[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-sgl-project--mini-sglang":3,"tool-sgl-project--mini-sglang":64},[4,17,27,35,43,56],{"id":5,"name":6,"github_repo":7,"description_zh":8,"stars":9,"difficulty_score":10,"last_commit_at":11,"category_tags":12,"status":16},3808,"stable-diffusion-webui","AUTOMATIC1111\u002Fstable-diffusion-webui","stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面，旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点，将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。\n\n无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师，还是想要深入探索模型潜力的开发者与研究人员，都能从中获益。其核心亮点在于极高的功能丰富度：不仅支持文生图、图生图、局部重绘（Inpainting）和外绘（Outpainting）等基础模式，还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外，它内置了 GFPGAN 和 CodeFormer 等人脸修复工具，支持多种神经网络放大算法，并允许用户通过插件系统无限扩展能力。即使是显存有限的设备，stable-diffusion-webui 也提供了相应的优化选项，让高质量的 AI 艺术创作变得触手可及。",162132,3,"2026-04-05T11:01:52",[13,14,15],"开发框架","图像","Agent","ready",{"id":18,"name":19,"github_repo":20,"description_zh":21,"stars":22,"difficulty_score":23,"last_commit_at":24,"category_tags":25,"status":16},1381,"everything-claude-code","affaan-m\u002Feverything-claude-code","everything-claude-code 是一套专为 AI 编程助手（如 Claude Code、Codex、Cursor 等）打造的高性能优化系统。它不仅仅是一组配置文件，而是一个经过长期实战打磨的完整框架，旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。\n\n通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能，everything-claude-code 能显著提升 AI 在复杂任务中的表现，帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略，使得模型响应更快、成本更低，同时有效防御潜在的攻击向量。\n\n这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库，还是需要 AI 协助进行安全审计与自动化测试，everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目，它融合了多语言支持与丰富的实战钩子（hooks），让 AI 真正成长为懂上",140436,2,"2026-04-05T23:32:43",[13,15,26],"语言模型",{"id":28,"name":29,"github_repo":30,"description_zh":31,"stars":32,"difficulty_score":23,"last_commit_at":33,"category_tags":34,"status":16},2271,"ComfyUI","Comfy-Org\u002FComfyUI","ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎，专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式，采用直观的节点式流程图界面，让用户通过连接不同的功能模块即可构建个性化的生成管线。\n\n这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景，也能自由组合模型、调整参数并实时预览效果，轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性，不仅支持 Windows、macOS 和 Linux 全平台，还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构，并率先支持 SDXL、Flux、SD3 等前沿模型。\n\n无论是希望深入探索算法潜力的研究人员和开发者，还是追求极致创作自由度的设计师与资深 AI 绘画爱好者，ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能，使其成为当前最灵活、生态最丰富的开源扩散模型工具之一，帮助用户将创意高效转化为现实。",107662,"2026-04-03T11:11:01",[13,14,15],{"id":36,"name":37,"github_repo":38,"description_zh":39,"stars":40,"difficulty_score":23,"last_commit_at":41,"category_tags":42,"status":16},3704,"NextChat","ChatGPTNextWeb\u002FNextChat","NextChat 是一款轻量且极速的 AI 助手，旨在为用户提供流畅、跨平台的大模型交互体验。它完美解决了用户在多设备间切换时难以保持对话连续性，以及面对众多 AI 模型不知如何统一管理的痛点。