Compétences d'agent

OSMO CLI Agent

osmo

Gérez le calcul cloud OSMO : vérifiez les pools, les GPU, les quotas, soumettez et surveillez les flux de travail, inspectez les logs et créez des applications via l'OSMO CLI.

ROCm Triton Kernels (RMSNorm, RoPE 3D, GEGLU, AdaLN)

kernels

Conseils et exemples pour l'écriture, le benchmarking et l'intégration de kernels Triton optimisés sur ROCm (MI355X, R9700) pour les charges de travail diffusers et transformers.

cuEquivariance Torch (cuet)

cuequivariance

Primitives et couches de tenseurs équivariants accélérées par GPU PyTorch (SegmentedPolynomial, produits tensoriels, harmoniques sphériques, couches linéaires équivariantes) pour la construction de modèles.

Terradev — Provisionnement GPU Cross-Cloud

Terradev

Provisionnez et gérez des GPU sur plusieurs clouds, créez des clusters GPU Kubernetes, déployez des points de terminaison d'inférence et basculez le calcul local vers le cloud avec une gestion sécurisée des identifiants BYOAPI.

SparkJS - Rendu 3D Gaussian Splat

sparkjs-skill

Outils et conseils pour construire, éditer et optimiser des scènes de Gaussian splat 3D dans le navigateur à l'aide de SparkJS et Three.js.

vLLM-Omni Video Generation

vllm-omni-skills

Générez des vidéos (texte→vidéo, image→vidéo, texte+image→vidéo) via vLLM-Omni et des modèles de diffusion de style Wan2.2, avec des conseils sur les paramètres et les compromis de performance

Analyse de Performance MaxText

maxtext-slurm

Un flux d'analyse post-entraînement utilisant le marquage TGS, TraceLens et IRLens pour diagnostiquer les performances d'entraînement des modèles, l'utilisation des GPU et les points chauds au niveau du kernel.

Sub-Agents (Orchestration d'agents parallèles)

modal-auto-research-skills

Orchestrez plusieurs agents Claude Code autonomes sur des GPU ou des sandboxes séparés pour exécuter des expériences parallèles, des sessions de débogage ou des charges de travail par lots avec st

MoE Expert-Parallel Overlap (Megatron-Bridge)

skills

Conseils et configurations pour activer le chevauchement des communications parallèles d'experts dans Megatron-Bridge pour les modèles MoE — utilisez-le pour masquer la latence de dispatch/combine et améliorer le débit.

Entraînement de Modèles CV

cv-train-stack

Réviser, exécuter, valider et auditer l'entraînement de modèles de vision par ordinateur avec des vérifications de la qualité du jeu de données, de la cohérence du prétraitement, de l'augmentation et de la validation du déploiement

Appel au modèle NVIDIA NIM

openclaw-nim-skill

Appelez des LLM hébergés par NVIDIA NIM depuis OpenClaw pour décharger les tâches lourdes et économiser les jetons de l'agent principal.

MoE Expert-Parallel Overlap

megatron-bridge

Guide l'activation et la validation du chevauchement de communication expert-parallel MoE dans Megatron-Bridge pour masquer la latence de dispatch/combine et améliorer le débit.

Patterns Python HPC

claude-skill-registry

Guide et patterns pour le parallélisme Python et les performances GPU/CPU : threading vs multiprocessing vs asyncio, flux CUDA, PyTorch DDP et benchmarking.

Run LLMs Locally (Harbor)

harbor

Déployez, configurez et dépannez une pile LLM locale complète (Ollama, llama.cpp, vLLM, Open WebUI, SearXNG, Open Terminal) à l'aide de la boîte à outils Harbor.