Skip to main content

llm-serving-optimizer

Étoiles4
Forks0
Mis à jour18 juillet 2026 à 15:25

Tune self-hosted LLM serving for efficiency — continuous batching configuration, KV-cache sizing, quantized serving, speculative decoding, replica right-sizing, and GPU utilization per served token. Use this skill whenever the user self-hosts models (vLLM, TGI, TensorRT-LLM, Ollama at scale), shares serving configs or GPU utilization data, or asks how to serve more tokens per GPU. Part of Lean Agentic AI Skills; emits lean-findings.json.

Installation

Installer avec Codex ou Claude Copiez ce prompt, collez-le dans Codex, Claude ou un autre assistant, puis laissez-le vérifier la page du skill et l'installer pour vous.

Explorateur de fichiers
2 fichiers
SKILL.md
readonly