# voltagent-data-ai

Набор субагентов для Claude: пайплайны данных, обучение моделей, работа с LLM и оптимизация баз. Пригодится, когда проект упирается в ETL или ML.

- плагин · `type=plugin` · Claude Code · ★ 26065
- Автор: VoltAgent Community
- Лицензия: MIT · policy=mirror · начало файла — в конце страницы
- Исходник: https://github.com/VoltAgent/awesome-claude-code-subagents/tree/HEAD/categories/05-data-ai
- Обновлён: 2026-10-11
- HTML: https://affpapa.org/nevibecode/plugins/voltagent-data-ai

## Что делает

Плагин ставит в Claude тринадцать субагентов по данным и машинному обучению. Среди них `data-engineer` для ETL/ELT и хранилищ, `ml-engineer` и `machine-learning-engineer` для обучения и вывода моделей в продакшен, `llm-architect` для промптов и дообучения, `nlp-engineer` для обработки текста, `postgres-pro` для запросов и схем PostgreSQL. Есть и более узкие: `reinforcement-learning-engineer` с алгоритмами вроде PPO, SAC и DQN, `mlops-engineer` для мониторинга и версионирования моделей, `prompt-engineer`, `data-analyst`, `data-scientist`, `database-optimizer`, `ai-engineer`.

Выбор идёт по задаче, а не по стеку. Собрать пайплайн — `data-engineer`, ускорить тяжёлый запрос — `database-optimizer`, развернуть модель с мониторингом — `mlops-engineer`. В README есть таблица быстрого выбора, если не хочется читать описания всех тринадцати.

Ставить стоит, если вы уже работаете в Claude и вам нужен отдельный агент под каждую часть ML-жизненного цикла. Плагин не заменяет сами библиотеки и инфраструктуру: субагент подскажет, как построить пайплайн, но Spark, Airflow или кластер вы поднимаете сами.

## Установка

### Claude Code (родная платформа)

**Через маркетплейс плагинов**
В чате агента (не в терминале):
```text
/plugin marketplace add VoltAgent/awesome-claude-code-subagents
```
В чате агента (не в терминале):
```text
/plugin install voltagent-data-ai@voltagent-subagents
```

## Когда брать
- собрать ETL-пайплайн из разрозненных источников
- ускорить медленные запросы и перестроить индексы в PostgreSQL
- довести модель от ноутбука до продакшена с мониторингом
- спроектировать промпты и дообучение под свою задачу
- разобрать текстовые данные и вытащить из них сущности

## Примеры запросов агенту
- помоги спроектировать ETL-пайплайн: данные приходят из API и складываются в хранилище
- этот запрос в PostgreSQL выполняется слишком долго, посмотри план и предложи индексы
- нужно задеплоить модель с версионированием и мониторингом дрейфа

## Похожие
- [mle-workflow](https://affpapa.org/nevibecode/skills/mle-workflow.md) — скилл · 4600 установок
- [senior-ml-engineer](https://affpapa.org/nevibecode/skills/senior-ml-engineer.md) — скилл · 915 установок
- [research-paper-writing](https://affpapa.org/nevibecode/skills/akillness-research-paper-writing.md) — скилл · 466 установок
- [llmquant-data](https://affpapa.org/nevibecode/skills/llmquant-data.md) — скилл · 511 установок
- [data-quality-frameworks](https://affpapa.org/nevibecode/skills/data-quality-frameworks.md) — скилл · 11230 установок
- [data-analyst](https://affpapa.org/nevibecode/skills/data-analyst.md) — скилл · 2200 установок

Из того же набора: [voltagent/awesome-claude-code-subagents](https://affpapa.org/nevibecode/by/voltagent/awesome-claude-code-subagents.md) — 143 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