NVIDIA 开源 DOCA Agent Skills：给编码 Agent 真 API/硬件契约，65 题清单通过率 19%→100%

核心背景与行业痛点

通用编码 Agent 很擅长「看起来像对的」样板代码，但在 NVIDIA DOCA / BlueField 这类硬件绑定、API 面快速演进的基础设施栈上，模式匹配会变成持续纠错：编造不存在的函数与 flag、未先验设备能力、链接阶段才发现 pkg-config 错了、甚至在生产 DPU 上改固件参数却不做 preflight。每一次 Agent 幻觉都变成开发者的现场调试。NVIDIA 在 2026-10-01 技术博文 指出：缺机器可读契约时，Agent 只能靠泛化训练数据猜 DOCA。

架构亮点与底层机制

DOCA AI agent skills 以轻量开放格式（核心是 SKILL.md）把「资深 DOCA 开发者会查的事实」交给 Agent：真实 API 签名、硬件能力要求、构建容器约束、常见失败与缓解。技能按组件/工作流拆分（Flow、GPUNetIO、PCC、RDMA 等），不替代 Agent，而是提供可直接推理的规格。固件级变更场景下，skills 要求维护窗口、带外通路前提、回滚计划，并标明 mlxconfig 类写入需冷上电而非热重启才生效。仓库入口：NVIDIA/skills，可装入 Claude Code、Codex 及其他支持 Agent Skills 的工具。

权威 Benchmark 与实测跑分对比

无公开 SWE-bench 数字——以下均为 NVIDIA 博文披露的厂商自测，本稿不外推。65 个真实开发者提示、按必答清单打分：无 skills 时清单项仅 19% 满足，有 skills 时 100%；无 skills 高频失误包括 API/flag 误用 59/65、未验证硬件能力 46/65、错误工具路由 39/65、跳过冒烟 34/65、猜测版本 30/65。同任务侧写演示（BlueField-3 上用 DOCA 发真实 RDMA）：有 skills 手写代码 189 vs 695 行（−73%）、硬件命令 20 vs 37（−46%）。解读时注意：样本与评分由厂商定义，换模型/提示分布结果可能不同。

开发者实战落地与开箱指南

1. 打开 NVIDIA/skills 与 博文，按组件选择 Flow / GPUNetIO / RDMA 等 skills。
2. 按仓库说明安装到 Claude Code、Codex 或兼容 Agent Skills 的 CLI/IDE。
3. 先做能力探测再写代码：让 Agent 用 skills 核对 GPU-NIC 拓扑、GPUNetIO 支持与正确 API 面。
4. 编译链接问题优先走 pkg-config / 文档中的模块名，而不是让 Agent 盲猜 linker flag。
5. 生产 BlueField 固件参数变更：强制维护窗口、OOB、回滚与冷上电纪律；skills 降低失误率，不替代变更评审。