新手实战如何快速让编码代理用 NVIDIA Agent Skills 的 cuOpt 技能解决线性规划问题【免费下载链接】skillsAgent Skills for NVIDIA products — install into Claude Code, Codex, and other coding agents to run Physical AI, robotics, simulation, CUDA, and RAG workflows end to end.项目地址: https://gitcode.com/gh_mirrors/skills36/skillsNVIDIA Agent Skills仓库地址gh_mirrors/skills36/skills是一套面向 Claude Code、Codex 等编码代理的官方技能目录安装后就能让 AI 助手替你跑通 Physical AI、CUDA、RAG 等工作流。本教程聚焦其中最受数据与运营人员欢迎的一族——cuOpt 线性规划技能你只需用一句自然语言描述生产多少产品最赚钱编码代理就会自动调用 NVIDIA cuOpt 的 GPU 加速求解器帮你完成建模、求解与结果解读。零基础也能在 5 分钟内上手 ⚡一、为什么值得让编码代理来解线性规划线性规划LP是运筹学最经典的应用产量分配、排班、物流成本、投资组合……传统做法要手写数学模型、选求解器、调 API门槛不低。而这套官方技能的价值在于会选接口自动判断你该用 Python、C 还是 CLI并引导你走对路径会建模把工厂产能 200 台必须满足全部订单这类大白话翻译成决策变量、约束和目标函数⚡GPU 加速cuOpt 在 GPU 上求解大规模问题比传统 CPU 求解器更快官方验证技能由 NVIDIA 维护遵循 Agent Skills 规范可安全装入多个编码代理cuOpt 技能族共 6 个技能覆盖安装、建模、求解、车辆路由和服务端部署目录定义见 components.d/cuopt.yml技能名作用cuopt-install一键安装 cuOptpip / conda / Dockercuopt-numerical-optimization-formulation教代理把问题文字翻译成 LP/MILP/QP 模型cuopt-numerical-optimization-api指导 Python、C、CLI 三种接口求解cuopt-routing-api-python车辆路径规划VRPPython APIcuopt-server-api-python把 cuOpt 部署成 REST 服务cuopt-multi-objective-exploration多目标优化探索二、最快安装步骤一条命令装好 cuOpt 技能只需 Node.js 环境带 npx无需克隆仓库、手动拷贝文件夹。1. 交互式安装推荐新手npx skills add nvidia/skillsCLI 会列出所有技能选cuopt-numerical-optimization-api并选择安装目标即可。2. 免交互安装知道技能名时npx skills add nvidia/skills --skill cuopt-numerical-optimization-api --yes3. 指定编码代理用--agent精确投放到某个代理可多次叠加npx skills add nvidia/skills --skill cuopt-numerical-optimization-api --agent claude-code --agent codex 安装完成后在 Claude Code 中执行/reload-skills即可在当前会话生效。技能会持续更新运行npx skills update就能同步最新修订更多细节见 docs/advanced-install.mdx。三、实战演练一句话让代理求解生产规划 LP 问题安装好技能后直接在编码代理里输入一句大白话例如帮我解决一个线性规划问题工厂生产两种产品单位利润分别是 40 元和 30 元。产品 x 每单位耗 A 资源 2 个、B 资源 4 个产品 y 各耗 3 个和 2 个。A 资源共 120 个B 资源共 100 个。求最大利润的产量方案。代理会依据技能内置的方法论自动完成四步识别问题类型目标与约束都是线性的、变量可为小数 → 判定为 LP求解最快、最优性保证最强确定决策变量x、y 为连续变量下界 0建立约束2x 3y ≤ 120、4x 2y ≤ 100调用 cuOpt Python API 求解并输出目标值与最优解这套变量→约束→目标的建模规则就写在 skills/cuopt-numerical-optimization-api/SKILL.md 中Python 接口的完整 API 说明含 LP/MILP/QP 示例在 skills/cuopt-numerical-optimization-api/references/python_api.md。一个常见坑QP二次规划只支持最小化。如果你的目标是最大化收益代理会自动帮你取负后最小化再把结果取负还原——这正是技能里maximization_workaround示例演示的套路见 skills/cuopt-numerical-optimization-api/assets/python/ 下的示例目录。四、LP、MILP、QP 到底怎么选技能内置了一张判断速查表代理会先帮你对号入座目标函数变量类型应选类型线性全连续LP优先线性含整数/0-1MILP排班、开关、选址含 x²、x·y 项连续QPbeta仅最小化一句话口诀来自技能的Integer vs Continuous规则多少个东西→ 整数变量多少数量→ 连续变量。比如开几家工厂是 MILP 的 0-1 决策生产多少吨则是连续变量。完整的概念解析含对偶值、灵敏度分析何时可用在 skills/cuopt-numerical-optimization-formulation/SKILL.md。五、求解结果不理想技能自带排错表现象常见原因技能给出的解法Infeasible不可行约束互相矛盾检查约束逻辑与边界Unbounded无界变量缺上界补上变量边界求解太慢问题规模大设置time_limit、放宽mip_relative_gap如果代理求解后状态不是Optimal它会按上表自动定位问题并给出修改建议而不是直接把报错丢给你。六、延伸阅读让代理解锁更多 cuOpt 能力装环境cuopt-install技能会自动确认你的 GPU 架构Volta 及以上、CUDA 版本并选对 pip/conda 安装方式避免版本冲突规则见 skills/cuopt-install/SKILL.md车辆路径安装cuopt-routing-api-python让代理帮你排最优配送路线服务端部署cuopt-server-api-python教你把求解器跑成 REST 服务任何语言都能调用技能总目录仓库根目录 README.md 的 Skill Catalog 表格列出了全部产品线的技能与安装方式总结NVIDIA Agent Skills 把 cuOpt 官方求解经验打包成了编码代理能读懂的操作手册——你负责描述业务问题代理负责建模与求解。现在就用一条npx skills add命令试试下一个被你一句话解掉的可能就是排班表和配送路线 【免费下载链接】skillsAgent Skills for NVIDIA products — install into Claude Code, Codex, and other coding agents to run Physical AI, robotics, simulation, CUDA, and RAG workflows end to end.项目地址: https://gitcode.com/gh_mirrors/skills36/skills创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考