向 vLLM-Omni 添加新的扩散模型（文本到图像、文本到视频、图像到视频、文本到音频、图像编辑），包括 Cache-DiT 加速和并行支持（TP、SP/USP、CFG-Parallel、HSDP）。在集成新的扩散模型、将扩散器管道或自定义模型存储库移植到 vllm-omni、创建新的 DiT 转换器适配器、添加扩散模型支持或为现有模型启用多 GPU 并行性和缓存加速时使用。
通过 SSH 连接到主机“h100_sglang”，进入 Docker 容器“sglang_bbuf”，在“/data/bbuf/repos/sglang”中工作，并使用准备好的 H100 远程环境进行 SGLang **diffusion** 开发和验证。当任务需要扩散模型冒烟测试、Triton/CUDA 内核验证、torch.compile 扩散检查或用于扩散特定 SGLang 更改的安全远程副本时使用。
扩散模型的实用工程：架构、训练、推理、内存优化。用于具有扩散模型的任何任务：设计或修改架构（UNet/DiT/Flow/Flux）、调度器/采样器的选择和配置、附加训练（LoRA/DreamBooth/完全微调）、内存优化（AMP/检查点/ZeRO/FSDP/量化）、文本编码器的替换或融合（CLIP/Qwen）、使用扩散器、调试扩散管道、质量评估（FID/CLIPScore/LPIPS）、潜扩散、VAE、引导/CFG、整流流、稳定扩散、SDXL、通量。在训练生成模型、文本到图像管道、ControlNet、多编码器融合、WebDataset 时询问有关 GPU 内存的问题时也可使用。 --- # 扩散工程技能 ## 快速定位 最影响质量/速度/成本的三个工程决策是： 1. **扩散在哪里** → 像素（昂贵）或潜在空间（LDM/SD 系列 - 实用） 2. **降噪器的骨干** → UNet（经典，更简单）或 Transformer/DiT/Flow（缩放更好） 3. **采样控制** → 调度程序、步骤数、guiding_scale - 通常提供的不仅仅是网络编辑 --- ## 参考文件 - 按任务读取 |主题 |文件|何时阅读 | |---|---|---| |架构和数据流| `references/architectures.md` | DDPM/SDE/LDM/DiT/Flux/VAE/SDXL，管道图| |调度程序和指导| `references/samplers.md` | DDIM/Euler/Heun/DPM-Solver/PNDM、CFG、预测类型 | |培训和进修| `参考文献/training.md` |损失/目标、LoRA/DreamBooth/full FT、超参数 | |内存和分布| `引用/内存.md` | AMP、检查点、ZeRO、FSDP、量化、FP8 | |文本编码器和数据 | `references/encoders-data.md` | CLIP/Qwen/多编码器、标记化、数据管道 | |评估和故障排除 | `references/eval-debug.md` | FID/CLIPScore/LPIPS、典型故障和修复、许可证 | --- ## 快速清单“我正在构建/修改 diffusio n» - [ ] **Backbo
扩散模型的实用工程：架构、训练、推理、内存优化。用于具有扩散模型的任何任务：设计或修改架构（UNet/DiT/Flow/Flux）、调度器/采样器的选择和配置、附加训练（LoRA/DreamBooth/完全微调）、内存优化（AMP/检查点/ZeRO/FSDP/量化）、文本编码器的替换或融合（CLIP/Qwen）、使用扩散器、调试扩散管道、质量评估（FID/CLIPScore/LPIPS）、潜扩散、VAE、引导/CFG、整流流、稳定扩散、SDXL、通量。在训练生成模型、文本到图像管道、ControlNet、多编码器融合、WebDataset 时询问有关 GPU 内存的问题时也可使用。 --- # 扩散工程技能 ## 快速定位 最影响质量/速度/成本的三个工程决策是： 1. **扩散在哪里** → 像素（昂贵）或潜在空间（LDM/SD 系列 - 实用） 2. **降噪器的骨干** → UNet（经典，更简单）或 Transformer/DiT/Flow（缩放更好） 3. **采样控制** → 调度程序、步骤数、guiding_scale - 通常提供的不仅仅是编辑网络 --- ## 参考文件 - 按任务读取 |主题 |文件 |何时阅读 | |---|---|---| |架构和数据流| `references/architectures.md` | DDPM/SDE/LDM/DiT/Flux/VAE/SDXL，管道图| |调度程序和指导| `references/samplers.md` | DDIM/Euler/Heun/DPM-Solver/PNDM、CFG、预测类型 | |培训和进修| `参考文献/training.md` |损失/目标、LoRA/DreamBooth/full FT、超参数 | |内存和分布| `引用/内存.md` | AMP、检查点、ZeRO、FSDP、量化、FP8 | |文本编码器和数据 | `references/encoders-data.md` | CLIP/Qwen/多编码器、标记化、数据管道 | |评估和故障排除 | `references/eval-debug.md` | FID/CLIPScore/LPIPS、典型故障和修复、许可证 | --- ## 快速清单“我正在构建/修改 diffusio n» - [ ] **Backbo
