SKILLEMALL.ai
GitHub ↗ EN Войти

BF jetson-llm-benchmark

Сравните производительность обслуживания LLM/VLM на Jetson с помощью vLLM, llama.cpp и Ollama со структурированным выводом JSON.

машинный переводПоказать оригиналСкрыть оригинал«Benchmark Jetson LLM/VLM serving performance across vLLM, llama.cpp, a…»

Benchmark Jetson LLM/VLM serving performance across vLLM, llama.cpp, and Ollama with structured JSON output.

ClawHub Agent Skills автор: NVIDIA 1 файл тело ≈ 2 975 токенов Открыть источникclawhub.ai↗ проанализирован 21 ч назад

Сравните производительность обслуживания LLM/VLM на Jetson с помощью vLLM, llama.cpp и Ollama со структурированным выводом JSON.

Как процесс F 67/100 · Не запустится — Скилл ссылается на файлы, которых нет в архиве: scripts/bench_vllm.sh, scripts/bench_llama_cpp.sh, scripts/bench_ollama.sh

ПроцедураИИ и агентыДанные и аналитикатип 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
88/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
71
Прогон на моделях
не было
Процессный рейтинг
F
67/100
Не запустится
Скилл ссылается на файлы, которых нет в архиве: scripts/bench_vllm.sh, scripts/bench_llama_cpp.sh, scripts/bench_ollama.sh
Инструменты и файлы вес 18
0
Когда включается вес 12
50
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/bench_vllm.sh
  • предупреждение missing-ref ссылка на отсутствующий файл: scripts/bench_llama_cpp.sh
  • предупреждение missing-ref ссылка на отсутствующий файл: scripts/bench_ollama.sh

Процессный рейтинг: все десять параметров 67/100

Не запустится. Скилл ссылается на файлы, которых нет в архиве: scripts/bench_vllm.sh, scripts/bench_llama_cpp.sh, scripts/bench_ollama.sh
  • 0Инструменты и файлы. Не хватает 3 файла(ов): scripts/bench_vllm.sh, scripts/bench_llama_cpp.sh, scripts/bench_ollama.sh
  • 50Когда включается. Не сказано, при каком запросе скилл включается
  • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
  • 70Входы и предусловия. Входные данные и предусловия перечислены
  • 100Шаги. Шагов: 32
  • 100Ошибки и развилки. Развилок: 2, есть раздел про ошибки
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 2975 токенов
  • 100Повторный запуск. Изменяющие операции проверяют текущее состояние
  • 100Отчётность по ходу. Скилл сообщает о ходе работы
  • low Разделов верхнего уровня: 13. 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)
  • +3Длина description 108: рекомендуется 120–800 символов
  • -2Ссылки на localhost: у другого пользователя не заработает
  • +2Инструкции на одном языке
  • +4Структура: 20 заголовков
  • +3Пошаговые инструкции: 32 пунктов
  • +3Формат ответа описан явно
  • +4Есть примеры (7 блоков кода)
  • +1Лицензия указана

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 71.