serving-llms-vllm
✓使用 vLLM 的 PagedAttention 和连续批处理为法学硕士提供高吞吐量服务。在部署生产 LLM API、优化推理延迟/吞吐量或为 GPU 内存有限的模型提供服务时使用。支持 OpenAI 兼容端点、量化 (GPTQ/AWQ/FP8) 和张量并行性。
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.
使用 vLLM 的 PagedAttention 和连续批处理为法学硕士提供高吞吐量服务。在部署生产 LLM API、优化推理延迟/吞吐量或为 GPU 内存有限的模型提供服务时使用。支持 OpenAI 兼容端点、量化 (GPTQ/AWQ/FP8) 和张量并行性。 来源：orchestra-research/ai-research-skills。
可引用信息
为搜索与 AI 引用准备的稳定字段与命令。
- 安装命令
npx skills add https://github.com/orchestra-research/ai-research-skills --skill serving-llms-vllm- 分类
- </>开发工具
- 认证
- ✓
- 收录时间
- 2026-02-11
- 更新时间
- 2026-02-18
快速解答
什么是 serving-llms-vllm？
使用 vLLM 的 PagedAttention 和连续批处理为法学硕士提供高吞吐量服务。在部署生产 LLM API、优化推理延迟/吞吐量或为 GPU 内存有限的模型提供服务时使用。支持 OpenAI 兼容端点、量化 (GPTQ/AWQ/FP8) 和张量并行性。 来源：orchestra-research/ai-research-skills。
如何安装 serving-llms-vllm？
打开你的终端或命令行工具（如 Terminal、iTerm、Windows Terminal 等） 复制并运行以下命令：npx skills add https://github.com/orchestra-research/ai-research-skills --skill serving-llms-vllm 安装完成后，技能将自动配置到你的 AI 编程环境中，可以在 Claude Code 或 Cursor 中使用
这个 Skill 的源码在哪？
https://github.com/orchestra-research/ai-research-skills
详情
- 分类
- </>开发工具
- 来源
- skills.sh
- 收录时间
- 2026-02-11