serving-llms-vllm
✓vLLM의 PagedAttention 및 연속 일괄 처리를 사용하여 높은 처리량으로 LLM을 제공합니다. 프로덕션 LLM API를 배포하거나, 추론 지연 시간/처리량을 최적화하거나, GPU 메모리가 제한된 모델을 제공할 때 사용하세요. OpenAI 호환 엔드포인트, 양자화(GPTQ/AWQ/FP8) 및 텐서 병렬 처리를 지원합니다.
SKILL.md
vLLM achieves 24x higher throughput than standard transformers through PagedAttention (block-based KV cache) and continuous batching (mixing prefill/decode requests).
Server deployment patterns: See references/server-deployment.md for Docker, Kubernetes, and load balancing configurations.
Performance optimization: See references/optimization.md for PagedAttention tuning, continuous batching details, and benchmark results.
vLLM의 PagedAttention 및 연속 일괄 처리를 사용하여 높은 처리량으로 LLM을 제공합니다. 프로덕션 LLM API를 배포하거나, 추론 지연 시간/처리량을 최적화하거나, GPU 메모리가 제한된 모델을 제공할 때 사용하세요. OpenAI 호환 엔드포인트, 양자화(GPTQ/AWQ/FP8) 및 텐서 병렬 처리를 지원합니다. 출처: orchestra-research/ai-research-skills.
인용 가능한 정보
AI/검색 인용용 안정적인 필드와 명령어.
- 설치 명령어
npx skills add https://github.com/orchestra-research/ai-research-skills --skill serving-llms-vllm- 카테고리
- </>개발 도구
- 인증됨
- ✓
- 최초 등록
- 2026-02-11
- 업데이트
- 2026-02-18
빠른 답변
serving-llms-vllm이란?
vLLM의 PagedAttention 및 연속 일괄 처리를 사용하여 높은 처리량으로 LLM을 제공합니다. 프로덕션 LLM API를 배포하거나, 추론 지연 시간/처리량을 최적화하거나, GPU 메모리가 제한된 모델을 제공할 때 사용하세요. OpenAI 호환 엔드포인트, 양자화(GPTQ/AWQ/FP8) 및 텐서 병렬 처리를 지원합니다. 출처: orchestra-research/ai-research-skills.
serving-llms-vllm 설치 방법은?
터미널 또는 명령줄 도구(Terminal, iTerm, Windows Terminal 등)를 엽니다 이 명령어를 복사하여 실행합니다: npx skills add https://github.com/orchestra-research/ai-research-skills --skill serving-llms-vllm 설치 후 스킬은 자동으로 AI 코딩 환경에 설정되어 Claude Code나 Cursor에서 사용할 수 있습니다
소스 저장소는 어디인가요?
https://github.com/orchestra-research/ai-research-skills
상세
- 카테고리
- </>개발 도구
- 출처
- skills.sh
- 최초 등록
- 2026-02-11