Manusで任意のスキルを実行
ワンクリックで
ワンクリックで
ワンクリックでManusで任意のスキルを実行
始める$pwd:
$ git log --oneline --stat
stars:78
forks:10
updated:2026年5月10日 10:24
SKILL.md
hello-rocm 开源教程项目:AMD ROCm 上大模型环境、部署、微调与算子/Infra。 当用户询问 AMD GPU、ROCm、Windows/Linux 上本地 LLM 推理与部署、vLLM/Ollama/LM Studio、 LoRA 微调、HIP/RCCL、hello-rocm 仓库结构、学习顺序或贡献规范时,必须加载并遵循本 Skill。
跨画像常见问题排查 —— 错误模式识别和修复建议
| name | hello-rocm-quick-deploy |
| description | P1 新用户闪电部署检查表 —— 最简路径跑通第一个模型 |
| version | 0.1.0 |
针对 P1(刚买 AMD 设备)用户的极简路径。只在用户说"我想最快跑起来"时触发。
| 步骤 | 做什么 | 参考文件 |
|---|---|---|
| 1 | 确认 GPU 架构与 ROCm pip 索引 | docs/zh/00-environment/rocm-gpu-architecture-table.md 或 docs/en/00-environment/rocm-gpu-architecture-table.md |
| 2 | 安装 ROCm / PyTorch(pip 方式,最简单) | docs/zh/00-environment/index.md / docs/en/00-environment/index.md,官方入口见 docs/zh/04-references/index.md 的“框架与推理服务” |
| 3 | 安装 LM Studio | docs/zh/01-deploy/index.md / docs/en/01-deploy/index.md |
| 4 | 下载 Gemma4 模型并加载 | 同上 |
| 5 | 开始对话 | 同上 |
rocminfo # 确认 GPU 被 ROCm 识别
rocm-smi # 查看 GPU 状态
python -c "import torch; print(torch.cuda.is_available())" # PyTorch 确认 ROCm 可用
docs/zh/01-deploy/index.md / docs/en/01-deploy/index.mddocs/zh/04-references/index.md / docs/en/04-references/index.md 的“框架与推理服务”表。