airunway-aks-setup：从裸机集群到运行中模型，自动完成AKS上的AI Runway部署

⚙️ 主要功能：六步流水线把 AKS 变成模型推理平台

airunway-aks-setup 是微软 azure-skills 仓库下的一个官方 Agent Skill，定位非常具体：把一个已有的 AKS 集群，从裸机状态一路带到能跑推理的模型服务状态。它不负责创建集群，也不处理模型训练，只专注“AI Runway 的上手”这一段。

整个流程被拆成六个有序步骤，每一步都有明确的检查点和输出。

第一步，集群验证。检查当前的 Kubernetes context 是否正确、节点清单是否完整、GPU 是否可被识别。这一步的输出是集群状态的健康报告，节点缺失或 GPU 检测失败会在这里被标记出来。

第二步，控制器安装。部署 AI Runway 的 CRD（自定义资源定义）和控制器。控制器是后续所有模型部署操作的执行入口，没有它，AI Runway 的资源对象无法被集群识别和处理。

第三步，GPU 评估。检测集群中 GPU 的具体型号，并标记出 dtype 和 attention 层面的约束。不同类型的 GPU 在推理框架里有不同的精度支持和显存限制，这一步的评估结果会直接影响后续推理 provider 的选择。

第四步，推理 provider 安装。技能内置了三个 provider 供选择，根据集群的 GPU 配置和推理负载特征来推荐。

第五步，首次模型部署。从可用模型中选择一个，通过 AI Runway 部署到集群上。这一步会实际拉起推理服务，验证整个链路是否打通。

第六步，汇总报告。输出完整的部署状态，包括每一步的执行结果、遇到的错误和最终的服务地址。

这个技能还有一个实用的设计：支持从任意步骤恢复。如果部署中途因为网络或配置问题中断了，不需要从头再来一遍。告诉 AI 助手 skip-to-step N，N 是步骤编号（1 到 6），它就会从指定的步骤继续。[reference:5]

成本方面有一个需要提前知道的点：GPU 节点池的费用不低。A100-80GB 的实例每小时可能在 3 到 5 美元甚至更高。技能在执行涉及 GPU 资源的步骤之前，会输出成本提醒，确认用户了解费用影响后再继续。

🛠️ 第一次安装和使用

安装方式取决于你使用的 AI 助手环境。

通过 npx 安装（推荐）：

npx skills add https://github.com/microsoft/azure-skills --skill airunway-aks-setup

这条命令会把技能安装到支持 skills 格式的 Agent 环境中。[reference:7]

手动安装到 Claude Code：

从 GitHub 下载 azure-skills 仓库的压缩包，解压后将 skills/airunway-aks-setup 目录放到 ~/.claude/skills/ 下。技能会在下一次会话中被自动发现。[reference:8]

安装之前需要确认几件事。本地需要装好 kubectl、make 和 curl 这三个命令行工具，技能的所有集群操作都直接通过 kubectl 和 make 执行，不依赖任何外部 MCP 工具。你还需要一个已经存在的 AKS 集群。如果还没有，需要先用 azure-kubernetes 技能创建一个带 GPU 节点池的集群（除非你接受 CPU-only 推理），再回到这个技能继续。

使用的时候不需要记特殊命令。在 AI 助手的对话里说“帮我在这个 AKS 集群上设置 AI Runway”或者“部署一个模型到 AKS”，技能就会被触发。[reference:11]它会按六步顺序推进，每一步完成之后报告状态，涉及安装或部署操作时会先请求确认，确认后才实际执行。

🎯 可以达到的效果

跑完整个流程之后，你会得到一个已经在 AKS 上运行起来的模型推理服务。不是配置文件，不是待执行的脚本，而是一个可以通过 API 调用的推理端点。

具体来说，AI Runway 控制器会以 Kubernetes 原生的方式管理模型部署——你可以在 kubectl get pods 里看到推理服务的 Pod，通过 Service 暴露端点，用标准的 Kubernetes 工具做扩缩容和监控。推理 provider（KAITO、Dynamo 或 KubeRay）负责底层的 GPU 调度和请求处理。

另一个实际的效果是流程的可重复性。这套六步流程是标准化的，换一个集群、换一个模型，操作路径基本一致。团队里其他人拿到同样的技能和集群，可以走同样的步骤得到类似的结果，不需要每个人自己摸索 kubectl 命令和 YAML 配置。

📋 主要应用场景

ML 平台团队的集群初始化。当团队拿到一个新的 AKS 集群，需要快速把它变成能跑推理的环境，这个技能提供了一条标准化的路径。六步流程走完，推理服务就跑起来了，不需要手动查文档配 CRD 和控制器。[reference:13]

