用途：在 CoreWeave 的裸金属 GPU 节点（A100、H100、L40）上部署第一个 GPU 工作负载，适合首次运行 GPU 任务、测试推理或验证集群访问。
主要能力：提供两类示例清单——用 vLLM 部署 OpenAI 兼容推理服务（Deployment + Service），以及运行 PyTorch CUDA 批处理基准任务（Job）。包含 GPU 资源声明、节点亲和性选择 GPU 型号、HuggingFace token Secret 创建、端口转发与 curl 冒烟测试，以及常见错误（Pending、OOMKilled、镜像拉取失败等）的排查方向。
使用方式：前置条件为完成 coreweave-install-auth 设置、kubectl 已配置 CoreWeave kubeconfig、命名空间具备 GPU 配额。创建 Secret：kubectl create secret generic hf-token --from-literal=token="${HF_TOKEN}"；部署：kubectl apply -f vllm-inference.yaml；查看：kubectl get pods -w；测试：kubectl port-forward svc/vllm-server 8000:8000 后调用 /v1/chat/completions。批处理任务用 kubectl apply -f gpu-batch-job.yaml 与 kubectl logs job/gpu-benchmark --follow。
适用场景：首次接入 CoreWeave 集群、验证 GPU 调度与运行时、搭建最小推理端点或跑一次 CUDA 冒烟测试。
限制：为社区贡献内容，与 CoreWeave, Inc. 无关联、未获其背书或赞助；CoreWeave 为其注册商标。示例默认使用 A100_PCIE_80GB，其他 GPU 型号、配额、计费与价格信息暂未提供。建议先验证批处理路径再暴露公开端点，记录脱敏结果后删除冒烟任务；若任务持续 Pending，应检查事件与命名空间配额，不要扩大集群权限或在清单中内嵌镜像凭据。后续可参考 coreweave-local-dev-loop 进行开发流程设置。