MCP App StoreMCP App Store
de ai-infra-auto-driven-skills218
Guide manuel basé sur des PR pour l'audit, le débogage et l'extension du parseur d'outils Qwen3 Coder dans vLLM — se concentre sur les cas limites de schéma, les régressions du parseur et v
Cette compétence fournit un dossier d'optimisation précis et basé sur des preuves pour le parseur d'outils Qwen3 Coder dans le runtime vLLM. Elle documente les PR validées, les surfaces du runtime et un plan de validation afin qu'un agent (par exemple, Codex ou un assistant axé sur le code) puisse auditer, diagnostiquer et corriger les régressions liées aux cas limites de JSON-schema (anyOf/oneOf), aux paramètres nullables et aux appels d'outils de l'API Responses. Le contenu est construit à partir de diffs et de notes de PR pour garantir que les recommandations sont traçables.
Utilisez cette compétence lorsqu'un agent doit : reproduire ou enquêter sur une régression dans le parsing des outils Qwen3 de vLLM ; créer ou examiner des PR modifiant le comportement du parseur d'outils ; valider l'intégrité des appels d'outils sous décodage streaming/spéculatif ; ou préparer des pistes de test exerçant des combinaisons de schémas complexes. Elle est destinée aux flux de revue d'ingénierie, d'automatisation QA et de triage de PR.
references/ avec l'historique des PR et des notes de validation.references/pr-history.md, model-pr-optimization-history/...).Le mieux adapté aux agents capables de coder (famille Codex, assistants GPT-code, Claude Code) et à tout flux de travail capable de lire des diffs de PR et d'exécuter des pistes de test de validation.
La compétence fait référence à un chemin GitHub (skills/model-optimization/vllm/vllm-qwen3-coder-optimization/SKILL.md) qui n'existe pas dans le dépôt — le contenu est inaccessible. Aucun script n'a été joint. Sur la base des seules métadonnées, elle cible le débogage du parseur d'outils vLLM Qwen3 Coder et l'audit de PR, un cas d'utilisation niche mais réel. La compétence semble avoir été supprimée du dépôt source ou n'a jamais été correctement créée au chemin enregistré.
Le chemin source skills/model-optimization/vllm/vllm-qwen3-coder-optimization n'existe pas dans le dépôt BBuf/AI-Infra-Auto-Driven-SKILLS. Le dépôt contient du contenu lié à vLLM sous model-pr-optimization-history/ mais aucune compétence au chemin enregistré. Scores de qualité/architecture faibles en raison de l'absence de contenu. Le score de sécurité reste modéré-élevé car aucun contenu malveillant n'a été trouvé, mais il n'y a pas non plus de contenu à auditer en profondeur.
LLM Evaluation
Evaluation framework and tools for systematically measuring LLM performance using automated metrics, human judgment, and A/B testing.
vLLM-Omni Video Generation
Generate videos (text→video, image→video, text+image→video) using vLLM-Omni and Wan2.2-style diffusion models, with guidance on parameters and performance trade
TDD (Test-Driven Development) Skill
Guides an agent through a strict red–green–refactor TDD cycle: write a failing test, implement the minimal change, and refactor with verification.
Hugging Face Evaluation Manager
Extract, import, and add structured model evaluation results to Hugging Face model cards; run or import benchmark evaluations and generate model-index YAML for
Drizzle ORM Knowledge Patch
Add knowledge about Drizzle ORM changes (v1.0.0-beta.x) — validator import consolidation, Effect Schema support, node-sqlite driver, and .comment() query taggin
vLLM Qwen3.6 Optimization
Guidance and PR-driven validation steps for optimizing and documenting Qwen3.6 support in vLLM; use when auditing or implementing model-specific changes.
Bug Fix — Stop-the-Line Protocol
Structured bug-fix workflow and triage protocol: reproduce, localize, reduce, fix, add regression test, and verify before resuming development.
Bug Fix
A disciplined, test-first workflow for reproducing, triaging, and fixing software bugs while preventing regressions.