hf-cloud-python-env-setup
为 SageMaker / AWS 工作设置隔离的 Python 环境，使用正确的 Python 版本和最新的 boto3。只要将为 SageMaker 部署、训练作业或任何 AWS 自动化执行 Python 代码，就使用此技能——包括即将运行 `pip install`、即将调用 `boto3`、创建或激活虚拟环境，或用户要求“设置环境”时。切勿使用系统 Python，也切勿向其 `pip install`。始终隔离。此技能可防止最常见的失败模式：Python 版本错误、依赖冲突和 SDK 过旧。
机器翻译查看英文原文
Set up an isolated Python environment for SageMaker / AWS work, with the right Python version and current boto3. Use this skill whenever Python code will be executed for a SageMaker deployment, training job, or any AWS automation — including when about to run `pip install`, when about to invoke `boto3`, when creating or activating a virtualenv, or when the user asks to "set up the environment". Never use system Python and never `pip install` into it. Always isolate. This skill prevents the most common failure modes: wrong Python version, dependency conflicts, and stale SDKs.
适用对象：软件开发与测试。自动收录 · 待核查。
原作者说明节选
从固定版本的 SKILL.md 提取，保留原文语言。以下内容属于作者说明，本站尚未验证安装、兼容或运行结果。
查看英文原文
原文涵盖的主题
- Python Environment Setup for SageMaker
- Core rules
- boto3 vs the SageMaker SDK
- How to set up
- Verifying
- Deployment-specific extras
- Common pitfalls
Most SageMaker deployment failures that look like AWS problems are actually Python environment problems: wrong Python version, broken dependency resolution, stale SDK that doesn't know about a current API. This skill makes env setup boring and correct. 1. Never use the system Python. Always work inside an isolated environment. 2. Pin the Python version, not the package versions. Use 3.10, 3.11, or 3.12. Avoid 3.13+ — ML libraries lag on wheel availability and dependency resolution breaks in confusing ways. 3. Install the latest of each package. Don't defensively pin boto3 or awscli. Newer ones have current API surfaces and security fixes. Only pin if the user explicitly requires a specific version. 4. Check installed versions correctly. Use importlib.metadata.version("package-name"), never module.version. The latter is inconsistent across packages. 5. The bundled scripts use boto3 directly. The SageMaker Python SDK is a valid alternative — see "boto3 vs the SageMaker SDK" below. The bundled deploy scripts (deploy.py, deployasync.py, teardown.py) use boto3 directly and read image URIs from AWS's published Deep Learning Containers catalog. That fits this workflow's explicit-stages de
这里只展示节选，请以完整原文和当前要求为准。
- 来源仓库
- huggingface/skills
- 源文件
- skills/hf-cloud-python-env-setup/SKILL.md
- 固定版本
- 25910b3d0ba31a2ba102f901cdc9e008c278a69c
准备条件
- 本条仅收录原作者的技能元数据；请阅读完整说明，确认依赖、许可与使用条件。
第一件可以尝试的小事
先阅读原作者说明，再决定是否在自己的 AI 工具中使用。
对应 AI 工具说明
作者有说明不等于本站实机验证。没有证据时，不自动标为兼容、安全或免费。
来源与内容状态
本条为自动发现的元数据，尚未完成人工文档核查；适用性与运行结果待核查。
原作者：huggingface/skills · 原作者仓库元数据。文档核查：未核查。最近来源检查：2026-11-09T16:01:02.677Z。
分类由名称、说明与路径规则生成，分类不代表已核实适配。
许可与权利归属
Apache-2.0。第三方内容及版权归原作者，使用条件以原文为准。
许可原文 ↗本站没有因同步、复制或用户自报成功而将资源标为运行验证通过。
限制与注意事项
- 元数据收录不代表本站已经安装、适配、实测或进行安全审查。