# numba

Правило задаёт практики для Numba-кода на Python: CPU-ускорение, CUDA-ядра и работу с массивами. Пригодится для численных задач в .py.

- правило · `type=rule` · Cursor · ★ 3580
- Автор: sanjeed5
- Лицензия: CC0-1.0 · policy=mirror · начало файла — в конце страницы
- Исходник: https://github.com/sanjeed5/awesome-cursor-rules-mdc/tree/HEAD/rules-mdc/numba.mdc
- Обновлён: 2026-05-19
- HTML: https://affpapa.org/nevibecode/rules/numba

## Что делает

Правило применяется к файлам `**/*.py` и направляет Cursor при написании Numba-кода. Оно советует отделять JIT-функции от высокоуровневой логики, использовать `@njit` для CPU и `prange` вместе с `parallel=True` для явного распараллеливания циклов.

Для CUDA правило задаёт схему с `@cuda.jit`, потоками, блоками и сеткой, а также рекомендует размеры блоков, кратные 32. В нём есть советы по `fastmath=True`, повторному использованию памяти устройства и установке `icc_rt` для Intel CPU на x86/x64. Если `@njit` не может скомпилировать функцию, он выдаёт ошибку вместо незаметного перехода в object mode.

## Установка

### Cursor (родная платформа)

**Вручную: положить файлы**
- Файл: `.cursor/rules/numba.mdc` — Во frontmatter: description, globs, alwaysApply

### Claude Code

**Вручную: положить файлы**
- Файл: `.claude/rules/numba.md` — Поле paths во frontmatter ограничивает файлы: globs из источника → paths

### Codex

**AGENTS.md**
- Codex читает AGENTS.md: вставьте текст правила туда

### GitHub Copilot

**Вручную: положить файлы**
- Файл: `.github/instructions/numba.instructions.md` — Поле applyTo задаёт, к каким файлам применять: globs из источника → applyTo

### Windsurf (Devin Desktop)

**Вручную: положить файлы**
- Файл: `.devin/rules/numba.md`

### Cline

**Вручную: положить файлы**
- Файл: `.clinerules/numba.md`

Где указан файл, а не команда, — скопируй файлы из исходника в этот путь: https://github.com/sanjeed5/awesome-cursor-rules-mdc/tree/HEAD/rules-mdc/numba.mdc

## Когда брать
- разделить Numba-функции и прикладную логику
- настроить CPU-цикл с `@njit` и `prange`
- описать CUDA-ядро и запуск через сетку потоков
- сократить обмен данными между CPU и GPU
- включить `fastmath` для вычислений с плавающей точкой

## Примеры запросов агенту
- Раздели этот Python-код на модуль с Numba-функциями и модуль с прикладной логикой.
- Перепиши цикл с `@njit(parallel=True)`, используя `prange` там, где это уместно.
- Проверь CUDA-ядро: настрой `@cuda.jit`, блоки и передачу массива на устройство.

## Похожие
- [scipy-best-practices](https://affpapa.org/nevibecode/skills/scipy-best-practices.md) — скилл · 1000 установок
- [jax-best-practices](https://affpapa.org/nevibecode/skills/jax-best-practices.md) — скилл · 704 установки
- [matplotlib](https://affpapa.org/nevibecode/skills/k-dense-ai-matplotlib.md) — скилл · 2200 установок
- [exploratory-data-analysis](https://affpapa.org/nevibecode/skills/k-dense-ai-exploratory-data-analysis.md) — скилл · 2100 установок
- [earth2studio-install](https://affpapa.org/nevibecode/skills/earth2studio-install.md) — скилл · 1900 установок
- [tilegym-cutile-python](https://affpapa.org/nevibecode/skills/tilegym-cutile-python.md) — скилл · 1600 установок

Из того же набора: [sanjeed5/awesome-cursor-rules-mdc](https://affpapa.org/nevibecode/by/sanjeed5/awesome-cursor-rules-mdc.md) — 240 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