Training Hub — плагин
Плагин из четырех скиллов ведет настройку, оценку памяти GPU и запуск дообучения LLM через единый интерфейс Training Hub.
- 105 ★ репозитория
- Последний коммит
- Apache-2.0
Расширенный доступ
Почему такой уровень
- Скиллы запускают оболочечные скрипты и длительные задачи обучения, которые нагружают GPU и пишут модели и логи на диск.
Установка
- Работает в
В терминале, через SkillFoxx CLI
npx skillfoxx add plugins/training-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.
- Скиллы запускают оболочечные скрипты и длительные задачи обучения, которые нагружают GPU и пишут модели и логи на диск.
Это чужой код. Посмотрите файлы в репозитории перед установкой.
Что делает
Training Hub — библиотека Red Hat AI Innovation Team, которая объединяет алгоритмы дообучения языковых моделей за одним интерфейсом: SFT, непрерывное обучение OSFT, LoRA, GRPO, GEPA и дообучение эмбеддингов. В репозитории лежит и плагин для Claude Code и Codex со скиллами. Скилл `setup-guide` определяет окружение и помогает настроить обучение с нуля, `memory-estimation` оценивает память GPU до запуска, чтобы понять, поместится ли модель, `training-guide` запускает задачу по сохраненной конфигурации, а `training-hub-guide` подсказывает алгоритм, гиперпараметры и разбор ошибок нехватки памяти и кривых потерь. Скрипты `th_detect.sh`, `th_estimate.sh` и `th_train.sh` выполняют шаги скиллов.
Для кого. Инженерам по машинному обучению, которые дообучают языковые модели и хотят, чтобы агент подбирал алгоритм, оценивал память и запускал обучение.
Подходит, если
- Перед запуском нужно узнать, поместится ли модель в память имеющихся GPU.
- Первый раз настраивают обучение, и агент определяет окружение и ставит нужные дополнительные наборы.
- Выбирают между SFT, OSFT и LoRA под размер данных и железо.
- Обучение падает с ошибкой нехватки памяти, и нужен разбор причин.
Не подходит, если
- GPU нет: основные алгоритмы рассчитаны на CUDA, на CPU идут только GEPA и дообучение эмбеддингов.
- Нужна полноценная документация библиотеки: на сайте она помечена как в разработке.
- Обучение идет другой библиотекой: плагин знает только Training Hub.
Пример запроса к агенту
Оцени, поместится ли модель на 2 GPU по 80 ГБ для дообучения LoRA, и предложи конфигурацию.Ограничения
Плагин помогает работать с библиотекой, а саму библиотеку ставят отдельно командой `pip install training-hub` с дополнительными наборами под алгоритм: `lora`, `grpo`, `gepa`, `embedding`. Для SFT и GRPO заявлены несколько GPU и несколько узлов, для LoRA на Unsloth допустима одна видеокарта, а GEPA идет на CPU по API. Скиллы запускают оболочечные скрипты `th_detect.sh`, `th_estimate.sh` и `th_train.sh` и обучение занимает много времени и памяти. Документация библиотеки отмечена как в работе.
Как отключить. Удалите плагин из Claude Code или Codex и библиотеку командой `pip uninstall training-hub`. Сохраненные конфигурации и результаты обучения удаляются вручную.
Частые вопросы
Как поставить библиотеку?
Выполните `pip install training-hub`. Для LoRA добавьте набор `[lora]`, для GRPO `[grpo]`, для GEPA `[gepa]`, для эмбеддингов `[embedding]`.
Какие алгоритмы поддерживаются?
SFT, непрерывное обучение OSFT, LoRA с SFT, LoRA с GRPO, полный GRPO, GEPA и дообучение эмбеддингов.
Что делает скилл `memory-estimation`?
Оценивает потребление видеопамяти GPU для конфигурации до запуска и помогает понять, поместится ли модель и как распределить карты.
Когда вызывать `setup-guide`?
При первой настройке обучения или когда `training_hub` еще не установлен в текущем окружении. Скилл определяет окружение скриптом `th_detect.sh`.
Какие агенты подключаются?
В репозитории есть манифесты плагинов для Claude Code и Codex, скиллы лежат в `.claude/skills`.
Обсуждение
Вопросов и отзывов пока нет.
Похожие
ПлагиныCLI для дообучения языковых моделей из одного YAML: LoRA, QLoRA, DPO и GRPO, потоковая загрузка слоев для 8B на видеокарте в 4 ГБ, выгрузка в GGUF
Python-фреймворк синтетических данных с плагином для Claude Code и Codex: блоки собирают в YAML-потоки и генерируют датасеты
Ledidi проектирует минимальные правки ДНК, РНК и белков под нужный ответ модели; встроенный навык ведет агента по API.
Скиллы Probabl для экспериментов по машинному обучению: пайплайн на scikit-learn и skrub, оценка, аудит и подключение к Skore Hub
Официальные скиллы Hugging Face: работа с Hub через CLI hf, датасеты, обучение моделей, Spaces, оценка и деплой
Два навыка по книге Стаса Бекмана: обучение больших моделей на кластере и приемочный прогон GPU-кластера с отчетом.
Коротко о README
Репозиторий содержит библиотеку Training Hub с примерами и документацией, манифесты плагина для Claude Code и Codex и четыре скилла в `.claude/skills/`. Лицензия Apache-2.0.