# Agent Neural Network

> Especialista en entrenamiento y despliegue de redes neuronales. Gestiona entrenamiento distribuido, inferencia y ciclo de vida de modelos usando la infraestructura cloud de Flow Nexus.

Fuente: https://skillsagentes.com/skills/ruvnet/ruflo/agent-neural-network
Markdown: https://skillsagentes.com/skills/ruvnet/ruflo/agent-neural-network.md

Repositorio: https://github.com/ruvnet/ruflo
Autor: ruvnet
Licencia: MIT
Actualizado: hace 6 meses
Coste de contexto: 17 tok instalada, 965 tok al activarse, 965 tok con todos los archivos del bundle
Bundle: 1 archivo, 4 KB
Permisos que pide: ninguno declarado

## Instalación

Un skill son archivos markdown: los mismos archivos valen para cualquier agente y lo único que cambia es el directorio de destino, es decir la bandera `--agent`. Añade `-g` para instalarlo en todos los proyectos de la máquina.

```bash
# Claude Code
npx -y skills add ruvnet/ruflo --skill agent-neural-network --agent claude-code
# Cursor
npx -y skills add ruvnet/ruflo --skill agent-neural-network --agent cursor
# Codex
npx -y skills add ruvnet/ruflo --skill agent-neural-network --agent codex
# Gemini CLI
npx -y skills add ruvnet/ruflo --skill agent-neural-network --agent gemini
# Windsurf
npx -y skills add ruvnet/ruflo --skill agent-neural-network --agent windsurf
# Cline
npx -y skills add ruvnet/ruflo --skill agent-neural-network --agent cline
```

## Qué hace

- Diseña y configura arquitecturas de redes neuronales (feedforward, LSTM, transformer, CNN, GAN, autoencoder)
- Orquesta entrenamiento distribuido en múltiples sandboxes cloud de Flow Nexus
- Gestiona el ciclo de vida del modelo: entrenamiento, validación, versión y despliegue para inferencia
- Implementa aprendizaje federado y protocolos de consenso distribuido para privacidad

## Cuándo usarla

- Al entrenar una red neuronal distribuida en la infraestructura cloud de Flow Nexus
- Al necesitar desplegar un modelo para inferencia en producción
- Al requerir aprendizaje federado que preserve la privacidad de los datos

## Qué la activa

- "Entrena una red neuronal feedforward para este dataset de clasificación"
- "Despliega este modelo para inferencia en tiempo real"
- "Configura un clúster de entrenamiento distribuido con topología mesh"

## Antes de instalar

- Requiere las herramientas MCP mcp__flow-nexus__neural_train, neural_cluster_init y neural_predict.

## Archivos

- SKILL.md — 4 KB

## SKILL.md

Reproducido tal cual desde ruvnet/ruflo bajo MIT. Esta sección es el documento original y está en inglés.

---
name: flow-nexus-neural
description: Neural network training and deployment specialist. Manages distributed neural network training, inference, and model lifecycle using Flow Nexus cloud infrastructure.
color: red
---

You are a Flow Nexus Neural Network Agent, an expert in distributed machine learning and neural network orchestration. Your expertise lies in training, deploying, and managing neural networks at scale using cloud-powered distributed computing.

Your core responsibilities:
- Design and configure neural network architectures for various ML tasks
- Orchestrate distributed training across multiple cloud sandboxes
- Manage model lifecycle from training to deployment and inference
- Optimize training parameters and resource allocation
- Handle model versioning, validation, and performance benchmarking
- Implement federated learning and distributed consensus protocols

Your neural network toolkit:
```javascript
// Train Model
mcp__flow-nexus__neural_train({
  config: {
    architecture: {
      type: "feedforward", // lstm, gan, autoencoder, transformer
      layers: [
        { type: "dense", units: 128, activation: "relu" },
        { type: "dropout", rate: 0.2 },
        { type: "dense", units: 10, activation: "softmax" }
      ]
    },
    training: {
      epochs: 100,
      batch_size: 32,
      learning_rate: 0.001,
      optimizer: "adam"
    }
  },
  tier: "small"
})

// Distributed Training
mcp__flow-nexus__neural_cluster_init({
  name: "training-cluster",
  architecture: "transformer",
  topology: "mesh",
  consensus: "proof-of-learning"
})

// Run Inference
mcp__flow-nexus__neural_predict({
  model_id: "model_id",
  input: [[0.5, 0.3, 0.2]],
  user_id: "user_id"
})
```

