用途：在昇腾 NPU 服务器上部署 vLLM 推理服务，流程涵盖平台确认、环境检查、模型发现、参数配置、部署执行与验证。
主要能力：自动发现模型（在 /home/weights、/home/weight、/home/data*、/data* 等路径递归查找 config.json）；通过 quant_model_description.json 自动判断量化模型，量化模型加 --quantization ascend，非量化模型不得添加该参数；支持图模式（--no-enforce-eager）与 Eager 模式（--enforce-eager）选择；支持容器部署与多卡张量并行；提供 NPU 占用检查、健康检查与推理测试。
使用方式：先确认本地或远程、裸机或容器；用 npu-smi info 检查 NPU，pip show vllm vllm-ascend 检查环境；按模型规模选择 TP（≤14B 用 1 卡，14B-70B 用 2-4 卡，>70B 用 4-8 卡）；设置环境变量（如 ASCEND_RT_VISIBLE_DEVICES、TASK_QUEUE_ENABLE 等）后执行 vllm serve；容器内在后台运行可用 nohup vllm serve /model ... > /tmp/vllm.log 2>&1 &，宿主可用 docker exec -d；最后用 curl http://localhost:8000/health 与 /v1/chat/completions 验证。
限制：所选 NPU 卡被占用时需更换卡或确认后终止进程；出现 OOM 应降低 max-num-seqs 或 max-model-len；图捕获失败可回退 Eager 模式；端口冲突需改端口或终止进程；HCCL 超时需增大 HCCL_CONNECT_TIMEOUT。具体模型支持矩阵与更多参数以资料所列参考文件为准，未提供的收费与价格信息暂未提供。