从 CPU 推理到 GPU 推理的迁移验证。技能支持 CPU-only 路径（通过 KAITO 或其他 provider），也支持 GPU 路径。如果团队正在评估是否引入 GPU 节点池，可以先用 CPU 路径跑通流程，再切到 GPU 路径做对比。

多 provider 的快速切换测试。KAITO、Dynamo、KubeRay 三个 provider 各有侧重。技能可以在第四步帮你安装选定的 provider，后续如果要换，重新走第四步之后的流程即可。这比手动卸载再安装要清晰得多。

教程和演示环境的搭建。做 AI 推理的培训或演示时，需要在一个干净集群上快速还原一套可用的推理环境。技能的六步流程自带状态检查和确认机制，适合作为演示脚本使用。

部分完成的部署恢复。部署到一半因为网络超时或权限问题中断了，用 skip-to-step 从中断的步骤继续，不需要重头开始。

💡 使用帮助和常见问题

确认集群上下文正确。技能的第一步就是检查 Kubernetes context。如果你本地有多个集群的 kubeconfig，务必在执行前确认当前 context 指向的是目标集群。指向错误会导致控制器被部署到不该部署的地方。

GPU 评估的结果要认真看。第三步的输出会标记 GPU 型号和 dtype/attention 约束。如果评估结果提示某个 GPU 型号不支持你打算用的模型精度（比如 FP16 或 BF16），需要调整模型选择或推理配置，不要跳过这一步直接部署。

成本提醒不是走过场。GPU 节点池按小时计费，A100-80GB 可能每小时 3 到 5 美元。技能在涉及 GPU 资源的步骤前会提醒，目的是让你确认费用可接受。如果只是做功能验证，优先考虑 CPU-only 路径。

步骤中断后的恢复。告诉 AI 助手 skip-to-step 4 这类指令，它就会从第四步开始。已经完成的步骤（1 到 3）会被假定为已完成状态，不会重复执行。

和 azure-kubernetes 技能的配合。如果你还没有 AKS 集群，先用 azure-kubernetes 技能创建集群和 GPU 节点池，再回到这个技能。两个技能是上下游关系，不是替代关系。

🔍 和一个类似技能的对比

Azure Skills 生态里有一个 azure-deploy 技能，两者容易混淆，但定位完全不同。

azure-deploy 处理的是“已经准备好的应用的部署”。它要求项目里已经有 .azure/deployment-plan.md 和基础设施文件，然后执行 azd up、azd deploy、terraform apply 这类命令，把应用推到云上。它不关心你的应用是不是 AI 推理服务，也不处理 GPU 评估和推理 provider 的选择。[reference:17]

airunway-aks-setup 处理的是“在 AKS 上从零搭建 AI 推理平台”。它的起点是一个已有的 AKS 集群（或者需要先创建的集群），终点是一个跑起来的模型推理服务。中间涉及的所有操作——CRD 安装、GPU 检测、推理 provider 选择、模型部署——都是 AI 推理场景特有的，azure-deploy 不会覆盖这些。

简单判断：如果你的应用是普通的 Web 服务或微服务，要部署到 Azure，用 azure-deploy。如果你要在 AKS 上跑模型推理，需要有人帮你把 AI Runway 的整套基础设施装好，用 airunway-aks-setup。两者不是竞争关系，在同一个项目里可能先后用到——先用 airunway-aks-setup 把推理平台搭起来，再用 azure-deploy 部署依赖这个推理服务的应用。

🤖 适合哪些 AI 工具

这个技能是微软官方维护的 azure-skills 包中的一员，官方明确支持的 AI 助手包括：

• GitHub Copilot for Azure：在 VS Code 里通过 Azure MCP 扩展使用，是微软主推的组合方式
• Claude Code：手动将技能目录放入 ~/.claude/skills/ 即可使用
• Visual Studio Code + Azure MCP 扩展：通过 MCP 客户端加载技能
• 其他兼容 MCP 客户端的 AI 助手：只要支持 skills 格式或 MCP 客户端协议，都可以加载

技能本身不依赖任何 MCP 工具，所有集群操作通过 kubectl 和 make 直接执行。这意味着即使你的 AI 助手环境没有配置复杂的 MCP 工具链，只要本地有这两个命令行工具，技能就能正常工作。

📌 一句话总结

airunway-aks-setup 做的是把“在 AKS 上部署第一个 AI 模型”这件事，从一堆零散的 kubectl 命令和 YAML 配置，压缩成六步可确认、可恢复、可重复的标准流程。如果你手头有 AKS 集群，需要快速验证或搭建模型推理能力，这个技能省掉的是查文档、配 CRD、选 provider 的那段摸索时间。