نشر نموذج LLM وML للاستدلال. يُستخدم عند تقديم النماذج في الإنتاج أو إنشاء واجهات برمجة تطبيقات الذكاء الاصطناعي أو تحسين الاستدلال. يغطي vLLM (تقديم LLM)، وTensorRT-LLM (تحسين GPU)، وOllama (محلي)، وBentoML (نشر ML)، وTriton (متعدد النماذج)، وLangChain (التنسيق)، وLlamaIndex (RAG)، وأنماط البث.
ثبّت مهارة الذكاء الاصطناعي model-serving بسرعة في بيئة التطوير لديك عبر سطر الأوامر
المصدر: ancoleman/ai-design-components.
Deploy LLM and ML models for production inference with optimized serving engines, streaming response patterns, and orchestration frameworks. Focuses on self-hosted model serving, GPU optimization, and integration with frontend applications.
This skill provides the backend serving layer for the ai-chat skill.
See references/langchain-orchestration.md and examples/langchain-rag-qdrant/ for complete patterns.
نشر نموذج LLM وML للاستدلال. يُستخدم عند تقديم النماذج في الإنتاج أو إنشاء واجهات برمجة تطبيقات الذكاء الاصطناعي أو تحسين الاستدلال. يغطي vLLM (تقديم LLM)، وTensorRT-LLM (تحسين GPU)، وOllama (محلي)، وBentoML (نشر ML)، وTriton (متعدد النماذج)، وLangChain (التنسيق)، وLlamaIndex (RAG)، وأنماط البث. المصدر: ancoleman/ai-design-components.
حقول وأوامر مستقرة للاقتباس في أنظمة الذكاء الاصطناعي والبحث.
npx skills add https://github.com/ancoleman/ai-design-components --skill model-servingنشر نموذج LLM وML للاستدلال. يُستخدم عند تقديم النماذج في الإنتاج أو إنشاء واجهات برمجة تطبيقات الذكاء الاصطناعي أو تحسين الاستدلال. يغطي vLLM (تقديم LLM)، وTensorRT-LLM (تحسين GPU)، وOllama (محلي)، وBentoML (نشر ML)، وTriton (متعدد النماذج)، وLangChain (التنسيق)، وLlamaIndex (RAG)، وأنماط البث. المصدر: ancoleman/ai-design-components.
افتح الطرفية أو أداة سطر الأوامر لديك مثل Terminal أو iTerm أو Windows Terminal انسخ ونفّذ هذا الأمر: npx skills add https://github.com/ancoleman/ai-design-components --skill model-serving بعد التثبيت، سيتم إعداد المهارة تلقائيا في بيئة البرمجة بالذكاء الاصطناعي لديك وتصبح جاهزة للاستخدام في Claude Code أو Cursor أو OpenClaw
https://github.com/ancoleman/ai-design-components