界面已本地化;技能原文保持作者语言。部分长说明页面以英语提供。
探索技能
部署与运维 · SKILL.md

serving-llms-vllm

serving-llms-vllm

【部署与运维】Serves LLMs with high throughput using vLLM's PagedAttention and continuous batching. Use when deploying production LLM APIs, optimizing inference latency/throughput, or serving models with limited GPU memory. Supports OpenAI-compatible endpoints, quantization (GPTQ/AWQ/FP8), and tensor parallelism.

独立 GitHub 快照 · 自动分类 · 以原作者文档为准

技能说明

GitHub
正在从源仓库读取说明…
我的收藏