SKILLEMALL.ai
GitHub ↗ EN Войти

CC unsloth

Экспертное руководство по быстрой донастройке с Unsloth — в 2-5 раз быстрее обучение, на 50-80% меньше памяти, оптимизация LoRA/QLoRA.

машинный переводПоказать оригиналСкрыть оригинал«Expert guidance for fast fine-tuning with Unsloth - 2-5x faster traini…»

Expert guidance for fast fine-tuning with Unsloth - 2-5x faster training, 50-80% less memory, LoRA/QLoRA optimization

davila7/claude-code-templates Agent Skills автор: davila7 MIT 3 файла тело ≈ 479 токенов Открыть источникgithub.com↗ проанализирован 6 дн назад

Экспертное руководство по быстрой донастройке с Unsloth — в 2-5 раз быстрее обучение, на 50-80% меньше памяти, оптимизация LoRA/QLoRA.

Как процесс C 52/100 · Есть пробелы — слабые места: результат и критерий готовности, входы и предусловия, ошибки и развилки

ПроцедураИИ и агентытип и темы размечены автоматически по тексту скилла
Запускается в: Claude / Claude Code ChatGPT / Codex Gemini CLI Cursor GitHub Copilot / VS Code Qwen Code Kimi Code CLI Z.ai (GLM) DeepSeek (Deep Code) Mistral Vibe LangChain (deepagents) OpenClaw Goose OpenCode
JSON
Технический рейтинг
C
89/100
безопасность, качество, тесты
Безопасность 60%
99
Качество 40%
73
Прогон на моделях
не было
Процессный рейтинг
C
52/100
Есть пробелы
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
Ошибки и развилки вес 10
0
три самых слабых из десяти параметров · все десять

Такой же скилл встречается ещё в 2 местах: RA-Skills, AI-Research-SKILLs

Как улучшить

    Для прогона на моделях — необязательно
    • Свои кейсы (evals/evals.json, 4–6 реальных запросов с ожидаемыми ответами): тогда полная проверка прогонит именно их, а не черновик от модели.
    • spec.yaml с триггерными фразами и утверждениями — контракт поведения для CI; `skilltest init` создаст шаблон.

    Находки guard · 1

    ✓ Критических и высоких находок нет

    Средние и низкие: 1
    • низкая Секреты в коде secret-high-entropy-token references/llms.md:44
      Строка, похожая на токен (может быть id, хеш или секрет)
      - [Qwen…er: How to Run Locally](/models/qwen3-coder-how-to-run-locally.md): Run Qwen…uct and 480B-A35B locally with Unsloth Dynamic quants.

    Просканировано файлов: 3. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

    По спецификации Agent Skills

    • заметка frontmatter-key неизвестное поле фронтматтера "dependencies"

    Процессный рейтинг: все десять параметров 52/100

    • 0Результат и критерий готовности. Не сказано, что считать результатом
    • 0Входы и предусловия. Не сказано, что нужно иметь на входе
    • 0Ошибки и развилки. Линейный процесс без обработки сбоев
    • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
    • 40Согласованность. Имя во frontmatter (unsloth) не совпадает с папкой (fine-tuning-unsloth)
    • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
    • 85Шаги. Шагов: 16, расплывчатых формулировок: 1
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Стоимость исполнения. Тело инструкции 479 токенов
    • 100Повторный запуск. Изменяющих операций нет

    Всё перечисленное измерено по тексту скилла, а не оценено моделью: цифры проверяемы. Вес параметра тем больше, чем чаще из-за него процесс встаёт.

    Сигналы качества

    • +5В description нет примеров фраз, по которым скилл должен срабатывать
    • +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
    • +3Длина description 117: рекомендуется 120–800 символов
    • +3Формат ответа не описан: модель каждый раз решает сама
    • +4Нет примеров входа/выхода
    • -42 справочных файлов, но SKILL.md на них не ссылается: модель их не откроет
    • +2Инструкции на одном языке
    • +4Структура: 15 заголовков
    • +3Пошаговые инструкции: 16 пунктов
    • +1Лицензия указана

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 73.