无论是日常办公、学习辅助还是创意激发，NextChat 都能让用户随时随地通过网页、iOS、Android、Windows、MacOS 或 Linux 端无缝接入智能服务。\n\n这款工具非常适合普通用户、学生、职场人士以及需要私有化部署的企业团队使用。对于开发者而言，它也提供了便捷的自托管方案，支持一键部署到 Vercel 或 Zeabur 等平台。\n\nNextChat 的核心亮点在于其广泛的模型兼容性，原生支持 Claude、DeepSeek、GPT-4 及 Gemini Pro 等主流大模型，让用户在一个界面即可自由切换不同 AI 能力。此外，它还率先支持 MCP（Model Context Protocol）协议，增强了上下文处理能力。针对企业用户，NextChat 提供专业版解决方案，具备品牌定制、细粒度权限控制、内部知识库整合及安全审计等功能，满足公司对数据隐私和个性化管理的高标准要求。",87618,"2026-04-05T07:20:52",[13,26],{"id":44,"name":45,"github_repo":46,"description_zh":47,"stars":48,"difficulty_score":23,"last_commit_at":49,"category_tags":50,"status":16},2268,"ML-For-Beginners","microsoft\u002FML-For-Beginners","ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程，旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周，包含 26 节精炼课程和 52 道配套测验，内容涵盖从基础概念到实际应用的完整流程，有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。\n\n无论是希望转型的开发者、需要补充算法背景的研究人员，还是对人工智能充满好奇的普通爱好者，都能从中受益。课程不仅提供了清晰的理论讲解，还强调动手实践，让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持，通过自动化机制提供了包括简体中文在内的 50 多种语言版本，极大地降低了全球不同背景用户的学习门槛。此外，项目采用开源协作模式，社区活跃且内容持续更新，确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路，ML-For-Beginners 将是理想的起点。",84991,"2026-04-05T10:45:23",[14,51,52,53,15,54,26,13,55],"数据工具","视频","插件","其他","音频",{"id":57,"name":58,"github_repo":59,"description_zh":60,"stars":61,"difficulty_score":10,"last_commit_at":62,"category_tags":63,"status":16},3128,"ragflow","infiniflow\u002Fragflow","RAGFlow 是一款领先的开源检索增强生成（RAG）引擎，旨在为大语言模型构建更精准、可靠的上下文层。它巧妙地将前沿的 RAG 技术与智能体（Agent）能力相结合，不仅支持从各类文档中高效提取知识，还能让模型基于这些知识进行逻辑推理和任务执行。\n\n在大模型应用中，幻觉问题和知识滞后是常见痛点。RAGFlow 通过深度解析复杂文档结构（如表格、图表及混合排版），显著提升了信息检索的准确度，从而有效减少模型“胡编乱造”的现象，确保回答既有据可依又具备时效性。其内置的智能体机制更进一步，使系统不仅能回答问题，还能自主规划步骤解决复杂问题。\n\n这款工具特别适合开发者、企业技术团队以及 AI 研究人员使用。无论是希望快速搭建私有知识库问答系统，还是致力于探索大模型在垂直领域落地的创新者，都能从中受益。RAGFlow 提供了可视化的工作流编排界面和灵活的 API 接口，既降低了非算法背景用户的上手门槛，也满足了专业开发者对系统深度定制的需求。作为基于 Apache 2.0 协议开源的项目，它正成为连接通用大模型与行业专有知识之间的重要桥梁。",77062,"2026-04-04T04:44:48",[15,14,13,26,54],{"id":65,"github_repo":66,"name":67,"description_en":68,"description_zh":69,"ai_summary_zh":69,"readme_en":70,"readme_zh":71,"quickstart_zh":72,"use_case_zh":73,"hero_image_url":74,"owner_login":75,"owner_name":75,"owner_avatar_url":76,"owner_bio":77,"owner_company":77,"owner_location":77,"owner_email":77,"owner_twitter":77,"owner_website":77,"owner_url":78,"languages":79,"stars":100,"forks":101,"last_commit_at":102,"license":103,"difficulty_score":10,"env_os":104,"env_gpu":105,"env_ram":106,"env_deps":107,"category_tags":111,"github_topics":77,"view_count":10,"oss_zip_url":77,"oss_zip_packed_at":77,"status":16,"created_at":112,"updated_at":113,"faqs":114,"releases":130},1200,"sgl-project\u002Fmini-sglang","mini-sglang","A compact implementation of SGLang, designed to demystify the complexities of modern LLM serving systems.","mini-sglang是一个轻量级的大型语言模型推理框架，代码仅约5000行Python，专为简化现代LLM服务系统的复杂性而设计。