x

README.md

@@ -61,20 +61,21 @@
 - `api_key`：接口访问密钥（同时用于 8000 与 8001）
 - `tensor_parallel_size`：张量并行数，双卡建议 `2`
 - `dtype`：推理精度，默认 `bfloat16`
-- `selected_model`：当前生效模型，留空时回退到 `default_model`
+- `models.selected`：当前生效模型，留空时回退到 `models.default`
 
 ## config.json 说明
 
 `config.json` 采用以下结构：
 
-- 顶层 `default_model`：默认模型名
-- 顶层其他键：每个模型的配置档位
+- `models.default`：默认模型名
+- `models.selected`：当前生效模型名
+- `models.profiles`：模型配置集合
 - 每个模型至少建议包含：`hf_model_id`、`ctx`、`max_num_seqs`、`max_tokens`、`gpu_util`、`valid_tp`
 
 启动时会按以下优先级选模型：
 
-1. `config.json` 中 `selected_model`
-2. `config.json` 中 `default_model`
+1. `config.json` 中 `models.selected`
+2. `config.json` 中 `models.default`
 
 模型被选中后，会自动覆盖运行参数，包括：
 
@@ -88,7 +89,7 @@
 
 ## 部署步骤
 
-1. 修改 `config.json` 中的 `selected_model` 与服务参数。
+1. 修改 `config.json` 中的 `models.selected` 与服务参数。
 
 2. 构建并启动容器：
 
@@ -129,8 +130,9 @@ curl -X POST "http://localhost:8001/v1/chat/completions" \
 
 - Base URL 使用 `http://<服务器IP>:8001/v1`
 - API Key 使用 `config.json` 中 `api_key`
-- 模型名使用 `config.json` 中 `served_model_name`
+- 模型名使用 `config.json` 中 `models.profiles.<模型名>.served_model_name`
 - 若使用工具调用，`config.json` 中应配置 `tool_call_parser` 与 `enable_auto_tool_choice`
+- 所有路径按 Ubuntu 规范填写，本地模型建议使用 `/opt/model/<模型目录>`
 
 ## 双 AMD R9700 调优建议
 
@@ -138,4 +140,3 @@ curl -X POST "http://localhost:8001/v1/chat/completions" \
 - 首次部署建议设置 `GPU_MEMORY_UTILIZATION=0.90`，稳定后再调高
 - 若模型较大且吞吐压力高，可逐步调低 `MAX_MODEL_LEN` 或 `MAX_NUM_SEQS`
 - 确保宿主机已正确安装 ROCm 驱动并暴露 `/dev/kfd` 与 `/dev/dri`
-