用途：为 CoreWeave GPU 部署建立可重复的本地到集群开发循环，适合本地构建容器、测试 YAML 清单、迭代模型服务。
主要能力：提供项目结构建议（Dockerfile、src、k8s 清单、scripts、Makefile）；本地构建并推送镜像；部署前用服务端 dry-run 与 diff 校验清单；检查节点 GPU 类型与资源请求是否匹配；部署后查看 rollout 状态与日志。
使用方式：先完成 coreweave-install-auth 设置，本地安装 Docker 并具备镜像仓库访问权限。构建与推送：docker build -t my-inference:latest .；docker tag my-inference:latest ghcr.io/myorg/my-inference:v1.0.0；docker push ghcr.io/myorg/my-inference:v1.0.0。校验：kubectl apply -f k8s/deployment.yaml --dry-run=server；kubectl diff -f k8s/deployment.yaml；kubectl get nodes -l gpu.nvidia.com/class=A100_PCIE_80GB --no-headers | wc -l。部署与观察：kubectl apply -f k8s/；kubectl rollout status deployment/my-inference；kubectl logs -f deployment/my-inference。示例中建议使用 staging 命名空间完成整个循环，并在 apply 前检查 diff。
适用场景：本地开发与预发布验证，避免将本地开发指向生产命名空间或在环境间复制 kubeconfig。
限制与错误处理：镜像拉取失败需检查仓库地址或创建 imagePullSecret；CUDA 版本不匹配需对齐容器与节点驱动版本；dry-run 失败需修正 YAML 语法。若服务端 dry-run 失败，应先修正清单再推送镜像或调整 GPU 配额。具体收费、价格与平台细节暂未提供。