它让研究人员和开发者能轻松理解、修改和优化推理流程，无需深入底层实现。通过Radix Cache（重用共享前缀的KV缓存）、Chunked Prefill（降低长上下文服务的峰值内存）和Tensor Parallelism（多GPU扩展）等关键技术，mini-sglang实现了顶尖的吞吐量和低延迟性能。目前支持Linux平台（x86_64\u002Faarch64），Windows用户可通过WSL2或Docker无缝使用。如果你是开发者或研究者，想快速搭建高效LLM服务、进行实验或学习推理系统优化，mini-sglang能提供透明、易用的参考实现——无需复杂配置，即可体验高性能推理。","\u003Cp align=\"center\">\n\u003Cimg width=\"400\" src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fsgl-project_mini-sglang_readme_8a1db6f27500.png\">\n\u003C\u002Fp>\n\n# Mini-SGLang\n\nA **lightweight yet high-performance** inference framework for Large Language Models.\n\n---\n\nMini-SGLang is a compact implementation of [SGLang](https:\u002F\u002Fgithub.com\u002Fsgl-project\u002Fsglang), designed to demystify the complexities of modern LLM serving systems. With a compact codebase of **~5,000 lines of Python**, it serves as both a capable inference engine and a transparent reference for researchers and developers.\n\n## ✨ Key Features\n\n- **High Performance**: Achieves state-of-the-art throughput and latency with advanced optimizations.\n- **Lightweight & Readable**: A clean, modular, and fully type-annotated codebase that is easy to understand and modify.\n- **Advanced Optimizations**:\n  - **Radix Cache**: Reuses KV cache for shared prefixes across requests.\n  - **Chunked Prefill**: Reduces peak memory usage for long-context serving.\n  - **Overlap Scheduling**: Hides CPU scheduling overhead with GPU computation.\n  - **Tensor Parallelism**: Scales inference across multiple GPUs.\n  - **Optimized Kernels**: Integrates **FlashAttention** and **FlashInfer** for maximum efficiency.\n  - ...\n\n## 🚀 Quick Start\n\n> **⚠️ Platform Support**: Mini-SGLang currently supports **Linux only** (x86_64 and aarch64). Windows and macOS are not supported due to dependencies on Linux-specific CUDA kernels (`sgl-kernel`, `flashinfer`). We recommend using [WSL2](https:\u002F\u002Flearn.microsoft.com\u002Fen-us\u002Fwindows\u002Fwsl\u002Finstall) on Windows or Docker for cross-platform compatibility.\n\n### 1. Environment Setup\n\nWe recommend using `uv` for a fast and reliable installation (note that `uv` does not conflict with `conda`).\n\n```bash\n# Create a virtual environment (Python 3.10+ recommended)\nuv venv --python=3.12\nsource .venv\u002Fbin\u002Factivate\n```\n\n**Prerequisites**: Mini-SGLang relies on CUDA kernels that are JIT-compiled. Ensure you have the **NVIDIA CUDA Toolkit** installed and that its version matches your driver's version. You can check your driver's CUDA capability with `nvidia-smi`.\n\n### 2. Installation\n\nInstall Mini-SGLang directly from the source:\n\n```bash\ngit clone https:\u002F\u002Fgithub.com\u002Fsgl-project\u002Fmini-sglang.git\ncd mini-sglang && uv venv --python=3.12 && source .venv\u002Fbin\u002Factivate\nuv pip install -e .