NVIDIA 發布 DOCA Agent Skills，改善 BlueField 基礎架構開發

NVIDIA 已在 GitHub 發布一組 DOCA AI agent skills，旨在協助程式編寫代理為 NVIDIA BlueField 資料處理單元建置應用程式，減少不受支援的 API 呼叫與硬體相關錯誤。這項措施針對的是一個範圍狹窄但影響重大的問題：通用型 AI 程式編寫代理往往缺乏基礎架構軟體所需的裝置專屬知識。

這個 skills 套件為代理提供 NVIDIA DOCA 軟體平台各部分的 API、硬體能力、建置需求與部署限制等結構化資訊。NVIDIA 表示，當開發者為 BlueField 系統建置網路、儲存、安全性與遙測應用程式時，這種方法可以減少修正週期。

BlueField 開發者的變化

NVIDIA DOCA 是 NVIDIA 用於在 BlueField DPU 上開發應用程式的軟體平台。它涵蓋加速網路、面向 AI 的儲存、晶片內建安全性、遙測與生命週期管理等功能。新的 DOCA AI agent skills 旨在為程式編寫代理提供比單靠一般訓練資料更可靠的技術基礎。

每個 skill 都以 SKILL.md 檔案為核心，採用輕量且開放的格式提供。NVIDIA 表示，這些檔案包含經驗證的 API 簽章、硬體能力需求、建置容器限制、套件名稱與已知故障模式。Skills 的範圍限定於特定 DOCA 元件或工作流程，而不是作為單一廣泛的指令集呈現。

例如，DOCA Flow 的 skill 可以提供正確的函式簽章與 pkg-config 模組名稱，同時告知代理適用的建置條件與常見緩解措施。NVIDIA 表示，這些 skills 涵蓋更廣泛的 DOCA 函式庫，包括 DOCA Flow、GPUNetIO、PCC 與 RDMA。

這些檔案不會取代程式編寫代理本身。NVIDIA 將它們描述為一個機器可讀的領域知識層，讓代理在產生或部署程式碼之前，能將其提出的程式碼與相關軟體及硬體限制進行比對。

NVIDIA 的評估顯示巨大差距，但這是供應商自行報告的結果

NVIDIA 以 65 個 DOCA 開發提示測試代理，範圍從簡短問題到包含多項要求的實作任務。公司根據每項任務專用的通過／失敗檢查清單評估回應。

在 NVIDIA 的評估中，未使用 skills 的代理滿足了 19% 的檢查清單項目，而使用 skills 的代理在全部 65 個提示中達到 100%。公司表示，不受支援的函式、錯誤旗標與無效映像標籤，是未經輔助的回應中反覆出現的問題。NVIDIA 報告稱，API 誤用出現在 65 個提示中的 59 個。

這些數字顯示，為代理提供權威且結構化的專業脈絡，可能對專業基礎架構工作具有價值。不過，這些數字應被視為 NVIDIA 自己的基準測試，而不是對所有程式編寫代理或 DOCA 工作流程的獨立評估。來源材料沒有列出測試中使用的所有模型、代理設定、評分細節或外部審查者，因此目前還不能確定這些 skills 在不同工具與正式生產環境中的表現。

NVIDIA 也展示了一項並列比較，內容是在 BlueField-3 系統上執行的 Go 型 RDMA 應用程式。公司表示，使用 skills 的代理比未使用 skills 的代理少需要 73% 的手寫程式碼，以及 46% 的硬體指令。這同樣是供應商根據示範所報告的結果，而不是一般性的生產力研究。

為什麼細節對基礎架構團隊很重要

NVIDIA 所處理的問題，在基礎架構開發中比許多應用程式層級的程式編寫任務更嚴重。虛構的函式可能在傳統軟體專案中產生明顯的編譯錯誤。在 DPU 上，錯誤假設還可能涉及裝置支援、韌體狀態、容器相容性、連結組態，或需要重新啟動及電源循環的變更。

NVIDIA 表示，這些 skills 允許代理在撰寫程式碼前驗證裝置支援狀況，並在進行韌體層級變更前執行預檢查。它們也可以協助規劃回復，並納入需要完整斷電再重新上電的情況。對於無法將實體基礎架構視為可無限重複的開發環境的團隊而言，這些檢查很重要。

對開發者而言，實際效益不只是產生較少行程式碼。更大的潛在收益是減少代理第一次回答與真實硬體上可運作的應用程式之間的週期數。建置 DOCA Flow 管線的網路工程師，或設定主機到 DPU 工作流程的 RDMA 開發者，可能少花時間修正虛構的介面，多花時間驗證行為。

然而，對企業買家來說，skills 並不會消除測試、存取控制或人工審查的必要性。機器可讀的 API 描述可以改善代理的起點，但無法保證產生的程式碼對正式生產網路是安全的、與特定韌體版本相容，或適合某項部署的安全政策。

開放 skills 作為發布策略

NVIDIA 透過 NVIDIA/skills GitHub 儲存庫提供 DOCA skills，讓開發者能夠直接檢視並搭配偏好的 AI 程式編寫工具使用這些材料。以儲存庫為基礎的模式也為指引提供了演進路徑，使其能隨著 DOCA 介面、支援硬體與建置環境的變化而更新。

這種發布選擇很重要，因為專業基礎架構代理只有在其指令持續與所操作的軟體保持一致時才有用。NVIDIA 對這些 skills 的說明強調經驗證的契約與硬體需求，而非廣泛的對話能力。隨著 BlueField 平台與 DOCA 元件持續發展，維持這種準確性將至關重要。

這項公告也反映 AI 輔助開發的一個更廣泛方向：供應商不再期待通用模型記住每個專業系統，而是將領域脈絡封裝起來，讓代理在執行任務時載入。在這個案例中，領域不是消費者應用程式框架，而是一個錯誤假設可能延遲部署的硬體與軟體堆疊。

接下來值得觀察的事項

第一個訊號是 NVIDIA 以外的開發者能否在不同程式編寫代理、模型與 DOCA 版本中重現所報告的改善。獨立評估應能釐清 19% 對 100% 的檢查清單差距，是否能在 NVIDIA 的提示集之外成立。

團隊也應觀察儲存庫追蹤 BlueField 硬體、韌體、容器映像與 API 行為變化的速度。過時的 skills 可能重新引入它們原本要降低的相同可靠性問題。

第三個訊號是完整工作流程中的採用，而不只是示範。若有證據顯示 skills 不僅能協助初始程式碼產生，也能支援測試、除錯、回復與正式生產部署，就能判斷它們是否除了降低開發者負擔，也降低營運風險。

Creati.ai 觀點

NVIDIA 的發布是針對通用型程式編寫代理真實限制的具體回應：語言流暢不等於對專業硬體平台具備準確知識。透過以結構化格式呈現 API 與裝置限制，NVIDIA 試圖讓代理協助更接近工程工具，而不是停留在產生看似合理的程式碼。

最強烈的主張仍由供應商掌握，而 skills 的價值將取決於維護、獨立測試，以及與部署防護措施的整合。不過，這種方法仍為基礎架構供應商提供了實用範本：向代理提供具版本管理、機器可讀的操作知識，而不是依賴模型從一般訓練資料中推斷關鍵細節。