# llm-finetuning-training-engineer

Субагент берёт готовый бриф обучения, готовит датасет, запускает скрипты на Unsloth и выгружает итоговые чекпоинты. Помогает автоматизировать фазы обучения LLM.

- субагент · `type=agent` · Claude Code, Codex, Cursor · ★ 41823
- 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-training-engineer.md
- Обновлён: 2026-10-24
- HTML: https://affpapa.org/nevibecode/agents/llm-finetuning-training-engineer

## Что делает

Субагент отвечает за техническую часть файнтюнинга языковых моделей. Он не выбирает базовую архитектуру. Инженер обучения берёт `training-brief.md`, форматирует данные, генерирует `train/train.py` и `train/config.yaml`, а затем следит за прогрессом шагов в фоне.

Скрипты строятся на базе Unsloth с запасным переходом на TRL при ошибках конкретных версий. Поддерживаются рецепты SFT, LoRA, QLoRA, DPO, KTO, ORPO, SimPO и GRPO. Все данные каждого запуска сохраняются в изолированную директорию `runs/<date>-<slug>/`.

Без файла `env-report.json` агент откажется генерировать и запускать скрипт обучения. Перед стартом он обязательно требует зафиксировать конфиг в коммите git. Экспорт весов запускается только после подтверждённого вердикта `PROMOTE` от инженера оценки.

## 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-training-engineer.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-training-engineer.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-training-engineer.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-training-engineer.md

## Когда брать
- подготовить датасет и проверить декодирование упакованных токенов
- сгенерировать скрипт обучения под LoRA, QLoRA или GRPO
- запустить фоновый процесс обучения и отслеживать метрики шагов
- диагностировать расхождение функции потерь и сбои памяти
- экспортировать проверенный чекпоинт в целевой формат

## Примеры запросов агенту
- Подготовь датасет и проверь окружение по брифу `training-brief.md`
- Сгенерируй скрипт обучения Unsloth для QLoRA и запусти фоновый процесс
- Экспортируй проверенный чекпоинт в целевой формат после вердикта PROMOTE

## Похожие
- [prompt-engineer](https://affpapa.org/nevibecode/agents/voltagent-community-prompt-engineer.md) — субагент · 16078 установок
- [ai-engineer](https://affpapa.org/nevibecode/agents/voltagent-community-ai-engineer.md) — субагент · 7687 установок

Из того же набора: [wshobson/agents](https://affpapa.org/nevibecode/by/wshobson/agents.md) — 508 карточек

_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