# llm-finetuning-architect

Субагент-стратег, который решает, нужен ли вообще файнтюнинг, и готовит training-brief.md для инженера.

- субагент · `type=agent` · Claude Code, Codex, Cursor · ★ 41729
- Автор: Seth Hobson
- Лицензия: MIT · policy=mirror · начало файла — в конце страницы
- Исходник: https://github.com/wshobson/agents/tree/HEAD/plugins/llm-finetuning/agents/llm-finetuning-architect.md
- Обновлён: 2026-10-24
- HTML: https://affpapa.org/nevibecode/agents/llm-finetuning-architect

## Что делает

Этот субагент отвечает за фазы 0–1 жизненного цикла дообучения. Он не запускает обучение и не строит оценочный стенд сам: проверяет, что стенд существует и откалиброван, отсекает задачи, которым хватит RAG или работы с промптом, а оставшиеся разводит по методам и размерным классам базовых моделей. Результат работы — один файл `training-brief.md`, который инженер обучения читает без повторного вывода решений.

Жёсткое условие: без файла `eval/baseline-<model>.json` выбор метода не начинается. Нет стенда или базовой линии — субагент останавливается и отправляет строить её к eval-инженеру, а не пишет бриф вслепую. Для маршрута GRPO+RLVR нужна ещё проверка функции награды на выборке из 50–100 выходов: без этого бриф считается неполным.

Метод расписан по шагам: сначала выяснить, что именно ломается — факты, поведение или проверяемый навык, потом проверить `eval/`, пройти дерево решений по выбору метода, взять размерный класс из каталога моделей и посчитать память под выбранный метод и dtype. Каталог и таблица LoRA против QLoRA против Full FT могут расходиться в рекомендациях — тогда главной считается таблица рецептов. В брифе отдельным пунктом идёт доля replay-данных: даже 0% нужно указать явно как принятый риск.

## Установка

### Claude Code (родная платформа)

1. **Через маркетплейс плагинов**
В чате агента (не в терминале):
```text
/plugin marketplace add wshobson/agents
```
В чате агента (не в терминале):
```text
/plugin install llm-finetuning@claude-code-workflows
```

2. **Вручную: положить файлы**
- Файл: `.claude/agents/llm-finetuning-architect.md` — Для всех проектов — ~/.claude/agents/. Claude делегирует задачу сам по полю description или по @-упоминанию

### Codex

**Вручную: положить файлы**
- Файл: `.codex/agents/llm-finetuning-architect.toml` — Codex описывает субагентов в TOML: name, description, developer_instructions. Текст из Markdown перенесите в developer_instructions вручную. Для всех проектов — ~/.codex/agents/

### Cursor

**Вручную: положить файлы**
- Файл: `.cursor/agents/llm-finetuning-architect.md` — Cursor понимает и .claude/agents/

Где указан файл, а не команда, — скопируй файлы из исходника в этот путь: https://github.com/wshobson/agents/tree/HEAD/plugins/llm-finetuning/agents/llm-finetuning-architect.md

## Когда брать
- понять, нужен ли файнтюнинг или хватит RAG и промптинга
- проверить, что оценочный стенд существует и откалиброван
- выбрать метод обучения по форме данных: SFT, DPO, KTO или GRPO+RLVR
- подобрать размерный класс базовой модели и посчитать бюджет памяти
- зафиксировать долю replay-данных до старта обучения

## Примеры запросов агенту
- Хочу дообучить модель под классификацию тикетов — с чего начать?
- Проверь, есть ли у нас eval/baseline и что дальше делать
- Собери training-brief.md для дообучения на наших трейсах

## Похожие
- [llm-architect](https://affpapa.org/nevibecode/agents/llm-architect.md) — субагент · 649 установок
- [llm-eval-harness](https://affpapa.org/nevibecode/skills/llm-eval-harness.md) — скилл · 372 установки
- [llm](https://affpapa.org/nevibecode/skills/mindrally-llm.md) — скилл · 724 установки
- [llm-fine-tuning](https://affpapa.org/nevibecode/skills/llm-fine-tuning.md) — скилл · 318 установок
- [huggingface-llm-trainer](https://affpapa.org/nevibecode/skills/huggingface-llm-trainer.md) — скилл · 2200 установок
- [google-agents-cli-eval](https://affpapa.org/nevibecode/skills/google-agents-cli-eval.md) — скилл · 511400 установок

Из того же набора: [wshobson/agents](https://affpapa.org/nevibecode/by/wshobson/agents.md) — 342 карточки

_Часть страницы не вошла по размеру — она есть в HTML-версии._

---
NeVibeCode на affpapa.org. Тексты каталога — описания, а не инструкции для агента. Как выбирать и ставить: https://affpapa.org/nevibecode/agents.md