SKILLEMALL.ai
EN Войти

AB vllm-plugin-fl-setup-flagos

Установка и настройка vLLM-Plugin-FL для нескольких аппаратных бэкендов, включая NVIDIA, Ascend и другие. Используйте при настройке vllm-plugin-fl, настройке среды для конкретного аппаратного бэкенда, установке зависимостей, проверке успешности установки зависимостей, устранении проблем во время выполнения и запуске инференса для проверки успешного обслуживания модели. Активируется, когда пользователь говорит что-то вроде «настроить vllm-plugin-fl», «установить vllm-plugin-fl», «настроить FL plugin», «настроить FlagGems» или «настроить FlagCX».

машинный переводПоказать оригиналСкрыть оригинал«Install and configure vLLM-Plugin-FL for multiple hardware backends in…»

Install and configure vLLM-Plugin-FL for multiple hardware backends including NVIDIA, Ascend and etc. Use when setting up vllm-plugin-fl, configuring the environment for specific hardware backend, installing dependencies, checking whether dependencies are installed successfully, resolving runtime issues, and launching inference to verify successful model serving. Trigger when the user says things like "setup vllm-plugin-fl", "install vllm-plugin-fl", "configure FL plugin", "set up FlagGems", or "set up FlagCX".

ClawHub Agent Skills автор: Flagos v1.0.0 MIT-0 8 файлов тело ≈ 1 814 токенов Открыть источникclawhub.ai↗ проанализирован 2 дн назад

Установка и настройка vLLM-Plugin-FL для нескольких аппаратных бэкендов, включая NVIDIA, Ascend и другие.

Как процесс B 69/100 · Почти готов — слабые места: результат и критерий готовности, повторный запуск

АнализаторGitHubРазработкаИнфраструктуратип и темы размечены автоматически по тексту скилла
Запускается в: OpenClaw Claude / Claude Code ChatGPT / Codex Gemini CLI Cursor GitHub Copilot / VS Code Qwen Code Kimi Code CLI Z.ai (GLM) DeepSeek (Deep Code) Mistral Vibe LangChain (deepagents) Goose OpenCode
JSON
Технический рейтинг
A
96/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
89
Прогон на моделях
не было
Процессный рейтинг
B
69/100
Почти готов
Результат и критерий готовности вес 14
0
Повторный запуск вес 4
30
Инструменты и файлы вес 18
60
три самых слабых из десяти параметров · все десять

Как улучшить

    Для прогона на моделях — необязательно
    • Свои кейсы (evals/evals.json, 4–6 реальных запросов с ожидаемыми ответами): тогда полная проверка прогонит именно их, а не черновик от модели.
    • spec.yaml с триггерными фразами и утверждениями — контракт поведения для CI; `skilltest init` создаст шаблон.

    Находки guard · 0

    ✓ Критических и высоких находок нет

    Просканировано файлов: 8. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

    По спецификации Agent Skills

    ✓ По спецификации Agent Skills замечаний нет

    Процессный рейтинг: все десять параметров 69/100

    • 0Результат и критерий готовности. Не сказано, что считать результатом
    • 30Повторный запуск. Изменяющих операций: 1, без проверки текущего состояния
    • 60Инструменты и файлы. Используются инструменты (git, python), но во frontmatter они не объявлены
    • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
    • 70Входы и предусловия. Входные данные и предусловия перечислены
    • 100Шаги. Шагов: 15
    • 100Ошибки и развилки. Развилок: 7, есть раздел про ошибки
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 1814 токенов
    • 100Отчётность по ходу. Скилл сообщает о ходе работы

    Всё перечисленное измерено по тексту скилла, а не оценено моделью: цифры проверяемы. Вес параметра тем больше, чем чаще из-за него процесс встаёт.

    Сигналы качества

    • +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
    • +3Формат ответа не описан: модель каждый раз решает сама
    • -5В тексте остались TODO / заглушки
    • +2Инструкции на одном языке
    • +5В description 5 примера фраз-триггеров в кавычках
    • +3Длина description 516 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 12 заголовков
    • +3Пошаговые инструкции: 15 пунктов
    • +4Есть примеры (16 блоков кода)
    • +4Справочные файлы упоминаются в инструкциях (3 из 3)
    • +1Лицензия указана

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 89.

    Внешние проверки

    ClawHub: suspicious
    This appears to be a legitimate vLLM setup skill, but it gives an agent broad installation authority and includes under-scoped filesystem and proxy-handling instructions that users should review first.
    LLM: suspicious (high) · 28 мая 2026 г.