SkillMIT
AMD Skills
AMD 官方技能目录，为 Agent 补充 AMD 硬件和软件栈的使用指导，涵盖本地 AI、模型部署与相关工程流程。
- 费用
- 技能采用 MIT；模型权重、产品依赖与云资源费用另计。
- 平台
- 未标注
- 共同场景
- 研究与数据、部署与运维
- 差异
- 面向 AMD 生态的知识与步骤，不适合直接当作 NVIDIA 或其他硬件的通用部署脚本。
vLLM 的替代品：8 个同类工具
面向大语言模型的高吞吐推理与服务引擎，支持连续批处理、前缀缓存、量化、分布式并行以及 OpenAI 兼容 API。适合部署自有模型服务的平台工程师和研究团队。
按场景可替代的工具
SkillApache-2.0
Elastic Agent Skills
Elastic 官方技能库，覆盖 Elasticsearch API、Kibana、可观测性与安全场景，为 Agent 提供贴近 Elastic 产品的操作知识。
- 费用
- 技能采用 Apache-2.0；Elastic 部署、产品功能许可与云服务收费各自核对。
- 平台
- 未标注
- 共同场景
- 研究与数据、部署与运维
- 差异
- 提供 Elastic 生态知识，不是独立日志平台；上游标注仍处于 Technical Preview。
SkillApache-2.0 / CC-BY-4.0（按文件）
NVIDIA Agent Skills
NVIDIA 官方技能目录，汇集 CUDA-X、模型与 RAG、仿真及平台工具等产品知识，帮助 Agent 使用 NVIDIA 生态软件。
- 费用
- 仓库同时包含 Apache-2.0 与 CC-BY-4.0 许可文件，各技能、软件、模型与服务条件需分别核对。
- 平台
- 未标注
- 共同场景
- 研究与数据、部署与运维
- 差异
- 这是从不同产品来源同步的技能目录，不应把其中所有技能视为相同依赖或相同硬件要求。
SkillApache-2.0
Hugging Face Skills
Hugging Face 官方 AI/ML 技能集合，覆盖 Hub 操作、数据集、模型训练与评估。
- 费用
- 仓库采用 Apache-2.0。Hub 的模型和数据集各有许可，云端 Jobs、GPU、Spaces 和推理服务可能产生费用。
- 平台
- 未标注
- 共同场景
- 研究与数据、部署与运维
- 差异
- 它把已有机器学习工具链组织成 Agent 可执行的步骤，不是免费 GPU 平台，也不自动保证训练结果。
工具MIT
Ollama
在本机运行和管理支持的模型，提供命令行、API 及应用集成入口。
- 费用
- Ollama 代码采用 MIT；模型权重、云端模型服务与计算资源分别有自己的许可和成本。
- 平台
- 未标注
- 共同场景
- 研究与数据、部署与运维
- 差异
- 负责模型运行与调用入口，不是现成的企业聊天门户；Open WebUI 可作为其上层交互界面之一。
SkillApache-2.0
Google Skills
Google 官方维护的 Agent Skills，聚焦云、数据与基础设施。
- 费用
- Apache-2.0 开源，技能本身免费；调用 Google Cloud 等服务按各自计费。
- 平台
- 未标注
- 共同场景
- 部署与运维
- 差异
- 官方把 Google 产品线拆成独立技能目录（cloud/developers/identity/ads），比通用技能包更贴近具体云服务的操作流程。
SkillMIT
Scientific Agent Skills
面向科研、文献、统计和科学写作的专业 Agent Skills。
- 费用
- MIT 开源，技能本体免费；技能里调用的数据源、模型与云服务按各家计费。
- 平台
- 未标注
- 共同场景
- 研究与数据
- 差异
- 以科研流程为中心组织技能（实验动作、数据库检索、学术幻灯片），比通用技能包更贴近论文与实验场景。
工具MIT
OpenHands
开放平台型软件开发 Agent，可运行任务、修改代码并提交结果。
- 费用
- MIT 开源，本体免费；模型调用按接入的提供方计费，自托管需自备算力。
- 平台
- 未标注
- 共同场景
- 部署与运维
- 差异
- 以「开发平台」而非「编辑器插件」的形态存在：Agent 在独立环境里跑完整任务并回传改动，适合批量化、可回放的自动化，而不是边写边补全。
怎么选
先看类型：Skill 是给编码 Agent 的指令与脚本，MCP 是给 Agent 接工具的服务端，工具本身则是可直接使用的产品。再看许可与费用——开源不等于免费托管，商业工具的先看免费额度与收费入口。最后看平台：CLI、IDE 插件、桌面应用的使用方式差别很大。
本站只做事实归纳，不评估哪一款「更好」；建议按上面的共同场景挑 2 个，各跑一个自己的真实任务再决定。