dstackai GitHub avatar

dstack

2.3K Stars3 Skills275 ForksMPL-2.011月18日更新Skill 仓库

AI 概览 · 由大模型根据 SKILL.md 与仓库数据生成 · 2026年11月3日

面向 dstack 工作流的任务协作 Skill

dstack 仓库提供用于异构 AI 计算资源的统一编排层,涉及 GPU 云、Kubernetes、虚拟机和裸金属集群。采集到的 Skill 包括通用任务规划与执行前对齐、dstack 预设创建和管理,以及在模型服务配置或行为尚未验证时进行原型验证;这些 Skill 的具体用途应以各自说明为准。

包含 Skill

3

可以单独安装

GitHub Star

2,313

仓库累计 Star

近 7 天

+3

新增 Star

代码更新

2026年11月18日

最近一次推送

核心亮点

  • 1任务拆解

    帮助进行任务规划、步骤拆解和执行前对齐。

  • 2预设管理

    在用户明确提出需求时,用于创建或管理 dstack presets。

  • 3原型验证

    针对尚未验证的模型服务配置,引导在真实硬件上进行任务导向的试验与检查。

能做什么

  • 支持 dstack 相关任务规划、步骤拆解和执行前对齐。
  • 在用户明确要求时,支持创建或管理 dstack presets。
  • 针对未验证的模型服务配置,引导开展任务导向的原型验证。
  • 原型验证说明涉及检查 vLLM 或 SGLang 来源,并通过模型请求验证最终 dstack 服务。

适用场景

  • 将一项 dstack 相关任务拆分为执行步骤并在开始前对齐。

  • 按明确提出的需求创建或管理 dstack preset。

  • 在服务命令、资源或后端选择尚未验证时,对模型服务进行原型验证。

  • 向最终 dstack 服务发送模型请求,以检查服务行为。

用之前和用之后

  • 任务目标和执行步骤可能尚未对齐可按 Skill 说明进行规划和步骤拆解。
  • 模型服务配置或行为尚未验证可按原型验证流程试验并通过模型请求检查服务。
  • 没有明确区分预设管理与模型部署可依据说明,仅在明确要求预设管理时使用对应 Skill。

它是怎么工作的

  1. 第 1 步

    明确任务与需求

  2. 第 2 步

    选择对应工作流

  3. 第 3 步

    执行并核对结果

快速上手

安装与复制命令见“安装方式”。

  1. 1

    根据需求选择对应的 Skill。

  2. 2

    使用通用 Dstack Skill 进行任务规划、步骤拆解和执行前对齐。

  3. 3

    仅在明确需要创建或管理预设时使用 Dstack Presets。

  4. 4

    当模型服务配置或行为尚未验证时,使用 Dstack Prototyping 进行原型验证。

适合谁

  • 需要规划和拆解 dstack 相关任务的用户。
  • 明确需要创建或管理 dstack presets 的用户。
  • 需要验证模型服务配置或行为的用户。

局限

  • 预设管理 Skill 仅在用户明确要求创建或管理预设时使用,不用于部署或提供模型服务。
  • Dstack Prototyping 的说明针对配置或服务行为尚未验证的模型服务工作。
  • 采集资料未提供各 Skill 的具体输入、输出或步骤清单。

使用前注意

  • · 采集信息将三个 Skill 标记为高风险;使用前应核验其源文件内容及适用范围。
  • · 预设管理 Skill 有明确触发条件,使用前应确认用户是否明确提出创建或管理预设。
  • · 原型验证可能涉及真实硬件和模型服务请求;执行前应核验目标环境、资源与服务配置。

包含的 Skills · 3

公开来源

相关 Skills

查看更多