SKILLEMALL.ai

BC exec-local-compile

Компилирует TensorRT-LLM на вычислительном узле внутри Docker-контейнера. Используйте это, когда вы уже находитесь на вычислительном узле с видимыми GPU.

машинный переводПоказать оригиналСкрыть оригинал«Compile TensorRT-LLM on a compute node inside a Docker container. Use…»

Compile TensorRT-LLM on a compute node inside a Docker container. Use this when already on a compute node with GPUs visible.

Разбор skillemall

Скилл обещает компилировать TensorRT-LLM прямо на вычислительном узле в Docker-контейнере, когда GPUs уже видны системе. В файлах — одна инструкция на 688 токенов без критических ошибок и проблем с ссылками. Оценки: качество 85, процесс 63, безопасность 100.

Проблема в том, что скилл никогда не запускался на реальных моделях и в песочнице. Неизвестно, работает ли он с актуальными версиями TensorRT-LLM, справляется ли с зависимостями и сколько времени занимает компиляция. Для узкой задачи — если вы уже на compute node с NVIDIA GPU и нужна именно локальная компиляция — может пригодиться. Для остального — риск потратить время на отладку чужого скрипта.

NVIDIA/TensorRT-LLM Agent Skills автор: NVIDIA NOASSERTION 1 файл тело ≈ 688 токенов Открыть источникgithub.com↗ проанализирован 5 дн назад

Компилирует TensorRT-LLM на вычислительном узле внутри Docker-контейнера.

Как процесс C 63/100 · Есть пробелы — слабые места: результат и критерий готовности, повторный запуск, отчётность по ходу

ПроцедураDockerРазработкатип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
94/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
85
Прогон на моделях
не было
Процессный рейтинг
C
63/100
Есть пробелы
Результат и критерий готовности вес 14
0
Отчётность по ходу вес 2
0
Повторный запуск вес 4
30
три самых слабых из десяти параметров · все десять

Как улучшить

    Для прогона на моделях — необязательно
    • Свои кейсы (evals/evals.json, 4–6 реальных запросов с ожидаемыми ответами): тогда полная проверка прогонит именно их, а не черновик от модели.
    • spec.yaml с триггерными фразами и утверждениями — контракт поведения для CI; `skilltest init` создаст шаблон.

    Находки guard · 0

    ✓ Критических и высоких находок нет

    Просканировано файлов: 1. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

    По спецификации Agent Skills

    ✓ По спецификации Agent Skills замечаний нет

    Процессный рейтинг: все десять параметров 63/100

    • 0Результат и критерий готовности. Не сказано, что считать результатом
    • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
    • 30Повторный запуск. Изменяющих операций: 1, без проверки текущего состояния
    • 55Ошибки и развилки. Развилок: 1
    • 60Инструменты и файлы. Используются инструменты (bash, node), но во frontmatter они не объявлены
    • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
    • 70Входы и предусловия. Входные данные и предусловия перечислены
    • 100Шаги. Шагов: 7
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 688 токенов

    Всё перечисленное измерено по тексту скилла, а не оценено моделью: цифры проверяемы. Вес параметра тем больше, чем чаще из-за него процесс встаёт.

    Сигналы качества

    • +5В description нет примеров фраз, по которым скилл должен срабатывать
    • +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
    • +3Формат ответа не описан: модель каждый раз решает сама
    • +2Инструкции на одном языке
    • +3Длина description 124 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 13 заголовков
    • +3Пошаговые инструкции: 7 пунктов
    • +4Есть примеры (4 блоков кода)
    • +1Лицензия указана

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 85.