软件下载帮助文档新闻资讯

Skill UI

浏览并发现 18950+ 精选技能

全部编程开发人工智能设计创意产品商业数据科学市场营销职场通用效率工具硬件工程语言学习

搜索自动扩缩，共找到 11 条记录

默认排序最新上传最多下载

自动扩缩策略配置

configuring-auto-scaling-policies

jeremylongshore/claude-code-plugins-plus-skills

自动生成面向应用与基础设施的扩缩策略配置，包括 Kubernetes HPA 和基础设施级策略，帮助应对流量波动、保障高可用，并提升资源使用效率。

Neon无服务器Postgres数据库指南

sickn33/antigravity-awesome-skills

本技能提供关于Neon无服务器Postgres数据库的全面指南和最佳实践。内容涵盖初始设置、各种连接方法（TCP, WebSocket），以及分支、自动扩缩容和连接池等高级功能。它为Python、TypeScript等语言提供了详细的集成指导，是构建可扩展、现代化数据库应用的关键资源。

Modal云GPU：机器学习计算

serverless-modal

wanshuiyin/Auto-claude-code-research-in-sleep

这是一个基于Modal的无服务器GPU计算平台，专用于运行复杂的机器学习工作负载，包括模型训练、微调和推理。它提供零配置环境，无需设置SSH或Docker，支持自动扩缩容和按需计费，非常适合进行代码调试和中小型实验。

CAST AI性能调优指南

castai-performance-tuning

jeremylongshore/claude-code-plugins-plus-skills

本技能提供了一套全面的指导，用于优化CAST AI的核心性能指标。内容涵盖节点预配速度、自动扩缩容的响应速度，以及多集群仪表板的API调用效率。通过配置资源预留（Headroom）、选择最佳实例族群和调优清理机制，帮助用户提升系统的可用性和成本效益。

CAST AI自动扩缩容配置

castai-core-workflow-a

jeremylongshore/claude-code-plugins-plus-skills

本工作流指导用户配置CAST AI的自动扩缩容策略，实现Kubernetes集群的最佳成本管理和资源利用。内容涵盖启用竞价实例(Spot Instances)、设置节点下沉/驱逐规则、定义集群限制，并通过Terraform创建特定工作负载的节点模板，确保资源分配的稳定性和成本效益。

CoreWeave KServe GPU推理服务部署

coreweave-core-workflow-a

jeremylongshore/claude-code-plugins-plus-skills

本指南详细介绍了如何在CoreWeave上使用KServe部署生产级机器学习推理服务。内容涵盖了配置GPU调度、实现自动扩缩容以及设置冷启动优化的流程。适用于需要部署大型语言模型（LLMs）或其他复杂AI模型的MLOps工程师。

CoreWeave GPU性能调优指南

coreweave-performance-tuning

jeremylongshore/claude-code-plugins-plus-skills

本指南提供了在CoreWeave平台上优化GPU推理性能的专家策略。内容涵盖了根据不同工作负载（如LLM推理、图像生成、模型训练）选择最佳GPU、使用vLLM实现连续批处理优化，以及基于指标的HPA自动扩缩容配置。帮助用户最大化GPU利用率，降低推理延迟，提升AI模型部署效率。

CoreWeave GPU云参考架构

coreweave-reference-architecture

jeremylongshore/claude-code-plugins-plus-skills

本参考架构提供了一套在CoreWeave GPU云上部署机器学习模型的完整蓝图。它详细描述了多模型服务（如vLLM, TGI）的Kubernetes部署结构、共享持久化存储（PVC）以及基于KServe/Knative的自动扩缩容机制。适用于设计鲁棒的MLOps流程、规划高性能多模型推理服务，或建立标准的GPU云部署规范。

AWS 成本优化

aws-cost-optimization

sickn33/agentic-awesome-skills

基于 AWS CLI 的 FinOps 成本优化技能：通过合理调整实例规格、自动扩缩容、Savings Plans 与预留实例规划、存储生命周期策略、预算与异常告警，以及清理闲置资源来降低云支出。

基于 K8s 的 LLM 推理扩缩容

llm-inference-scaling

sickn33/agentic-awesome-skills

本技能指导如何在 Kubernetes 上实现 LLM 推理集群的水平扩展。利用 KEDA 基于 GPU 指标（如请求队列和缓存使用率）进行事件驱动自动扩缩容。涵盖 vLLM 部署、Prometheus 监控配置、抢占式实例成本优化策略及队列式批量任务扩展，确保高流量 AI 工作负载的资源优化与成本管理。

Kubernetes模型服务

model-serving-kubernetes

sickn33/agentic-awesome-skills

使用KServe和NVIDIA Triton推理服务器在Kubernetes上部署机器学习模型，涵盖金丝雀部署、自动扩缩容、GPU感知调度及流量分配，适用于生产环境推理场景。

1

语言