Skills Agentes

Neural Training

Entrenamiento de patrones neuronales con SONA, MoE y EWC++ para consolidación de conocimiento.

Estrellas
69.4k

en todo el repo

Actividad
27

0–100, la ruta de este skill

Actualizado
hace 6 meses

último commit aquí

Commits
0

últimos 90 días

Contexto
434 tok

73 tok en reposo

Paquete
1 archivo

2 KB

Instalar

Funciona con cualquier agente que lea SKILL.md

npx -y skills add ruvnet/ruflo --skill neural-training --agent claude-code

Se instala solo en este repositorio.

Qué hace

  • Entrena y optimiza patrones neuronales usando SONA, MoE y EWC++.
  • Ejecuta un pipeline de inteligencia: recuperar (HNSW), juzgar, destilar (LoRA) y consolidar.
  • Permite predecir resultados y optimizar el enrutamiento de agentes según latencia.

Úsalo cuando

  • Entrenamiento de nuevos patrones.
  • Optimización del enrutamiento de agentes.
  • Consolidación de conocimiento.
  • Tareas de reconocimiento de patrones.

No lo uses cuando

  • Tareas simples que no requieren aprendizaje.
  • Operaciones de una sola vez.

Qué lo activa

Di cualquiera de estas frases y el agente debería cargar este skill.

  • Entrena patrones con el modelo MoE durante 10 épocas
  • Revisa el estado del entrenamiento neuronal
  • Optimiza el modelo para reducir la latencia

SKILL.md

En inglés

Neural Training Skill

Purpose

Train and optimize neural patterns using SONA, MoE, and EWC++ systems.

When to Trigger

  • Training new patterns
  • Optimizing agent routing
  • Knowledge consolidation
  • Pattern recognition tasks

Intelligence Pipeline

  1. RETRIEVE — Fetch relevant patterns via HNSW (150x-12,500x faster)
  2. JUDGE — Evaluate with verdicts (success$failure)
  3. DISTILL — Extract key learnings via LoRA
  4. CONSOLIDATE — Prevent catastrophic forgetting via EWC++

Components

Component Purpose Performance
SONA Self-optimizing adaptation <0.05ms
MoE Expert routing 8 experts
HNSW Pattern search 150x-12,500x
EWC++ Prevent forgetting Continuous
Flash Attention Speed 2.49x-7.47x

Commands

Train Patterns

npx claude-flow neural train --model-type moe --epochs 10

Check Status

npx claude-flow neural status

View Patterns

npx claude-flow neural patterns --type all

Predict

npx claude-flow neural predict --input "task description"

Optimize

npx claude-flow neural optimize --target latency

Best Practices

  1. Use pretrain hook for batch learning
  2. Store successful patterns after completion
  3. Consolidate regularly to prevent forgetting
  4. Route based on task complexity

Reproducido de ruvnet/ruflo bajo licencia MIT. Leer esta página en markdown.

Archivos

1 archivo en el paquete. Solo se lee SKILL.md al activarse — las referencias se cargan si el skill decide que las necesita.

Antes de instalar

Necesita en el PATH:npx

Detalles

Creador
ruvnet
Licencia
MIT
Recursos incluidos
Solo SKILL.md
Repositorio
ruvnet/ruflo
Código fuente
Ver SKILL.md

Etiquetas

Más de ruvnet/ruflo

Este repo incluye 275 skills. Si instalas uno, normalmente ya tienes los demás.

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.

Costo de contexto al activarse
833 tok
Tamaño del paquete
1 archivo
Última actualización
hace 4 días
Permisos
herramientas desarrollo

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.

Costo de contexto al activarse
627 tok
Tamaño del paquete
1 archivo
Última actualización
hace 4 días
Permisos
automatizacion

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.

Costo de contexto al activarse
566 tok
Tamaño del paquete
1 archivo
Última actualización
hace 4 días
Permisos
automatizacion

Construye o reconstruye el índice de ADRs y su grafo de dependencias ejecutando scripts/import.mjs, en vez de cientos de llamadas MCP.

Costo de contexto al activarse
866 tok
Tamaño del paquete
1 archivo
Última actualización
hace 27 días
herramientas desarrollo

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.

Costo de contexto al activarse
443 tok
Tamaño del paquete
1 archivo
Última actualización
hace 26 días
devops infraestructura

Ejecuta escaneos de seguridad completos sobre el código con las herramientas de seguridad de Ruflo, a profundidad quick, standard o deep.

Costo de contexto al activarse
298 tok
Tamaño del paquete
1 archivo
Última actualización
el mes pasado
seguridad