\n```\n\n\u003Cdetails>\n\u003Csummary>\u003Cb>💡 Installing on Windows (WSL2)\u003C\u002Fb>\u003C\u002Fsummary>\n\nSince Mini-SGLang requires Linux-specific dependencies, Windows users should use WSL2:\n\n1. **Install WSL2** (if not already installed):\n   ```powershell\n   # In PowerShell (as Administrator)\n   wsl --install\n   ```\n\n2. **Install CUDA on WSL2**:\n   - Follow [NVIDIA's WSL2 CUDA guide](https:\u002F\u002Fdocs.nvidia.com\u002Fcuda\u002Fwsl-user-guide\u002Findex.html)\n   - Ensure your Windows GPU drivers support WSL2\n\n3. **Install Mini-SGLang in WSL2**:\n   ```bash\n   # Inside WSL2 terminal\n   git clone https:\u002F\u002Fgithub.com\u002Fsgl-project\u002Fmini-sglang.git\n   cd mini-sglang && uv venv --python=3.12 && source .venv\u002Fbin\u002Factivate\n   uv pip install -e .\n   ```\n\n4. **Access from Windows**: The server will be accessible at `http:\u002F\u002Flocalhost:8000` from Windows browsers and applications.\n\n\u003C\u002Fdetails>\n\n\u003Cdetails>\n\u003Csummary>\u003Cb>🐳 Running with Docker\u003C\u002Fb>\u003C\u002Fsummary>\n\n**Prerequisites**:\n- [Docker](https:\u002F\u002Fdocs.docker.com\u002Fget-docker\u002F)\n- [NVIDIA Container Toolkit](https:\u002F\u002Fdocs.nvidia.com\u002Fdatacenter\u002Fcloud-native\u002Fcontainer-toolkit\u002Flatest\u002Finstall-guide.html)\n\n1. **Build the Docker image**:\n   ```bash\n   docker build -t minisgl .\n   ```\n\n2. **Run the server**:\n   ```bash\n   docker run --gpus all -p 1919:1919 \\\n       minisgl --model Qwen\u002FQwen3-0.6B --host 0.0.0.0\n   ```\n\n3. **Run in interactive shell mode**:\n   ```bash\n   docker run -it --gpus all \\\n       minisgl --model Qwen\u002FQwen3-0.6B --shell\n   ```\n\n4. **Using Docker Volumes for persistent caches** (recommended for faster subsequent startups):\n   ```bash\n   docker run --gpus all -p 1919:1919 \\\n       -v huggingface_cache:\u002Fapp\u002F.cache\u002Fhuggingface \\\n       -v tvm_cache:\u002Fapp\u002F.cache\u002Ftvm-ffi \\\n       -v flashinfer_cache:\u002Fapp\u002F.cache\u002Fflashinfer \\\n       minisgl --model Qwen\u002FQwen3-0.6B --host 0.0.0.0\n   ```\n\n\u003C\u002Fdetails>\n\n### 3. Online Serving\n\nLaunch an OpenAI-compatible API server with a single command.\n\n```bash\n# Deploy Qwen\u002FQwen3-0.6B on a single GPU\npython -m minisgl --model \"Qwen\u002FQwen3-0.6B\"\n\n# Deploy meta-llama\u002FLlama-3.1-70B-Instruct on 4 GPUs with Tensor Parallelism, on port 30000\npython -m minisgl --model \"meta-llama\u002FLlama-3.1-70B-Instruct\" --tp 4 --port 30000\n```\n\nOnce the server is running, you can send requests using standard tools like `curl` or any OpenAI-compatible client.\n\n### 4. Interactive Shell\n\nChat with your model directly in the terminal by adding the `--shell` flag.