AgentsMeetRL — плагин
Скилл agents-meet-rl для Claude Code: справочник по обучению ИИ-агентов с подкреплением, разбор сбоев и выбор фреймворка.
- 1 880 ★ репозитория
- Последний коммит
Минимальный доступ
Почему такой уровень
- Скилл состоит из справочных документов и базы проектов. При работе агент может читать ваши логи и код, но сам ничего не запускает.
Установка
- Работает в
В терминале, через SkillFoxx CLI
npx skillfoxx add plugins/agentsmeetrlОпределит агенты на машине, покажет уровень доступа и зафиксирует версию.
Другие способы установки
Доступ и проверки
Как мы проверяемМинимальный доступИнструмент ничего не запускает и не ходит в сеть.
- Скилл состоит из справочных документов и базы проектов. При работе агент может читать ваши логи и код, но сам ничего не запускает.
Это чужой код. Посмотрите файлы в репозитории перед установкой.
Что делает
AgentsMeetRL начинался как список открытых репозиториев, где ИИ-агентов обучают с подкреплением, а теперь распространяется и как плагин с одним скиллом `agents-meet-rl`. Скилл превращает этот список в справочник: агент объясняет механизмы, сравнивает реализации, помогает подключать задачи с инструментами и разбирать причины сбоев обучения и оценки. Вопросы направляются по каталогам. В `mechanisms/` лежат разборы контракта траектории, выравнивания токенов и масок, многоходовых целей и асинхронной коррекции. В `implementations/` есть карточки slime, veRL и AReaL по снимкам исходников. Каталог `problems/` группирует симптомы по обучению, оценке и организации исследования. Машиночитаемая база охватывает 411 проектов по состоянию на 10 октября 2026 года. Каждый ответ опирается на конкретные статьи и репозитории. Скилл различает выведенные рассуждения, заявления из статей, проверенное по исходникам и измеренное качество.
Для кого. Исследователям и инженерам, которые обучают LLM-агентов с подкреплением (GRPO, PPO, DAPO) и выбирают между фреймворками, средами и алгоритмами.
Подходит, если
- Награда при обучении поискового агента стоит на месте, а метрика на оценке падает.
- Нужно выбрать RL-фреймворк для многоходового агента, работающего с инструментами.
- Энтропия или длина ответов резко меняются, и надо понять причину.
- Выгруженные траектории проверяют офлайн на ошибки разбора вызовов инструментов.
- Эксперимент планируют заново: базовые методы, абляции и бюджет вычислений.
Не подходит, если
- Задача про обычное дообучение с учителем: скилл его исключает.
- Нужен классический RL без LLM: скилл исключает такие задачи.
- Требуется живая проверка кода или запуска без доступа агента к файлам и логам.
Пример запроса к агенту
У моего GRPO-агента награда стоит на месте, оценка падает. Разбери возможные причины и скажи, какие логи посмотреть первыми.Ограничения
Скилл покрывает агентное обучение LLM с подкреплением и намеренно исключает обычное дообучение с учителем и классический RL без языковых моделей. Корпус снят 10 октября 2026 года, а инженерная проверка проведена 6 ноября 2026, поэтому новые репозитории в нем отсутствуют. Автор предупреждает, что список построен анализом кода с помощью ИИ-агентов и может содержать неточности, и прямо оговаривает, что проверки по исходникам не доказывают качество обучения. Без доступа к коду, логам и траекториям агент дает только список проверок, а не заключение.
Как отключить. Удалите плагин в окне `/plugin` или, при ручной установке, каталог `~/.claude/skills/agents-meet-rl`, и откройте новую сессию Claude Code.
Частые вопросы
Как установить скилл?
Через плагин: `/plugin marketplace add thinkwee/claude-plugins` и `/plugin install agents-meet-rl@thinkwee`. Вручную: `git clone https://github.com/thinkwee/AgentsMeetRL` и `cp -r AgentsMeetRL/skills/agents-meet-rl ~/.claude/skills/`.
Нужно ли вызывать скилл командой?
Нет. После установки Claude Code сам подключает скилл, когда вопрос касается обучения агентов с подкреплением, например про GRPO или награду.
Какие проблемы он разбирает?
Застывшая награда, всплески KL и энтропии, подбор параметров GRPO, PPO и DAPO, дрейф токенизации, ошибки разбора вызовов инструментов, расхождение оценок LLM-судьи и загрязнение бенчмарков.
Что такое карточки реализаций?
Версионные описания slime, veRL и AReaL по снимкам исходников. Они помогают сравнивать, как каждый фреймворк устроен внутри.
На чем основан корпус?
На README-списке открытых репозиториев с реальным кодом обучения агентов и на машиночитаемой базе из 411 проектов. Список можно открыть и без скилла.
Обсуждение
Вопросов и отзывов пока нет.
Похожие
ПлагиныСкилл по методу «Early Experience» (ICML 2026) помогает агенту подготовить данные для обучения языковых агентов без наград.
AI Builder Club Skills
AI Builder Club — Skills
Плагин-маркетплейс для Claude Code: сделать репозиторий готовым к работе агента и запускать самоподдерживающиеся циклы
Плагин с одним скиллом по проектированию, отладке и оценке ИИ-агентов, основанный на книге Bojie Li об инженерии агентов.
AI Research Skills
AI Research Skills Library
98 скиллов для ML-исследований: от идеи и обучения моделей до инференса, оценки и написания статьи
Скилл от Anthropic для Claude Code: проверяет мультиагентную систему и по замерам сводит подагентов к одному циклу со скиллами.
Сборник из более чем 100 шаблонов AI-агентов и RAG-приложений, в котором есть раздел скиллов для кодовых агентов
Коротко о README
Критерий включения в список: у проекта есть хотя бы многоходовое взаимодействие или использование инструментов. Разделы охватывают базовые фреймворки, поиск и RAG, код и SWE, веб и GUI, награды и обучение, безопасность и среды.