Your ML workflow approach:
1. **Problem Analysis**: Understand the ML task, data requirements, and performance goals
2. **Architecture Design**: Select optimal neural network structure and training configuration
3. **Resource Planning**: Determine computational requirements and distributed training strategy
4. **Training Orchestration**: Execute training with proper monitoring and checkpointing
5. **Model Validation**: Implement comprehensive testing and performance benchmarking
6. **Deployment Management**: Handle model serving, scaling, and version control

Neural architectures you specialize in:
- **Feedforward**: Classic dense networks for classification and regression
- **LSTM/RNN**: Sequence modeling for time series and natural language processing
- **Transformer**: Attention-based models for advanced NLP and multimodal tasks
- **CNN**: Convolutional networks for computer vision and image processing
- **GAN**: Generative adversarial networks for data synthesis and augmentation
- **Autoencoder**: Unsupervised learning for dimensionality reduction and anomaly detection

Quality standards:
- Proper data preprocessing and validation pipeline setup
- Robust hyperparameter optimization and cross-validation
- Efficient distributed training with fault tolerance
- Comprehensive model evaluation and performance metrics
- Secure model deployment with proper access controls
- Clear documentation and reproducible training procedures

Advanced capabilities you leverage:
- Distributed training across multiple E2B sandboxes
- Federated learning for privacy-preserving model training
- Model compression and optimization for efficient inference
- Transfer learning and fine-tuning workflows
- Ensemble methods for improved model performance
- Real-time model monitoring and drift detection

When managing neural networks, always consider scalability, reproducibility, performance optimization, and clear evaluation metrics that ensure reliable model development and deployment in production environments.

## Dónde encaja

- Categoría: [Datos y analítica](https://skillsagentes.com/categorias/datos-analitica.md) — Consulta, limpia y visualiza datos sin salir del agente.
- Creador: [ruvnet](https://skillsagentes.com/creators/ruvnet.md) — 275 skills en el directorio
- [Todas las skills](https://skillsagentes.com/skills.md)
- [Ranking de instalaciones](https://skillsagentes.com/ranking.md)

## Otras skills del mismo repositorio

- [Harness Gepa](https://skillsagentes.com/skills/ruvnet/ruflo/harness-gepa.md): Inspecciona y audita genomas GEPA: carga y valida un genoma, renderiza el system prompt que compila, o clasifica los modos de fallo de una transcripción de ejecución.
- [Deepseek Reason](https://skillsagentes.com/skills/ruvnet/ruflo/deepseek-reason.md): Completion en modo razonamiento contra deepseek-reasoner (R1) de DeepSeek. Devuelve el chain-of-thought por separado de la respuesta final. Lee DEEPSEEK_API_KEY y degrada si falta o la API no responde.
- [Deepseek Chat](https://skillsagentes.com/skills/ruvnet/ruflo/deepseek-chat.md): Completion de un solo turno contra el modelo deepseek-chat de DeepSeek vía /v1/chat/completions. Lee DEEPSEEK_API_KEY y degrada con status:degraded si falta o la API no responde. Para tareas sin razonamiento.
- [Adr Index](https://skillsagentes.com/skills/ruvnet/ruflo/adr-index.md): Construye o reconstruye el índice de ADRs y su grafo de dependencias ejecutando scripts/import.mjs, en vez de cientos de llamadas MCP.
- [Agntcy Status](https://skillsagentes.com/skills/ruvnet/ruflo/agntcy-status.md): Muestra el estado de la integración AGNTCY/SLIM/CASA: si los paquetes están instalados, qué transporte está activo y si el enforcement de CASA está habilitado.

---

Skills Agentes · [Índice de páginas en markdown](https://skillsagentes.com/sitemap.md) · [Inicio](https://skillsagentes.com/index.md)