К основному содержанию
скилл CX Codex

building · pytorch — скилл для Claude Code: что делает и как установить

Скилл building помогает собрать ExecuTorch из исходников, скомпилировать C++ рантайм, подготовить модели или настроить кросс-компиляцию под iOS и Android.

BSD-3-Clause 21 установок ★ 5 187 обновлён 2026-10-29

Установить в Claude Code · Через Skills CLI (Vercel) Все способы и платформы ↓
npx skills add pytorch/executorch --skill building -a claude-code
Открыть на GitHub

Что делает building

Скилл содержит регламент сборки ExecuTorch для ИИ-агентов. Сначала проверяется окружение: требуется Python версий от 3.11 до 3.15 и CMake от 3.24. При необходимости агент активирует Conda-окружение executorch либо разворачивает .executorch-venv, а также автоматически доставляет нужную версию CMake через pip.

Дальше сценарий ветвится под запрос. Для стандартного Python-пакета запускается ./install_executorch.sh --editable, для автономного C++ рантайма — пресеты CMake (macos, linux, windows) или воркфлоу вроде llm-release-metal. Если нужно запустить готовую нейросеть, сборка идёт через make <model>-<backend> под таргеты вроде llama-cpu, whisper-metal или gemma3-cuda.

Кросс-компиляция под мобильные платформы тоже заложена в правила. Сборка фреймворков для iOS делается через ./scripts/build_apple_frameworks.sh, а для Android-библиотек скрипт ожидает настроенную переменную ANDROID_NDK в путях окружения.

Какие задачи решает

  • Собрать ExecuTorch из исходников через скрипт install_executorch.sh
  • Скомпилировать раннеры для моделей llama, whisper или gemma3 через Make
  • Настроить автономный C++ рантайм с помощью готовых пресетов CMake
  • Собрать библиотеки и фреймворки под iOS и Android

Примеры запросов агенту

  • Собери ExecuTorch в editable-режиме с поддержкой Core ML и Vulkan
  • Скомпилируй раннер llama-cpu для проверки модели
  • Подготовь C++ рантайм ExecuTorch под Linux в режиме Release

Как установить building

1Через Skills CLI (Vercel)

npx skills add pytorch/executorch --skill building -a claude-code

2Вручную: положить файлы

~/.claude/skills/building/SKILL.md

Папка скилла целиком; для одного проекта — .claude/skills/building/

По шагам, с командами для каждой платформы: Как установить скилл в Claude Code: пять способов

Вопросы о building

Как установить building в Claude Code?

Выполните команду npx skills add pytorch/executorch --skill building -a claude-code. Файл инструкции сохранится в ~/.claude/skills/building/SKILL.md.

Что делает этот скилл?

Он направляет кодинг-агента по шагам сборки ExecuTorch: от проверки версии Python и CMake до компиляции C++ рантайма, раннеров моделей и сборки под мобильные ОС.

Какие требования к окружению нужны для сборки?

Понадобится Python версий 3.11–3.15 и CMake версии не ниже 3.24. Для сборки под Android также требуется указать путь к ANDROID_NDK.

Исходный текст

SKILL.md · BSD-3-Clause
---
name: building
description: Build ExecuTorch from source — Python package, C++ runtime, runners, cross-compilation, and backend-specific builds. Use when compiling anything in the ExecuTorch repo, diagnosing build failures, or setting up platform-specific builds.
---

# Building ExecuTorch

## Step 1: Ensure Python environment (detect and fix automatically)

**Path A — conda (preferred):**
```bash
# Initialize conda for non-interactive shells (required in Claude Code / CI)
eval "$(conda shell.bash hook 2>/dev/null)"

# Check if executorch conda env exists; create if not
conda env list 2>/dev/null | grep executorch || \
  ls "$(conda info --base 2>/dev/null)/envs/" 2>/dev/null | grep executorch || \
  conda create -yn executorch python=3.12

# Activate
conda activate executorch
```

**Path B — no conda (fall back to venv):**
```bash
# Find a compatible Python (3.11–3.15).
python3.12 -m venv .executorch-venv   # or python3.11, python3.13, python3.14, python3.15
source .executorch-venv/bin/activate
pip install --upgrade pip
```

**Then verify (either path):**

Run `python --version` and `cmake --version`. Fix automatically:
- **Python not 3.11–3.15**: recreate the env with a correct Python version.
- **cmake missing or < 3.24**: run `pip install 'cmake>=3.24'` inside the env.
- **cmake >= 4.0**: works in practice, no action needed.