skill-sample/ ├─ SKILL.md ⭐ 必备：技能说明入口：用途 / 安装 / 用法 / 示例 / 依赖 ├─ manifest.sample.json ⭐ 推荐：机器可读元信息：用于索引 / 校验 / 自动填表 ├─ LICENSE.sample ⭐ 推荐：授权与使用范围：开源 / 限制 / 商用说明 ├─ scripts/ │ └─ example-run.py ✅ 可运行示例脚本：让用户导入后立刻验证“能用” ├─ assets/ │ ├─ example-formatting-guide.md 🧩 输出规范：统一排版 / 结构 / 风格 │ └─ example-template.tex 🧩 模板资源：报告/文档模板，快速生成标准产物 └─ references/ 🧩 参考资料库：方法论 / 结构指南 / 最佳实践 ├─ example-ref-structure.md 🧩 结构参考：章节框架 / 目录组织 ├─ example-ref-analysis.md 🧩 分析参考：常用套路 / 指标口径 └─ example-ref-visuals.md 🧩 视觉参考：图表规范 / 可视化建议
更多 Agent Skills 规范 详见Anthropic官方文档：https://agentskills.io/home
├─ ⭐ 必备：YAML Frontmatter（必须存在，放在文件最顶部） │ ├─ ⭐ name ：技能唯一名；须符合命名规则，并建议与目录名一致 │ └─ ⭐ description ：技能描述；建议包含触发关键词（便于检索/匹配） │ ├─ ✅ 可选：Frontmatter 扩展字段（规范允许，但非强制） │ ├─ ✅ license ：许可证标识（也可配合单独 LICENSE 文件） │ ├─ ✅ compatibility ：兼容性/运行环境要求（仅在确实有限制时写） │ ├─ ✅ metadata ：任意键值对（如 author/version/source_url 等） │ └─ 🧩 allowed-tools ：允许工具白名单（规范标注为 experimental） │ └─ ✅ 推荐：Markdown 正文（自由格式，但建议按“渐进式披露”组织） ├─ ✅ Overview / Purpose ：一句话说明目标 + 不做什么（边界） ├─ ✅ When to use ：触发条件/适用场景（让模型/用户知道何时调用） ├─ ✅ Step-by-step ：步骤化流程（最好 3–6 步，保证可复现） ├─ ✅ Inputs / Outputs ：输入格式、输出格式、产物位置（文件/文本/JSON等） ├─ ✅ Examples ：至少 1 个可复制示例（越“能跑”越好） ├─ 🧩 Files & References ：引用assets/、references/、scripts/（相对路径） ├─ 🧩 Edge cases ：边界情况/限制（大文件、速率限制、失败回退） ├─ 🧩 Troubleshooting ：常见错误与解决（依赖缺失、路径不对、权限问题） └─ 🧩 Safety notes ：涉及联网/写文件/执行命令时给出提醒（建议写）
在 GitHub 和各类社区里，技能文件分散、难检索、也难判断是否可靠。SkillWink 把开源技能集中整理成可搜索、可筛选、可直接下载使用的技能库，让你更快找到“正好能用”的那一个。并且支持在SkillWink上直接上传skills。
我们提供 AI 语义搜索 + 关键字检索，支持 版本更新与多维排序（下载/点赞/评论/更新），并为每个技能提供 SKILL.md 开放标准与来源信息。你还可以在详情页直接 评论讨论、交流用法与改进建议。
快速上手：
支持下载与导入 skills（.zip/.skill），本地放置后即可生效：
~/.claude/skills/（Claude Code）
~/.codex/skills/（Codex CLI）
~/.gemini/skills/（Gemini CLI）
同一份 SKILL.md 跨平台通用。
你需要了解的：技能是什么、怎么运行的、怎么找、怎么导入、怎么判断可信、怎么参与共建。
这里的“skills（技能）”是一种可复用的任务能力包，通常包含 SKILL.md 说明（用途、输入输出、使用方法）以及可选的脚本/模板/示例文件。
你可以把它理解为：给 AI 助手或工具链用的“插件说明书 + 资源包”，可被反复安装与分享。
技能系统采用“渐进式披露”策略，高效管理上下文信息，具体流程如下：
发现阶段：系统启动时，智能体仅加载各技能的名称与简要描述——信息精简，足以判断其适用场景，避免冗余加载。
激活阶段：当任务需求与某技能描述匹配时，智能体才将对应的完整 SKILL.md 说明文档动态载入上下文。
执行阶段：智能体严格遵循文档指引执行操作，并按需调用关联文件或运行内置代码模块。
核心优势：该设计使智能体始终保持轻量高效，同时具备“按需扩展上下文”的能力，既保障响应速度，又确保复杂任务拥有充分执行依据。
推荐 3 种方式组合使用：
注：以上导入方式文件大小控制在10M之内。
常见路径如下（不同系统略有差异，以你本机为准）：
同一份 SKILL.md 通常可以跨工具复用。你在 SkillWink 导入后，也可以查看“放置指引/安装说明”。
可以。很多技能本质是标准化说明 + 资源，只要目标工具支持读取该格式，就能共享使用。
比如：检索类技能 + 写作类技能 + 自动化脚本，形成“发现 → 处理 → 输出”的工作流。
一部分skills来源于公开的 GitHub 仓库。我们会筛掉低质量仓库（至少 2 星），并扫描基本质量指标，还有一部分是SkillWink平台的创作者独立上传的。作为使用者，在安装前应始终审查代码，对安全问题负责。
最常见原因是这几类：
我们会尽量避免。你可以用 排序 + 评论 让“好用的”更靠前：
