考 references/cuda_guide.md

重要提示：

• ⚠️ CUDA 安装后需要重启系统
• 建议在最后一步执行

进度提示：

• [检测中] 正在检测 GPU 和驱动...
• [下载中] 正在下载 CUDA Toolkit...（约 3GB）
• [安装中] 正在安装 CUDA...（约 2-5 分钟）

时间：约 10-20 分钟

---

第五步：安装终端工具

目的：增强终端体验

5.1 Terminator 安装

说明：多窗口终端

是否执行：询问用户

命令：

python scripts/install_package.py --package-name terminator --install-type apt --use-sudo

时间：约 30 秒

5.2 Zsh + Oh-My-Zsh 安装

说明：增强型 shell

是否执行：询问用户

命令：

python scripts/setup_zsh.py --use-sudo --install-oh-my-zsh --china-mirror \
    --plugins "git zsh-autosuggestions zsh-syntax-highlighting"

进度提示：

• [1/4] 安装 zsh...
• [2/4] 安装 oh-my-zsh（使用 Gitee 镜像）...
• [3/4] 安装插件...
• [4/4] 配置 .zshrc...

时间：约 1-2 分钟

---

第六步：系统重启（如有需要）

触发条件：

• 安装了 NVIDIA 驱动
• 安装了 CUDA
• 修改了系统级配置

提示：

⚠️  检测到以下操作需要重启系统：
  - NVIDIA 驱动安装
  - CUDA Toolkit 安装

请保存当前工作后重启系统：
  sudo reboot

---

资源索引

必要脚本

• 系统检测：scripts/system_check.py
• 工具安装：scripts/install_package.py
• Docker 安装：scripts/install_docker.py
• 环境配置：scripts/config_env.py
• 终端配置：scripts/setup_zsh.py

领域参考

• 工具清单：references/tools_guide.md
• CUDA 指南：references/cuda_guide.md
• 配置模板：references/config_templates.md

---

执行指导

智能体执行规范

1. 分步询问：每完成一步，询问用户是否继续下一步
2. 进度显示：执行脚本时，实时显示输出信息
3. 时间预估：长时间操作提前告知预估时间
4. 错误处理：失败时提供解决方案，询问是否重试

进度提示格式

========================================
[步骤 X/N] 正在执行：操作名称
========================================
⏳ 预计时间：X 分钟
📥 进度：正在下载/安装/配置...
✅ 完成：操作名称 完成

用户确认格式

========================================
即将执行：操作名称
========================================
说明：简要说明该操作的作用
影响：是否需要 sudo / 是否需要重启
时间：预计耗时

是否继续？(yes/no):

---

国内镜像源汇总

类型	镜像源	地址
GitHub	gh-proxy	https://gh-proxy.org/https://github.com/
HuggingFace	hf-mirror	https://hf-mirror.com
pip	清华	https://pypi.tuna.tsinghua.edu.cn/simple
conda	清华	https://mirrors.tuna.tsinghua.edu.cn/anaconda/
Docker	阿里云	https://mirrors.aliyun.com/docker-ce/
oh-my-zsh	Gitee	https://gitee.com/shmhlsy/oh-my-zsh-install.sh