Parallel jobs: `$(sysctl -n hw.ncpu)` on macOS, `$(nproc)` on Linux.

## Step 2: Build

Route based on what the user asks for:
- User mentions **Android** → skip to [Cross-compilation: Android](#cross-compilation)
- User mentions **iOS** or **frameworks** → skip to [Cross-compilation: iOS](#cross-compilation)
- User mentions a **model name** (llama, whisper, etc.) → skip to [LLM / ASR model runner](#llm--asr-model-runner-simplest-path-for-running-models)
- User mentions **C++ runtime** or **cmake** → skip to [C++ runtime](#c-runtime-standalone)
- Otherwise → default to **Python package** below

### Python package (default)
```bash
conda activate executorch
./install_executorch.sh --editable    # editable install from source
```
This handles everything: submodules, deps, C++ build, Python install. Takes ~10 min on Apple Silicon.

For subsequent rebuilds (deps already present): `pip install -e . --no-build-isolation`

For minimal install (skip example deps): `./install_executorch.sh --minimal`

Enable additional backends:
```bash
CMAKE_ARGS="-DEXECUTORCH_BUILD_COREML=ON -DEXECUTORCH_BUILD_VULKAN=ON" ./install_executorch.sh --editable
```

Verify: `python -c "from executorch.exir import to_edge_transform_and_lower; print('OK')"`

### LLM / ASR model runner (simplest path for running models)

```bash
conda activate executorch
make <model>-<backend>
```

Available targets (run `make help` for full list):

| Target | Backend | macOS | Linux |
|--------|---------|-------|-------|
| `llama-cpu` | CPU | yes | yes |
| `llama-cuda` | CUDA | — | yes |
| `llama-cuda-debug` | CUDA (debug) | — | yes |
| `llava-cpu` | CPU | yes | yes |
| `whisper-cpu` | CPU | yes | yes |
| `whisper-metal` | Metal | yes | — |
| `whisper-cuda` | CUDA | — | yes |
| `parakeet-cpu` | CPU | yes | yes |
| `parakeet-metal` | Metal | yes | — |
| `parakeet-cuda` | CUDA | — | yes |
| `voxtral-cpu` | CPU | yes | yes |
| `voxtral-cuda` | CUDA | — | yes |
| `voxtral-metal` | Metal | yes | — |
| `voxtral_realtime-cpu` | CPU | yes | yes |
| `voxtral_realtime-cuda` | CUDA | — | yes |
| `voxtral_realtime-metal` | Metal | yes | — |
| `gemma3-cpu` | CPU | yes | yes |
| `gemma3-cuda` | CUDA | — | yes |
| `sortformer-cpu` | CPU | yes | yes |
| `sortformer-cuda` | CUDA | — | yes |
| `silero-vad-cpu` | CPU | yes | yes |
| `clean` | — | yes | yes |

Output: `cmake-out/examples/models/<model>/<runner>`

### C++ runtime (standalone)

**With presets (recommended):**

| Platform | Command |
|----------|---------|
| macOS | `cmake -B cmake-out --preset macos` (uses Xcode generator — requires Xcode) |
| Linux | `cmake -B cmake-out --preset linux -DCMAKE_BUILD_TYPE=Release` |
| Windows | `cmake -B cmake-out --preset windows -T ClangCL` |

Then: `cmake --build cmake-out --config Release -j$(sysctl -n hw.ncpu)` (macOS) or `cmake --build cmake-out -j$(nproc)` (Linux)

**LLM libraries via workflow presets** (configure + build + install in one command):
```bash
cmake --workflow --preset llm-release        # CPU
cmake --workflow --preset llm-release-metal  # Metal (macOS)
cmake --workflow --preset llm-release-cuda   # CUDA (Linux/Windows)
```

**Manual CMake (custom flags):**
```bash
cmake -B cmake-out \
  -DCMAKE_BUILD_TYPE=Release \
  -DEXECUTORCH_BUILD_XNNPACK=ON \
  -DEXECUTORCH_BUILD_KERNELS_OPTIMIZED=ON \
  -DEXECUTORCH_BUILD_EXTENSION_MODULE=ON \
  -DEXECUTORCH_BUILD_EXTENSION_FLAT_TENSOR=ON \
  -DEXECUTORCH_BUILD_EXTENSION_NAMED_DATA_MAP=ON \
  -DEXECUTORCH_BUILD_EXTENSION_DATA_LOADER=ON \
  -DEXECUTORCH_BUILD_EXTENSION_TENSOR=ON
cmake --build cmake-out --parallel "$(nproc 2>/dev/null || sysctl -n hw.ncpu)"
```

Run `cmake --list-presets` to see all available presets.

