SKILLEMALL.ai
GitHub ↗ EN Войти

CC trtllm-serve-config-guide

Генерирует исходный стартовый YAML `trtllm-serve --config` для базового агрегированного одноузлового обслуживания PyTorch, соответствующий проверенным конфигурациям TensorRT-LLM и документации по развертыванию. Сохраняет явные цели по задержке / балансу / пропускной способности. Исключает дисагрегированные, многоузловые и не-MTP спекулятивные конфигурации.

машинный переводПоказать оригиналСкрыть оригинал«Generate a source-backed starting `trtllm-serve --config` YAML for bas…»

Generate a source-backed starting `trtllm-serve --config` YAML for basic aggregate single-node PyTorch serving, aligned with checked-in TensorRT-LLM configs and deployment docs. Preserves explicit latency / balanced / throughput objectives. Excludes disaggregated, multi-node, and non-MTP speculative configs.

Разбор skillemall

Скилл генерирует стартовый YAML для trtllm-serve с конфигурацией single-node PyTorch. Обещает выровнять параметры под задачи latency, balanced и throughput, опираясь на проверенные TensorRT-LLM конфиги. В папке два файла, скриптов нет. Проверки показали: качество 64%, процесс 50%, безопасность 100%. Есть проблема — broken_references_missing_files вернула true, значит, в YAML могут быть ссылки на несуществующие файлы или конфиги. Критических находок не было, но это не гарантирует, что сгенерированный конфиг запустится без правок.

Ставить, если вы готовы проверить пути в выходном YAML перед запуском. Для production-среды придётся валидировать вручную.

NVIDIA/TensorRT-LLM Agent Skills автор: NVIDIA NOASSERTION 2 файла тело ≈ 1 211 токенов Открыть источникgithub.com↗ проанализирован 5 дн назад

Генерирует исходный стартовый YAML trtllm-serve --config для базового агрегированного одноузлового обслуживания PyTorch, соответствующий проверенным…

Как процесс C 50/100 · Есть пробелы — Скилл ссылается на файлы, которых нет в архиве: examples/llm-api/, examples/configs/, examples/configs/database/lookup.yaml

ГенераторИнфраструктураИИ и агентытип и темы размечены автоматически по тексту скилла
Запускается в: Claude / Claude Code ChatGPT / Codex Gemini CLI Cursor GitHub Copilot / VS Code Qwen Code Kimi Code CLI Z.ai (GLM) DeepSeek (Deep Code) Mistral Vibe LangChain (deepagents) OpenClaw Goose OpenCode
JSON
Технический рейтинг
C
86/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
64
Прогон на моделях
не было
Процессный рейтинг
C
50/100
Есть пробелы
Скилл ссылается на файлы, которых нет в архиве: examples/llm-api/, examples/configs/, examples/configs/database/lookup.yaml
Инструменты и файлы вес 18
0
Входы и предусловия вес 11
0
Отчётность по ходу вес 2
0
три самых слабых из десяти параметров · все десять

Как улучшить

  1. Скажите в description, КОГДА применять скилл («используй, когда…», примеры запросов): это главный сигнал для агента.
  2. В тексте есть ссылки на отсутствующие файлы: добавьте файлы или уберите ссылки.
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: 2. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • предупреждение description-no-when description не говорит, КОГДА применять скилл (нет "use when / используй когда")
  • предупреждение missing-ref ссылка на отсутствующий файл: examples/llm-api/
  • предупреждение missing-ref ссылка на отсутствующий файл: examples/configs/
  • предупреждение missing-ref ссылка на отсутствующий файл: examples/configs/database/lookup.yaml
  • предупреждение missing-ref ссылка на отсутствующий файл: examples/configs/curated/lookup.yaml
  • предупреждение missing-ref ссылка на отсутствующий файл: examples/models/core/
  • предупреждение missing-ref ссылка на отсутствующий файл: examples/models/core/deepseek_v3/README.md
  • заметка edit-residue в тексте есть пометки об устаревшем (строки 51): проверьте, не остались ли старые правила рядом с новыми — полная проверка читает текст на противоречия

Процессный рейтинг: все десять параметров 50/100

Не запустится. Скилл ссылается на файлы, которых нет в архиве: examples/llm-api/, examples/configs/, examples/configs/database/lookup.yaml
  • 0Инструменты и файлы. Не хватает 6 файла(ов): examples/llm-api/, examples/configs/, examples/configs/database/lookup.yaml
  • 0Входы и предусловия. Не сказано, что нужно иметь на входе
  • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
  • 30Повторный запуск. Изменяющих операций: 3, без проверки текущего состояния
  • 50Когда включается. Не сказано, при каком запросе скилл включается
  • 55Ошибки и развилки. Развилок: 1
  • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
  • 100Шаги. Шагов: 13
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 1211 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)
  • +4Нет примеров входа/выхода
  • +2Инструкции на одном языке
  • +3Длина description 309 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 9 заголовков
  • +3Пошаговые инструкции: 13 пунктов
  • +3Формат ответа описан явно
  • +4Справочные файлы упоминаются в инструкциях (1 из 1)
  • +1Лицензия указана

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 64.