\n\n```bash\npython -m minisgl --model \"Qwen\u002FQwen3-0.6B\" --shell\n```\n\n![shell-example](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fsgl-project_mini-sglang_readme_4ae1563cd51a.png)\n\nYou can also use `\u002Freset` to clear the chat history.\n\n## Benchmark\n\n### Offline inference\n\nSee [bench.py](.\u002Fbenchmark\u002Foffline\u002Fbench.py) for more details. Set `MINISGL_DISABLE_OVERLAP_SCHEDULING=1` for ablation study on overlap scheduling.\n\nTest Configuration:\n\n- Hardware: 1xH200 GPU.\n- Model: Qwen3-0.6B, Qwen3-14B\n- Total Requests: 256 sequences\n- Input Length: Randomly sampled between 100-1024 tokens\n- Output Length: Randomly sampled between 100-1024 tokens\n\n![offline](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fsgl-project_mini-sglang_readme_94673e65ef26.png)\n\n### Online inference\n\nSee [benchmark_qwen.py](.\u002Fbenchmark\u002Fonline\u002Fbench_qwen.py) for more details.\n\nTest Configuration:\n\n- Hardware: 4xH200 GPU, connected by NVLink.\n- Model: Qwen3-32B\n- Dataset: [Qwen trace](https:\u002F\u002Fgithub.com\u002Falibaba-edu\u002Fqwen-bailian-usagetraces-anon\u002Fblob\u002Fmain\u002Fqwen_traceA_blksz_16.jsonl), replaying first 1000 requests.\n\nLaunch command:\n\n```bash\n# Mini-SGLang\npython -m minisgl --model \"Qwen\u002FQwen3-32B\" --tp 4 --cache naive\n\n# SGLang\npython3 -m sglang.launch_server --model \"Qwen\u002FQwen3-32B\" --tp 4 \\\n    --disable-radix --port 1919 --decode-attention flashinfer\n```\n\n> **Note**: If you encounter network issues when downloading models from HuggingFace, try using `--model-source modelscope` to download from ModelScope instead:\n> ```bash\n> python -m minisgl --model \"Qwen\u002FQwen3-32B\" --tp 4 --model-source modelscope\n> ```\n\n![online](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fsgl-project_mini-sglang_readme_5ec8364fe47c.png)\n\n## 📚 Learn More\n\n- **[Detailed Features](.\u002Fdocs\u002Ffeatures.md)**: Explore all available features and command-line arguments.\n- **[System Architecture](.\u002Fdocs\u002Fstructures.md)**: Dive deep into the design and data flow of Mini-SGLang.\n","\u003Cp align=\"center\">\n\u003Cimg width=\"400\" src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fsgl-project_mini-sglang_readme_8a1db6f27500.png\">\n\u003C\u002Fp>\n\n# Mini-SGLang\n\n一个**轻量级但高性能**的大语言模型推理框架。\n\n---\n\nMini-SGLang 是 [SGLang](https:\u002F\u002Fgithub.com\u002Fsgl-project\u002Fsglang) 的精简实现，旨在揭开现代 LLM 服务系统的复杂面纱。它拥有约 **5,000 行 Python 代码** 的简洁代码库，既是一个功能强大的推理引擎，也是研究人员和开发者透明的参考实现。\n\n## ✨ 核心特性\n\n- **高性能**：通过先进的优化技术，达到业界领先的吞吐量和延迟。\n- **轻量且易读**：代码结构清晰、模块化，并配有完整的类型注解，易于理解和修改。\n- **高级优化**：\n  - **基数缓存**：在不同请求之间复用共享前缀的 KV 缓存。\n  - **分块预填充**：降低长上下文推理时的峰值内存占用。\n  - **重叠调度**：利用 GPU 计算隐藏 CPU 调度开销。\n  - **张量并行**：支持跨多张 GPU 的扩展推理。