SKILLEMALL.ai
GitHub ↗ EN Войти

BC dgx-spark-setup

Настройка и поддержка NVIDIA DGX Spark (GB10 Blackwell, 128 ГБ унифицированной памяти) в качестве локального сервера для инференса LLM, работающего под управлением vLLM + LiteLLM + OpenClaw. Используйте при установке vLLM из исходного кода на DGX Spark, устранении неполадок совместимости GPU Blackwell/sm_121, настройке виртуальных ключей LiteLLM для многопользовательского доступа, настройке Tailscale для частного удаленного доступа или восстановлении после сбоя среды vLLM (понижение версии torch, несоответствие Triton, конфликт версий flashinfer).

машинный переводПоказать оригиналСкрыть оригинал«Set up and maintain an NVIDIA DGX Spark (GB10 Blackwell, 128GB unified…»

Set up and maintain an NVIDIA DGX Spark (GB10 Blackwell, 128GB unified memory) as a local LLM inference server running vLLM + LiteLLM + OpenClaw. Use when installing vLLM from source on a DGX Spark, troubleshooting Blackwell/sm_121 GPU compatibility, configuring LiteLLM virtual keys for multi-user access, setting up Tailscale for private remote access, or recovering from a broken vLLM environment (torch downgrade, Triton mismatch, flashinfer version conflict).

ClawHub Agent Skills автор: Jimmy Hernandez v1.0.0 MIT-0 4 файла тело ≈ 1 141 токенов Открыть источникclawhub.ai↗ проанализирован 3 дн назад

Настройка и поддержка NVIDIA DGX Spark (GB10 Blackwell, 128 ГБ унифицированной памяти) в качестве локального сервера для инференса LLM, работающего под…

Как процесс C 58/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, повторный запуск

ПроцедураИнфраструктураИИ и агентытип и темы размечены автоматически по тексту скилла
Запускается в: OpenClaw 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) Goose OpenCode
JSON
Технический рейтинг
B
89/100
безопасность, качество, тесты
Безопасность 60%
94
Качество 40%
82
Прогон на моделях
не было
Процессный рейтинг
C
58/100
Есть пробелы
Результат и критерий готовности вес 14
0
Когда включается вес 12
20
Повторный запуск вес 4
30
три самых слабых из десяти параметров · все десять

Чем это грозит

Находки средней серьёзности: скорее всего скилл честный, но прочитайте, что именно насторожило сканер.

Опасные команды средняя серьёзность

Ниже описан худший случай для этой категории. Здесь находка средней серьёзности: guard увидел признак, но не доказательство.

Если установить

Скилл содержит команды, которые удаляют файлы, переписывают диски или исполняют код, скачанный из сети. Агент может выполнить их без вопроса, если считает, что так требует инструкция.

Автору

Замените разрушительные команды на безопасные аналоги с подтверждением, ограничьте область действия конкретной папкой и не тяните код через curl | bash: укажите версию и контрольную сумму.

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 · 2

    ✓ Критических и высоких находок нет

    Средние и низкие: 2
    • средняя Опасные команды cmd-pipe-to-shell-known-host SKILL.md:153
      Установщик через pipe в shell с известного хоста (всё равно выполняет удалённый код)
      curl -fsSL https://tailscale.com/install.sh | sh
    • низкая Опасные команды cmd-pipe-to-shell-known-host SKILL.md:27
      Установщик через pipe в shell с известного хоста (всё равно выполняет удалённый код) (в кавычках — упоминание, а не команда)
      - `uv` installed (`curl -LsSf https://astral.sh/uv/install.sh | sh`)
      в кавычках

    Просканировано файлов: 4. 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 58/100

    • 0Результат и критерий готовности. Не сказано, что считать результатом
    • 20Когда включается. Не сказано, при каком запросе скилл включается
    • 30Повторный запуск. Изменяющих операций: 1, без проверки текущего состояния
    • 50Ошибки и развилки. Развилок: 0, есть раздел про ошибки
    • 60Инструменты и файлы. Используются инструменты (web, python), но во frontmatter они не объявлены
    • 70Входы и предусловия. Входные данные и предусловия перечислены
    • 100Шаги. Шагов: 4
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 1141 токенов
    • 100Отчётность по ходу. Скилл сообщает о ходе работы

    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
    • -4Абсолютные локальные пути (C:\Users, /home/…): скилл не переносим
    • -2Ссылки на localhost: у другого пользователя не заработает
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 464 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 16 заголовков
    • +3Пошаговые инструкции: 4 пунктов
    • +4Есть примеры (11 блоков кода)
    • +4Справочные файлы упоминаются в инструкциях (1 из 1)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 82.

    Внешние проверки

    ClawHub: clean
    This is a coherent DGX Spark setup guide with real deployment risks, but the risky commands are visible and aligned with the stated model-serving purpose.
    LLM: benign (high) · VirusTotal: · 29 мая 2026 г.