Skip to main content

llm-serving-optimizer

Estrelas4
Forks0
Atualizado18 de julho de 2026 às 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.

Instalação

Instalar com Codex ou Claude Copie este prompt, cole no Codex, Claude ou outro assistente e deixe que ele revise a página da skill e instale para você.

Explorador de arquivos
2 arquivos
SKILL.md
readonly