SKILLEMALL.ai
GitHub ↗ EN Войти

AF jetson-inference-mem-tune

Выберите стек обслуживания и флаги памяти для каждой среды выполнения (vLLM, SGLang, llama.cpp, TensorRT Edge-LLM) для рабочей нагрузки LLM/VLM на любом NVIDIA Jetson.

машинный переводПоказать оригиналСкрыть оригинал«Pick the serving stack and per-runtime memory flags (vLLM, SGLang, lla…»

Pick the serving stack and per-runtime memory flags (vLLM, SGLang, llama.cpp, TensorRT Edge-LLM) for an LLM/VLM workload on any NVIDIA Jetson.

ClawHub Agent Skills автор: NVIDIA 1 файл тело ≈ 2 769 токенов Открыть источникclawhub.ai↗ проанализирован 33 ч назад

Выберите стек обслуживания и флаги памяти для каждой среды выполнения (vLLM, SGLang, llama.cpp, TensorRT Edge-LLM) для рабочей нагрузки LLM/VLM на любом…

Как процесс F 68/100 · Не запустится — Скилл ссылается на файлы, которых нет в архиве: scripts/recommend.py

ПроцедураDockerИИ 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
A
93/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
82
Прогон на моделях
не было
Процессный рейтинг
F
68/100
Не запустится
Скилл ссылается на файлы, которых нет в архиве: scripts/recommend.py
Инструменты и файлы вес 18
0
Отчётность по ходу вес 2
0
Результат и критерий готовности вес 14
60
три самых слабых из десяти параметров · все десять

Как улучшить

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

По спецификации Agent Skills

  • предупреждение missing-ref ссылка на отсутствующий файл: scripts/recommend.py

Процессный рейтинг: все десять параметров 68/100

Не запустится. Скилл ссылается на файлы, которых нет в архиве: scripts/recommend.py
  • 0Инструменты и файлы. Не хватает 1 файла(ов): scripts/recommend.py
  • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
  • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
  • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
  • 70Входы и предусловия. Входные данные и предусловия перечислены
  • 100Шаги. Шагов: 25
  • 100Ошибки и развилки. Развилок: 2, есть раздел про ошибки
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 2769 токенов
  • 100Повторный запуск. Изменяющих операций нет
  • medium Правила безопасности и запреты внутри скилла: их место в системном промпте, здесь они не защищают
  • low Разделов верхнего уровня: 14. Похоже на несколько доменов в одном скилле

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)
  • +2Инструкции на одном языке
  • +3Длина description 142 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 15 заголовков
  • +3Пошаговые инструкции: 25 пунктов
  • +3Формат ответа описан явно
  • +4Есть примеры (5 блоков кода)
  • +1Лицензия указана

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