核心用法
EcoCompute 是一个纯提示、无状态的 LLM 推理能耗优化咨询技能。用户通过指定协议（OPTIMIZE/COMPARE/EXPLAIN/AUDIT/RECOMMEND）获取结构化节能建议，输出包含协议类型、基线对比、置信度星级（★★★/★★☆/★☆☆）、可复制的单行配置示例及待澄清问题。
典型工作流
1. 描述当前推理场景（模型、硬件、负载特征）
2. 选择协议获取对应分析（如 COMPARE 对比量化策略，AUDIT 审查配置风险）
3. 按星级判断建议可靠度，执行 executableConfig 中的配置片段
显著优点
- 证据优先：优先引用已知基准数据，区分实测结论与架构外推
- 风险可控：明确标注置信度，保守处理不确定性，避免过度承诺
- 零侵入安全：纯咨询模式，无运行时执行、无系统变更、无会话持久化
- 结构化输出：强制字段确保建议可落地、可验证、可追问
潜在局限
- 无实时感知：无法获取实际运行指标（延迟、功耗、利用率），依赖用户输入准确性
- 基准滞后：建议基于历史 benchmark 先验，可能未覆盖最新硬件/模型版本
- 跨域推断弱：★☆☆ 级建议（跨架构估算）可靠性显著降低
- 需人工闭环：配置建议需用户手动实施，无自动化部署能力
适合人群
- ML 工程师优化推理成本与碳足迹
- 平台团队评估量化、批处理、硬件迁移策略
- 可持续技术决策者需量化 ROI 与能效对比
常规风险
- 输入偏差：用户描述的负载特征与实际不符时，建议失效
- 置信误读：低星级建议被当作高确定性结论执行
- 配置误用：
executableConfig片段需结合具体环境调整，直接复制可能引发兼容性问题
使用建议
对高价值决策，优先追求 ★★★ 级建议；涉及跨架构迁移（如 GPU→TPU）时，要求系统明确列出外推假设并补充实测验证。