xllm-ai/xllm-workflow
Developer toolsこのページは AI により自動翻訳されています。技術的な詳細は原文をご確認ください。 原文を見る
XLLM 用の ai コーディングワークフローリポジトリです.
概要
Ascend NPU の大規模なモデルのワークフロー、スキル、スクリプト、およびリファレンスの知識をEvidence主導しました。 vLLM-AscendとSGLangは、スキルマップで宣言された実験アダプターまたはアーティファクト解析スコープに限られます。 最適化キャンペーンでは、xllm-npu-sota-loop は、xllm-experiment-lifecycle が再開可能な実行と証拠状態を所有している間、最適化の決定を所有しています。 xLLM のチェックアウトを初期化または再使用し、正規スキルをインストールします。 コピー・レディ・プロンプトを選択するか、実験から実験を作成します。 例.yaml. 合成ライフサイクルのウォークスルーのためのスタートガイドに従ってください。 ライフサイクルは制御面です。 オーケストラは、ランナー、アナライザ、プランナー、ゲートに縛られた仕事を委任します。 決定スクリプトは、監査可能なアーティファクトを生成します。 - スキル能力指数 — ロールとドメインによってグループ化。 - 詳細なスキルアーキテクチャ — 依存関係、スコープ、意図、および出力。 - エージェントルーティング契約 — タスクツースキルとリポジトリの制約.
概要（AI 翻訳）
日本語 | English
Ascend NPU の大規模なモデルのワークフロー、スキル、スクリプト、およびリファレンスの知識をEvidence主導しました。 xLLMは、完全なプライマリパスです。 vLLM-AscendとSGLangは、スキルマップで宣言された実験アダプターまたはアーティファクト解析スコープに限られます。
パスを選択する
| ゴール | スタート |
お問い合わせ
| 実験の作成・再開・最終化・アーカイブ | [xllm-experiment-lifecycle |
| 複数の反復によりxLLMのパフォーマンスを最適化 | [xllm-npu-sota-loop |
| 複数のラウンドでTileLangや生成されたPTOカーネルを開発・最適化 | [tilelang-pto-kernel-workflow |
| 混合性能と精度のスイートの実行 | [xllm-npu-eval-runner |
| 1つの性能・精度のワークロードを実行 | [xllm-npu-perf-runner or [xllm-npu-accuracy-runner |
| 起動・確認・喫煙テスト・清掃サービス | [xllm-npu-server-manager |
| 公正性・著名な業績請求 | [xllm-npu-benchmark |
| 証拠証拠の収集・分析 | [xllm-npu-profiler または [xllm-npu-pipeline-analysis |
| 誤った出力やランタイム/ビルドインシデントの診断 | [xllm-npu-accuracy-debug or [xllm-npu-incident-triage |
このページは AI により自動翻訳されています。技術的な詳細は原文をご確認ください。
README
以下は原文 README の抜粋です。原文を見る。
xLLM AI Coding Workflow
Evidence-driven workflows, skills, scripts, and reference knowledge for large-model serving on Ascend NPUs. xLLM is the complete primary path. vLLM-Ascend and SGLang are limited to the experimental adapter or artifact-analysis scopes declared in the skill map.
Choose your path
| Goal | Start with |
|---|---|
| Create, resume, finalize, or archive an experiment | xllm-experiment-lifecycle |
| Optimize xLLM performance through multiple iterations | xllm-npu-sota-loop |
| Develop or optimize a TileLang or generated PTO kernel through multiple rounds | tilelang-pto-kernel-workflow |
| Run a mixed performance and accuracy suite | xllm-npu-eval-runner |
| Run one performance or accuracy workload | xllm-npu-perf-runner or xllm-npu-accuracy-runner |
| Launch, verify, smoke-test, and clean up a service | xllm-npu-server-manager |
| Review fairness or a publishable performance claim | xllm-npu-benchmark |
| Collect or analyze profiling evidence | xllm-npu-profiler or xllm-npu-pipeline-analysis |
| Diagnose wrong output or a runtime/build incident | xllm-npu-accuracy-debug or xllm-npu-incident-triage |
| Query historical model and PR lessons | model-pr-optimization-history |
For an optimization campaign, xllm-npu-sota-loop owns the optimization decisions while xllm-experiment-lifecycle owns the resumable run and evidence state.
Five-minute start
Initialize or reuse the xLLM checkout and install the canonical skills:
python scripts/init_xllm_workspace.py
Start Codex from this repository:
codex
Then choose a copy-ready prompt or create an experiment from experiment.example.yaml. Follow the getting-started guide for a synthetic lifecycle walkthrough.
How the pieces fit together
flowchart LR
U["User intent"] --> S["Skills: decide and delegate"]
S --> D["Scripts: deterministic execution"]
D --> E["Run evidence and ledgers"]
R["Reference and IO contracts"] --> S
R --> D
E --> H["Promoted durable lessons"]
Lifecycle is the control plane. Orchestrators delegate bounded work to runners, analyzers, planners, and gates. Deterministic scripts produce auditable artifacts.
Browse capabilities
- Skill capability index — grouped by role and domain.
- Detailed skill architecture — dependencies, scopes, intents, and outputs.
- Agent routing contract — exact task-to-skill and repository constraints.
Documentation
推奨ツール
別のキーワードを試すか、フィルタを外してください。
インストール
npx skillfish add xllm-ai/xllm-workflow