\n  - **优化内核**：集成 **FlashAttention** 和 **FlashInfer**，以实现最高效率。\n  - ...\n\n## 🚀 快速入门\n\n> **⚠️ 平台支持**：Mini-SGLang 目前仅支持 **Linux**（x86_64 和 aarch64）。Windows 和 macOS 由于依赖于 Linux 特有的 CUDA 内核（`sgl-kernel`、`flashinfer`），暂不支持。建议在 Windows 上使用 [WSL2](https:\u002F\u002Flearn.microsoft.com\u002Fen-us\u002Fwindows\u002Fwsl\u002Finstall)，或通过 Docker 实现跨平台兼容性。\n\n### 1. 环境设置\n\n推荐使用 `uv` 进行快速可靠的安装（注意 `uv` 不会与 `conda` 冲突）。\n\n```bash\n# 创建虚拟环境（推荐 Python 3.10+）\nuv venv --python=3.12\nsource .venv\u002Fbin\u002Factivate\n```\n\n**前提条件**：Mini-SGLang 依赖于 JIT 编译的 CUDA 内核。请确保已安装 **NVIDIA CUDA 工具包**，且其版本与显卡驱动版本一致。可通过 `nvidia-smi` 检查显卡驱动的 CUDA 兼容性。\n\n### 2. 安装\n\n直接从源码安装 Mini-SGLang：\n\n```bash\ngit clone https:\u002F\u002Fgithub.com\u002Fsgl-project\u002Fmini-sglang.git\ncd mini-sglang && uv venv --python=3.12 && source .venv\u002Fbin\u002Factivate\nuv pip install -e .\n```\n\n\u003Cdetails>\n\u003Csummary>\u003Cb>💡 在 Windows (WSL2) 上安装\u003C\u002Fb>\u003C\u002Fsummary>\n\n由于 Mini-SGLang 需要 Linux 特有的依赖项，Windows 用户应使用 WSL2：\n\n1. **安装 WSL2**（如尚未安装）：\n   ```powershell\n   # 以管理员身份运行 PowerShell\n   wsl --install\n   ```\n\n2. **在 WSL2 上安装 CUDA**：\n   - 参照 [NVIDIA 的 WSL2 CUDA 指南](https:\u002F\u002Fdocs.nvidia.com\u002Fcuda\u002Fwsl-user-guide\u002Findex.html)\n   - 确保 Windows 显卡驱动支持 WSL2\n\n3. **在 WSL2 中安装 Mini-SGLang**：\n   ```bash\n   # 在 WSL2 终端中\n   git clone https:\u002F\u002Fgithub.com\u002Fsgl-project\u002Fmini-sglang.git\n   cd mini-sglang && uv venv --python=3.12 && source .venv\u002Fbin\u002Factivate\n   uv pip install -e .\n   ```\n\n4. **从 Windows 访问**：服务器将在 `http:\u002F\u002Flocalhost:8000` 提供服务，Windows 浏览器和应用程序均可访问。\n\n\u003C\u002Fdetails>\n\n\u003Cdetails>\n\u003Csummary>\u003Cb>🐳 使用 Docker 运行\u003C\u002Fb>\u003C\u002Fsummary>\n\n**前提条件**：\n- [Docker](https:\u002F\u002Fdocs.docker.com\u002Fget-docker\u002F)\n- [NVIDIA 容器工具包](https:\u002F\u002Fdocs.nvidia.com\u002Fdatacenter\u002Fcloud-native\u002Fcontainer-toolkit\u002Flatest\u002Finstall-guide.html)\n\n1. **构建 Docker 镜像**：\n   ```bash\n   docker build -t minisgl .\n   ```\n\n2. **运行服务器**：\n   ```bash\n   docker run --gpus all -p 1919:1919 \\\n       minisgl --model Qwen\u002FQwen3-0.6B --host 0.0.0.0\n   ```\n\n3. **交互式 Shell 模式运行**：\n   ```bash\n   docker run -it --gpus all \\\n       minisgl --model Qwen\u002FQwen3-0.6B --shell\n   ```\n\n4. **使用 Docker 卷保存缓存数据**（推荐用于加速后续启动）：\n   ```bash\n   docker run --gpus all -p 1919:1919 \\\n       -v huggingface_cache:\u002Fapp\u002F.cache\u002Fhuggingface \\\n       -v tvm_cache:\u002Fapp\u002F.cache\u002Ftvm-ffi \\\n       -v flashinfer_cache:\u002Fapp\u002F.cache\u002Fflashinfer \\\n       minisgl --model Qwen\u002FQwen3-0.6B --host 0.0.0.0\n   ```\n\n\u003C\u002Fdetails>\n\n### 3. 在线推理服务\n\n只需一条命令即可启动兼容 OpenAI API 的推理服务。