Kubernetes operator for self-hosted LLM inference across a heterogeneous GPU fleet: NVIDIA CUDA, AMD Vulkan, and Apple Silicon Metal. Runtimes: llama.cpp, vLLM, TGI, mlx-server. Multi-GPU sharding, model caching, OpenAI-compatible endpoints. Apache-2.0, run across homelab and on-prem fleets, actively developed.

Ist defilantech/LLMKube einsteigerfreundlich?

In den letzten 30 Tagen hat defilantech/LLMKube 23 von 24 Pull Requests von externen Beitragenden gemergt, und die Maintainer antworten meist binnen 1 Tag. Derzeit sind 3 einsteigerfreundliche Issues offen.

Sterne
232
Forks
37
Offene Anfänger-Issues
3
Indexierte Issues
271
Ø Merge
21 Std. 42 Min.
Gemergte PRs (30 T.)
244
Vorherrschende Sprache
Go
Lizenz
Apache-2.0
Letzter GitHub-Push
13.10.2026
Zuletzt indexiert
13.10.2026
Beitragsleitfaden
Beitragsleitfaden
Verhaltenskodex
Verhaltenskodex
Anfänger-Labels
good first issue help wanted

So tragen Sie zu defilantech/LLMKube bei

  1. Lesen Sie zuerst den Contributing Guide: Er beschreibt, wie die Maintainer Änderungen vorgeschlagen, getestet und geprüft haben möchten.
  2. Das Projekt bringt einen Dev Container mit: Öffnen Sie es in Codespaces, und Sie haben eine lauffähige Umgebung im Browser.
  3. Lesen Sie den Verhaltenskodex: Er gilt für Issues und Pull Requests ebenso wie für den Chat.
  4. Wählen Sie eines der 3 offenen einsteigerfreundlichen Issues unten und schreiben Sie vor dem Start einen Kommentar, dass Sie es übernehmen möchten.
Issues werden geladen

Issues, an denen vielleicht schon jemand arbeitet, stehen am Ende. Alles nach Datum anzeigen

Die neuesten 100 werden angezeigt

Diese Seite listet nur das zuletzt Erfasste. Der vollständige Bestand steht im erweiterten Filter, eingegrenzt nach Sprache, Schwierigkeit und Aufwand.

Erweiterten Filter öffnen

Neue Issues direkt in Ihr Postfach

Eine kurze Übersicht über anfängerfreundliche GitHub-Issues.