SDG Hub — плагин
Python-фреймворк синтетических данных с плагином для Claude Code и Codex: блоки собирают в YAML-потоки и генерируют датасеты
- 171 ★ репозитория
- Последний коммит
- Apache-2.0
Расширенный доступ
Почему такой уровень
- Скрипты оболочки запускают генерацию и тратят платные токены вашего провайдера модели
- Плагин читает ключи провайдера из окружения для вызова моделей
Установка
- Работает в
В терминале, через SkillFoxx CLI
npx skillfoxx add plugins/sdg-hubОпределит агенты на машине, покажет уровень доступа и зафиксирует версию.
Другие способы установки
Доступ и проверки
Как мы проверяемРасширенный доступИнструмент запускает код или ходит в сеть, а внешние данные только читает.
- Скрипты оболочки запускают генерацию и тратят платные токены вашего провайдера модели
- Плагин читает ключи провайдера из окружения для вызова моделей
Это чужой код. Посмотрите файлы в репозитории перед установкой.
Что делает
SDG Hub собирает конвейеры синтетических данных из блоков: вызов языковой модели, разбор ответа, преобразование, фильтрация и агентные шаги. Блоки соединяют в потоки на YAML, потом на потоке запускают генерацию на своем наборе данных. Пакет ставится командой `pip install sdg-hub`, готовые потоки находят через `FlowRegistry`, а в потоке, например «MCP Server Distillation», задают модель вызовом `flow.set_model_config`. Плагин переносит это в чат с агентом. Для Claude Code он ставится из маркетплейса Red Hat AI Innovation Team, для Codex есть отдельный манифест. Внутри три скилла: `setup-guide` настраивает провайдера и модель при первом запуске, `flow-browser` перечисляет и показывает доступные потоки, `data-generation` запускает поток и отдает результат. Подробный справочник по блокам, схеме YAML и паттернам лежит в скилле `synthetic-data-generation`. Скрипты `sdg_detect.sh`, `sdg_flows.sh` и `sdg_generate.sh` разрешены скиллам только для своих задач. Ключи и модель задаются в окружении, образец есть в `.env.example`.
Для кого. Инженерам по машинному обучению, которые готовят обучающие датасеты и хотят запускать потоки генерации из Claude Code или Codex.
Подходит, если
- Нужен набор пар «вопрос и ответ» по вашим документам, и поток запускают прямо из чата агента
- Первый запуск: `setup-guide` настроит провайдера и модель, чтобы поток заработал
- Готовый поток под задачу выбирают и разбирают через `flow-browser`
- Свой поток надо описать на YAML, а блоки и схему удобно спросить у агента
Не подходит, если
- Нужны реальные данные пользователей: фреймворк создает синтетические и настоящие не очищает
- Нужна оценка качества готового датасета: потоки генерируют данные, а отдельного аудита готовых наборов в описании нет
- Нужен единичный текст или пара примеров вручную: поток под такую мелочь избыточен
Пример запроса к агенту
Покажи доступные потоки SDG Hub, выбери подходящий для пар вопрос-ответ по моим документам и запусти его на папке docs/Ограничения
Генерация вызывает языковую модель по вашему ключу и оплачивается по тарифу провайдера, а крупные наборы данных тратят много токенов. Плагин держит скрипты оболочки `sdg_generate.sh`, `sdg_detect.sh`, `sdg_flows.sh`, поэтому для Claude Code он разрешает запуск только их. Фреймворк ставится из PyPI отдельно, часть блоков требует дополнительных зависимостей из документации. В репозитории есть хуки `commit-on-stop.sh`, `track-read.sh` и `verify-gate.sh` для самой разработки проекта, и в ваш проект они не попадают. Для Codex установка идет через `.codex-plugin/INSTALL.md`.
Как отключить. В Claude Code выполните `/plugin uninstall sdg-hub`, при необходимости уберите маркетплейс командой `/plugin marketplace remove`. Пакет Python снимает `pip uninstall sdg-hub`.
Частые вопросы
Как поставить SDG Hub в Claude Code?
Выполните `/plugin marketplace add Red-Hat-AI-Innovation-Team/plugins`, затем `/plugin install sdg-hub@Red-Hat-AI-Innovation-Team/plugins`. Можно подключить и сам репозиторий: `/plugin marketplace add Red-Hat-AI-Innovation-Team/sdg_hub`.
Что делают скиллы плагина?
`setup-guide` помогает при первой настройке, `flow-browser` ищет и описывает потоки, `data-generation` запускает выбранный поток. Справочный скилл `synthetic-data-generation` отвечает на вопросы о блоках и схеме YAML.
Можно ли пользоваться фреймворком без плагина?
Да. Установите `pip install sdg-hub`, загрузите поток через `Flow.from_yaml`, настройте модель вызовом `flow.set_model_config` и запустите `flow.generate(dataset)`.
Как подключить Codex?
Выполните `codex plugin marketplace add Red-Hat-AI-Innovation-Team/plugins` и поставьте плагин из маркетплейса. Ручная установка описана в `.codex-plugin/INSTALL.md`.
Из каких блоков состоят потоки?
Из блоков вызова модели, разбора, преобразования, фильтрации и агентных блоков. Справочник блоков есть в документации проекта и в скилле `synthetic-data-generation`.
Обсуждение
Вопросов и отзывов пока нет.
Похожие
ПлагиныПлагин Dex: агент изучает базу, строит модели dbt и семантический слой и следит за дрейфом схем с контролем затрат
Плагин с двумя скиллами и семантическим слоем метрик: агент описывает модели в YAML и считает их в SQL.
Python-библиотека для типизированных версионируемых датасетов над S3, GCS и Azure с командой datachain skill install, которая учит Claude Code, Cursor и Codex р
Скиллы DataHub: поиск по каталогу, метаданные, lineage и качество данных плюс разработка коннекторов
Шаблон для аналитиков данных: AGENTS.md, CLAUDE.md и набор скиллов по Python, SQL, Polars и диагностике моделей.
Плагин из четырех скиллов ведет настройку, оценку памяти GPU и запуск дообучения LLM через единый интерфейс Training Hub.
Коротко о README
README открывается описанием фреймворка, примером на Python и ссылками на документацию. Затем идет раздел о плагине для двух агентов с командами установки и таблица из трех скиллов. Остальное занимают ссылки на установку, быстрый старт, концепции, справочник блоков и потоков и руководство для авторов.