\n\n```bash\n# 在单张 GPU 上部署 Qwen\u002FQwen3-0.6B\npython -m minisgl --model \"Qwen\u002FQwen3-0.6B\"\n\n# 在 4 张 GPU 上使用张量并行部署 meta-llama\u002FLlama-3.1-70B-Instruct，监听端口 30000\npython -m minisgl --model \"meta-llama\u002FLlama-3.1-70B-Instruct\" --tp 4 --port 30000\n```\n\n服务器启动后，您可以通过 `curl` 或任何兼容 OpenAI API 的客户端发送请求。\n\n### 4. 交互式 Shell\n\n通过添加 `--shell` 参数，可以直接在终端中与模型对话。\n\n```bash\npython -m minisgl --model \"Qwen\u002FQwen3-0.6B\" --shell\n```\n\n![shell-example](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fsgl-project_mini-sglang_readme_4ae1563cd51a.png)\n\n您还可以使用 `\u002Freset` 清除聊天历史。\n\n## 基准测试\n\n### 离线推理\n\n更多详情请参阅 [bench.py](.\u002Fbenchmark\u002Foffline\u002Fbench.py)。设置 `MINISGL_DISABLE_OVERLAP_SCHEDULING=1` 可进行重叠调度的消融实验。\n\n测试配置：\n\n- 硬件：1x H200 GPU。\n- 模型：Qwen3-0.6B、Qwen3-14B\n- 总请求数：256 条序列\n- 输入长度：随机采样自 100–1024 个 token\n- 输出长度：随机采样自 100–1024 个 token\n\n![offline](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fsgl-project_mini-sglang_readme_94673e65ef26.png)\n\n### 在线推理\n\n更多详情请参阅 [benchmark_qwen.py](.\u002Fbenchmark\u002Fonline\u002Fbench_qwen.py)。\n\n测试配置：\n\n- 硬件：4x H200 GPU，通过 NVLink 连接。\n- 模型：Qwen3-32B\n- 数据集：[Qwen 跟踪日志](https:\u002F\u002Fgithub.com\u002Falibaba-edu\u002Fqwen-bailian-usagetraces-anon\u002Fblob\u002Fmain\u002Fqwen_traceA_blksz_16.jsonl)，回放前 1000 条请求。\n\n启动命令如下：\n\n```bash\n# Mini-SGLang\npython -m minisgl --model \"Qwen\u002FQwen3-32B\" --tp 4 --cache naive\n\n# SGLang\npython3 -m sglang.launch_server --model \"Qwen\u002FQwen3-32B\" --tp 4 \\\n    --disable-radix --port 1919 --decode-attention flashinfer\n```\n\n> **注意**：如果从 HuggingFace 下载模型时遇到网络问题，可尝试使用 `--model-source modelscope` 从 ModelScope 下载：\n> ```bash\n> python -m minisgl --model \"Qwen\u002FQwen3-32B\" --tp 4 --model-source modelscope\n> ```\n\n![online](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fsgl-project_mini-sglang_readme_5ec8364fe47c.png)\n\n## 📚 更多信息\n\n- **[详细特性](.\u002Fdocs\u002Ffeatures.md)**：探索所有可用功能和命令行参数。\n- **[系统架构](.\u002Fdocs\u002Fstructures.md)**：深入了解 Mini-SGLang 的设计与数据流。","# Mini-SGLang 快速上手指南\n\n## 环境准备\n\n- **系统要求**：仅支持 Linux (x86_64\u002Faarch64)。Windows 用户需使用 [WSL2](https:\u002F\u002Flearn.microsoft.com\u002Fen-us\u002Fwindows\u002Fwsl\u002Finstall)，macOS 不支持。\n- **前置依赖**：\n  - NVIDIA CUDA Toolkit（版本需与显卡驱动匹配，通过 `nvidia-smi` 检查）\n  - Python 3.12+（推荐）\n\n## 安装步骤\n\n1. 安装 `uv`（推荐，避免与 conda 冲突）：\n   ```bash\n   pip install uv\n   ```\n\n2. 创建并激活虚拟环境：\n   ```bash\n   uv venv --python=3.12\n   source .venv\u002Fbin\u002Factivate\n   ```\n\n3. 克隆仓库并安装：\n   ```bash\n   git clone https:\u002F\u002Fgithub.com\u002Fsgl-project\u002Fmini-sglang.git\n   cd mini-sglang\n   uv pip install -e .\n   ```\n\n   > **Windows 用户**：请在 WSL2 中执行上述步骤（[WSL2 安装指南](https:\u002F\u002Flearn.microsoft.com\u002Fen-us\u002Fwindows\u002Fwsl\u002Finstall)）。