快速开始
从一台裸机 GPU 服务器到第一个可调用的推理端点，全程只需要几条命令。这一节把完整链路走一遍：安装控制面、引导节点、部署模型、发起调用。
本节内容
安装与初始化
一行安装脚本拉起控制面，检查系统依赖与端口要求。
在准备作为控制面的机器上（可以是任意一台 Linux 服务器，无需 GPU）执行安装脚本，脚本会自动检查系统依赖、内核参数与端口占用，然后拉起控制面服务。
curl -fsSL https://llmpod.cn/src/download/install.sh | sh
安装完成后终端会输出控制台地址与初始管理员凭据。控制面默认监听 8443 端口；如果机器有防火墙，放行该端口即可在浏览器打开控制台。
控制面自身是无状态服务，集群的全部状态（节点、模型、部署、端点）存储在本地元数据库中，单机即可运行，不需要外部依赖。
引导第一个 GPU 节点
在节点上执行引导脚本，等待拓扑自动注册与就绪检查。
在控制台「集群管理」里创建一个集群（例如 prod-a），然后拿到一条节点引导命令。把它复制到 GPU 节点上执行：
llmpod node bootstrap \ --server=api.llmpod.cn:8443 \ --pool=prod-a \ --token=bt_xxxx
引导脚本会在节点上完成三件事：安装节点侧运行时、上报硬件拓扑（GPU 型号、显存、互联带宽）、注册进集群拓扑。全程不需要人工配置。
引导令牌在 8 小时内可重复使用，多台机器可以复用同一条命令批量接入。节点注册完成后，控制台的拓扑图里会立即出现这台机器，并开始上报 GPU 利用率、显存、温度等实时指标。
部署第一个模型
选择模型源、完成预检并启动推理服务。
进入「模型管理 → 添加模型」，选择模型源：HuggingFace 仓库、对象存储地址或本地文件上传均支持，大文件走分片上传与断点续传。
上传完成后创建部署。部署前的预检会校验：单卡显存余量是否够放模型、副本与卡数的放置规划、模型清单完整性。预检不通过会直接给出原因与建议配置，避免传完几十 GB 才发现跑不起来。
推理引擎按模型自动推荐 vLLM 或 TGI，也允许手动覆盖并行策略（张量并行 / 数据并行）。点击确认部署后，实例进入启动阶段，日志实时可见，就绪后自动接入你指定的端点。
发起第一次调用
创建 API Key，绑定端点，用 OpenAI 兼容格式发起推理请求。
在「密钥管理」创建一个 API Key（可设预算上限与有效期），然后在路由网关里确认端点已绑定刚部署的模型实例。端点地址形如 api.llmpod.cn，路径与 OpenAI 兼容：
curl https://api.llmpod.cn/v1/chat/completions \
-H "Authorization: Bearer lp-xxxx" \
-H "Content-Type: application/json" \
-d '{
"model": "Qwen/Qwen2.5-7B-Instruct",
"messages": [{"role": "user", "content": "你好"}]
}'流式响应（stream: true）与对话、补全两种接口都支持。调用完成后，在控制台的调用日志里可以看到每次请求的 token 用量、延迟与计费明细。
到这里，从裸机到可调用推理 API 的完整链路已经跑通。后续可以按「集群管理」「模型部署」「路由网关」各节深入了解每个环节。