利用AI智能体与AIP互动¶
SkyForm AIP的安装、配置、和使用都可以由AI智能体完成。如果使用本地部署的大模型，可以在没有公网访问的情况下完成所有的工作。
SkyForm AIP提供了一系列预定义的技能，AI智能体可以通过调用这些技能来完成任务。以下以使用OpenCode和ClaudeCode智能体为例说明安装、配置和使用过程。 其他智能体的操作类似。
警告
AI大模型和智能体有概率会犯错，在与其互动式密切关注他所执行的每个动作，对于修改集群的操作需格外小心。建议以查询类的操作为主。
OpenCode¶
安装OpenCode¶
在一台有互联网连接的Linux机器上。
执行以下命令:
curl -fsSL https://opencode.ai/install | bash
opencode可执行文件被安装在: ~/.opencode/bin/opencode。
或者直接从github上下载：https://github.com/anomalyco/opencode/releases，最新版本如：opencode-linux-x86.tar.gz。
解压出opencode可执行文件。
把opencode可执行文件拷贝到用户的登录主机上任何一个PATH环境变量指定的目录中，例如: /usr/local/bin/opencode:
scp ~/.opencode/bin/opencode internal-node:/usr/local/bin/opencode
安装SkyForm AIP智能体技能¶
备注
像OpenCode这样的智能体没有系统级的全局配置，每个用户需要自行修改配置。 安装技能需要每个用户自行完成。
下载skills文件:
wget https://skyformaip.com/aip/skyformaip-skills.tar.gz scp skyformaip-skills.tar.gz internal-node:/tmp
用户启动opencode，opencode在用户的home目录中生成.config/opencode目录。
用户安装:
mkdir -p ~/.config/opencode/skills tar xfz /tmp/skyformaip-skills.tar.gz -C ~/.config/opencode/skills
备注
若需要AI智能体帮助安装、配置AIP，则以root身份启动opencode。
检查技能安装的情况¶
Ctrl-D退出opencode，然后重新运行。在对话框里输入：/skills，回车后可以看到SkyForm AIP的技能。
使用例子¶
安装单节点AIP集群
在opencode对话框中输入：Install SkyForm AIP on the local machine.
回车后，opencode开始工作。整个过程中，需要用户提供SkyForm AIP包的下载URL，或者文件路径，以及确认对一些目录的读写权限。
安装完成后，会自动检测AIP服务的状态。
检查作业状态
提示词例子：
结果：
提交作业参数
opencode使用本地模型¶
在每个用户的~/.config/opencode目录一下生成opencode.json，配置模型。例子（本地Ollama启动的Qwen模型）:
cat <<EOF > ~/.config/opencode/opencode.json
{
"$schema": "https://opencode.ai/config.json",
"provider": {
"ollama": {
"npm": "@ai-sdk/openai-compatible",
"name": "Ollama local",
"options": {
"baseURL": "http://192.168.0.200:11434/v1"
},
"models": {
"qwen3.6:35b-a3b": {
"name": "Qwen 3.6 35B (Local)"
}
}
}
}
}
EOF
在opencode里用ctrl-P弹出菜单，然后选择switch models，或者输入”/models”, 选择需要使用的模型。
警告
本地模型需要25B以上。若模型太小，则无法给智能体提供足够的只能完成所需的任务。
Free ClaudeCode¶
官方的ClaudeCode只支持Anthropic的模型。Free ClaudeCode (https://github.com/Alishahryar1/free-claude-code)把任意的模型，包括本地模型的能力路由给ClaudeCode。
这个软件需要在有互联网访问的环境中使用。每个用户根据以上github软件主页上的说明自行安装。安装配置后，把skyformaip-skills.tar.gz解压到~/.claude/skills目录下:
mkdir -p ~/.claude/skills
tar xfz /tmp/skyformaip-skills.tar.gz -C ~/.claude/skills
这样就可以使用了。
本地最小模型部署例子¶
本地部署模型需要最小16GB显存的GPU，这里以RTX5060ti为例。
确保GPU驱动已经安装:
$ nvidia-smi Wed Jun 10 11:00:43 2026 +-----------------------------------------------------------------------------------------+ | NVIDIA-SMI 595.71.05 Driver Version: 595.71.05 CUDA Version: 13.2 | +-----------------------------------------+------------------------+----------------------+ | GPU Name Persistence-M | Bus-Id Disp.A | Volatile Uncorr. ECC | | Fan Temp Perf Pwr:Usage/Cap | Memory-Usage | GPU-Util Compute M. | | | | MIG M. | |=========================================+========================+======================| | 0 NVIDIA GeForce RTX 5060 Ti Off | 00000000:01:00.0 On | N/A | | 0% 24C P8 4W / 180W | 10MiB / 16311MiB | 0% Default | | | | N/A | +-----------------------------------------+------------------------+----------------------+ +-----------------------------------------------------------------------------------------+ | Processes: | | GPU GI CI PID Type Process name GPU Memory | | ID ID Usage | |=========================================================================================| | No running processes found | +-----------------------------------------------------------------------------------------+
下载和安装ollama。在https://github.com/ollama/ollama/releases中下载最新的：ollama-linux-amd64.tar.zst:
zstd -d ollama-linux-amd64.tar.zst # 解压 tar xf ollama-linux-amd64.tar -C /usr # 安装 useradd ollama # 添加本地用户ollama # 生成服务 cat << EOF > /lib/systemd/system/ollama.service [Unit] Description=Ollama Service After=network-online.target [Service] ExecStart=/usr/bin/ollama serve User=ollama Group=ollama Restart=always RestartSec=3 Environment="PATH=$PATH" Environment="OLLAMA_HOST=0.0.0.0" Environment="OLLAMA_CONTEXT_LENGTH=131072" # 128K上下文 [Install] WantedBy=multi-user.target EOF # 启动服务 systemctl daemon-reload systemctl enable --now ollama # 检查 ollama --version
(或者）在多GPU环境中，可以用AIP来分配一个GPU启动Ollama:
csub -R "rusage[gpu=1]" -env "OLLAMA_HOST=0.0.0.0,OLLAMA_CONTEXT_LENGTH=131072" /usr/bin/ollama serve
下载模型(Qwen 3.6 35B):
ollama pull qwen3.6:35b-a3b
测试:
ollama run qwen3.6:35b-a3b >>> Hello, who are you? Thinking... Here's a thinking process: 1. **Analyze User Input:** - User says: "Hello, who are you?" - This is a straightforward greeting and identity question. 2. **Identify Key Requirements:** - Acknowledge the greeting - State my identity clearly - Keep it concise and friendly - Match the tone (casual/helpful) 3. **Formulate Response:** - Greet back: "Hello!" - State identity: "I'm Qwen, a large language model developed by Alibaba Group's Tongyi Lab." - Offer help: "How can I assist you today?" - Keep it natural and aligned with the provided information. 4. **Check Against Guidelines:** - Identity: Qwen / Tongyi Qianwen (both acceptable, I'll stick to Qwen as primary) - Developer: Alibaba Group's Tongyi Lab (correct) - Tone: Helpful, honest, concise - No extra fluff or version numbers All good. 5. **Draft Response:** Hello! I'm Qwen, a large language model developed by Alibaba Group's Tongyi Lab. How can I help you today?✅ ...done thinking. Hello! I'm Qwen, a large language model developed by Alibaba Group's Tongyi Lab. How can I assist you today? >>> ^D
测试成功。参考opencode里配置本地模型的方法配置连接，或者在Free ClaudeCode的GUI中配置Ollama URL http://<ollma_ip>:11434。