NVIDIA 于 2026 年 10 月 1 日公布 DOCA AI agent skills，针对 BlueField DPU 的 DOCA 开发，为通用 AI 代理提供一套较可靠的领域上下文。这些 skills 以轻量的 SKILL.md 格式组织，包含已验证的 API 签名、硬件能力要求、构建环境限制及常见失败模式，涵盖 DOCA Flow、GPUNetIO、PCC、RDMA 等组件。
NVIDIA 的核心论点是，通用代理即使懂得编程，也不一定知道某一个硬件平台真正支持什么。如果模型只依赖训练数据中的模式，它可能自行猜测函数名称、标志、容器版本或硬件功能，然后把错误留给开发者在编译、连接或真实设备上才发现。Skills 的作用，是把可供代理推理的契约和前置条件，放到工作流一开始。
为了量化差距，NVIDIA 以 65 个真实 DOCA 开发提示比较有没有加载 skills 的代理，按每个任务的 checklist 评分。官方表示，没有 skills 时，代理在 59 个提示误用 API 或标志、46 个提示没有验证硬件能力、39 个提示选错工具路径、34 个提示跳过 smoke test，30 个提示自行猜测版本；整体只符合 19% 的 checklist 项目，加载 skills 后则在这组测试中符合全部项目。这是 NVIDIA 自己设计的评估，不是独立基准或所有代理的普遍结论。
文章列出的另一个重点是高风险硬件操作。当任务涉及 live DPU 或 firmware-level 变更，skill 会要求代理先做 inventory 和 capability preflight，确认 out-of-band 路径、维护时段及 rollback 计划，并提醒某些变更要冷重启才会生效。这些要求并非让代理获得无限制的硬件控制，反而是把「先确认条件、再动手」写进代理的推理框架。
NVIDIA 也分享 side-by-side demo：在一个 BlueField-3 RDMA 应用任务中，加载 skills 的代理据称少写 73% 手工代码，使用的硬件指令少 46%。这种数字可以说明领域上下文可能减少试错，但它仍受提示、代理、任务设计及评分方式影响，不能直接推论所有硬件开发都会有相同收益。
这个发布对 AI agent workflow 的启示，是「上下文」开始由自然语言说明走向可验证的执行契约。Skills 可以把 API、平台能力、构建限制、测试及回滚要求放在同一个可版本控制的文件内，令代理知道什么可以做、什么要先查，以及何时应该停下来。不过，skill 本身也要维护、审查和测试，否则一份过时的 machine-readable 规格同样可能把错误扩大。
因此，DOCA agent skills 更适合被理解为一个降低猜测的 guardrail 层，而不是自动保证正确的魔法文件。团队仍要在实际硬件、固定版本和隔离环境中运行测试，保留变更记录，并把 live firmware 操作交给有权限和有人审批的流程。对领域专门的 agent 来说，让模型知道限制，往往与让模型知道答案同样重要。