\n\n## 基本使用\n\n1. **启动在线服务**（最简示例）：\n   ```bash\n   python -m minisgl --model \"Qwen\u002FQwen3-0.6B\"\n   ```\n   - 服务默认运行在 `http:\u002F\u002Flocalhost:8000`，兼容 OpenAI API。\n   - **国内加速**：如下载模型慢，添加 `--model-source modelscope`：\n     ```bash\n     python -m minisgl --model \"Qwen\u002FQwen3-0.6B\" --model-source modelscope\n     ```\n\n2. **交互式聊天**：\n   ```bash\n   python -m minisgl --model \"Qwen\u002FQwen3-0.6B\" --shell\n   ```\n   - 在终端直接对话，使用 `\u002Freset` 清除历史。","智语科技团队正在开发一款面向电商的智能客服系统，需实时处理用户长对话历史（平均5000+ token），但现有框架在高并发下频繁崩溃。\n\n### 没有 mini-sglang 时\n- - 高并发时响应延迟超2秒，用户等待率高达35%，影响转化率\n- - 长对话处理导致GPU内存溢出，每日服务崩溃3-5次，需人工紧急重启\n- - 依赖Hugging Face框架的复杂代码（2万+行），新成员需2周才能理解核心逻辑\n- - Windows开发环境无法直接部署，团队被迫用虚拟机，开发效率降低40%\n\n### 使用 mini-sglang 后\n- - Radix Cache复用共享对话前缀，平均响应时间压缩至0.8秒，用户等待率降至8%\n- - Chunked Prefill技术降低峰值内存占用35%，稳定处理10k+ token长对话，崩溃率归零\n- - 5000行精简代码配合清晰类型注解，新成员1天内即可参与核心模块开发\n- - 通过WSL2或Docker无缝适配Windows环境，开发部署时间从2小时缩短至15分钟\n\nmini-sglang以轻量代码实现高性能服务，让LLM应用从“难维护”变为“易迭代”。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fsgl-project_mini-sglang_4ae1563c.png","sgl-project","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Fsgl-project_dce16cc1.png",null,"https:\u002F\u002Fgithub.com\u002Fsgl-project",[80,84,88,92,96],{"name":81,"color":82,"percentage":83},"Python","#3572A5",80.7,{"name":85,"color":86,"percentage":87},"C","#555555",6.8,{"name":89,"color":90,"percentage":91},"Cuda","#3A4E3A",6.5,{"name":93,"color":94,"percentage":95},"C++","#f34b7d",5.6,{"name":97,"color":98,"percentage":99},"Dockerfile","#384d54",0.5,3923,555,"2026-04-05T10:21:23","MIT","Linux","需要 NVIDIA GPU，显存大小未说明，CUDA 版本未说明","未说明",{"notes":108,"python":109,"dependencies":110},"仅支持 Linux 系统；Windows 用户需使用 WSL2；macOS 不支持；需安装 NVIDIA CUDA Toolkit；首次运行需下载模型文件。","3.10+",[],[26,13],"2026-03-27T02:49:30.150509","2026-04-06T08:40:08.634588",[115,120,125],{"id":116,"question_zh":117,"answer_zh":118,"source_url":119},5479,"运行 benchmark\u002Foffline\u002Fbench.py 时出现 CUDA illegal memory access 错误如何解决？","设置环境变量 MINISGL_DISABLE_OVERLAP_SCHEDULING=1，例如：export MINISGL_DISABLE_OVERLAP_SCHEDULING=1 后重新运行基准测试脚本。或升级到已修复版本（PR #103 已合并，无需设置环境变量）。","https:\u002F\u002Fgithub.com\u002Fsgl-project\u002Fmini-sglang\u002Fissues\u002F102",{"id":121,"question_zh":122,"answer_zh":123,"source_url":124},5480,"使用 overlap scheduling 时出现 CUDA illegal memory access 错误如何解决？","设置环境变量 MINISGL_OVERLAP_EXTRA_SYNC=1，例如：export MINISGL_OVERLAP_EXTRA_SYNC=1 后重新运行。此设置可解决非阻塞传输同步问题。","https:\u002F\u002Fgithub.com\u002Fsgl-project\u002Fmini-sglang\u002Fissues\u002F67",{"id":126,"question_zh":127,"answer_zh":128,"source_url":129},5481,"运行模型时提示 'AttributeError: Qwen3Config object has no attribute dtype' 如何解决？","升级 transformers 库到 4.56.0 或更高版本，执行命令：pip install --upgrade transformers>=4.56.0。","https:\u002F\u002Fgithub.com\u002Fsgl-project\u002Fmini-sglang\u002Fissues\u002F36",[]]