### Cross-compilation

**iOS/macOS frameworks:**
```bash
./scripts/build_apple_frameworks.sh --coreml --xnnpack
```
Link in Xcode with `-all_load` linker flag.

**Android:**

Requires `ANDROID_NDK` on PATH (typically set by Android Studio or standalone NDK install).
```bash
# Verify NDK is available
echo $ANDROID_NDK           # must point to NDK root, e.g. ~/Library/Android/sdk/ndk/<version>
export ANDROID_ABIS=arm64-v8a BUILD_AAR_DIR=aar-out
mkdir -p $BUILD_AAR_DIR && sh scripts/build_android_library.sh
```

## Key build options

Most commonly needed flags (full list: `CMakeLists.txt`):

| Flag | What it enables |
|------|-----------------|
| `EXECUTORCH_BUILD_XNNPACK` | XNNPACK CPU backend |
| `EXECUTORCH_BUILD_COREML` | Core ML (macOS/iOS) |
| `EXECUTORCH_BUILD_METAL` | Metal compute (macOS, requires EXTENSION_TENSOR) |
| `EXECUTORCH_BUILD_CUDA` | CUDA GPU (Linux/Windows, requires EXTENSION_TENSOR) |
| `EXECUTORCH_BUILD_KERNELS_OPTIMIZED` | Optimized kernels |
| `EXECUTORCH_BUILD_KERNELS_QUANTIZED` | Quantized kernels |
| `EXECUTORCH_BUILD_EXTENSION_MODULE` | Module extension (requires DATA_LOADER + FLAT_TENSOR + NAMED_DATA_MAP) |
| `EXECUTORCH_BUILD_EXTENSION_LLM` | LLM extension |
| `EXECUTORCH_BUILD_TESTS` | Unit tests (`ctest --test-dir cmake-out --output-on-failure`) |
| `EXECUTORCH_BUILD_DEVTOOLS` | DevTools (Inspector, ETDump) |
| `EXECUTORCH_OPTIMIZE_SIZE` | Size-optimized build (`-Os`, no exceptions/RTTI) |
| `CMAKE_BUILD_TYPE` | `Release` or `Debug` (5-10x slower). Some presets (e.g. `llm-release`) set this; others require it explicitly. |

## Troubleshooting

| Symptom | Fix |
|---------|-----|
| Missing headers / `CMakeLists.txt not found` in third-party | `git submodule sync --recursive && git submodule update --init --recursive` |
| Mysterious failures after `git pull` or branch switch | `rm -rf cmake-out/ pip-out/ && git submodule sync && git submodule update --init --recursive` |
| `conda env list` PermissionError | Use `CONDA_NO_PLUGINS=true conda env list` or check env dir directly |
| CMake >= 4.0 | Works in practice despite `< 4.0` in docs; only fix if build actually fails |
| `externally-managed-environment` / PEP 668 error | You're using system Python, not conda. Activate conda env first. |
| pip conflicts with torch versions | Fresh conda env; or `./install_executorch.sh --use-pt-pinned-commit` |
| Missing `Python.h` (Linux) | `sudo apt install python3.X-dev` |
| Missing operator registrations at runtime | Link kernel libs with `-Wl,-force_load,<lib>` (macOS) or `-Wl,--whole-archive <lib> -Wl,--no-whole-archive` (Linux) |
| `install_executorch.sh` fails on Intel Mac | No prebuilt PyTorch wheels; use `--use-pt-pinned-commit --minimal` |
| XNNPACK build errors about cpuinfo/pthreadpool | Ensure `EXECUTORCH_BUILD_CPUINFO=ON` and `EXECUTORCH_BUILD_PTHREADPOOL=ON` (both ON by default) |
| Duplicate kernel registration abort | Only link one `gen_operators_lib` per target |

## Build output

**From `./install_executorch.sh` (Python package):**

| Artifact | Location |
|----------|----------|
| Python package | `site-packages/executorch` |

**From CMake builds** (`cmake --install` with `CMAKE_INSTALL_PREFIX=cmake-out`):

| Artifact | Location |
|----------|----------|
| Core runtime | `cmake-out/lib/libexecutorch.a` |
| XNNPACK backend | `cmake-out/lib/libxnnpack_backend.a` |
| executor_runner | `cmake-out/executor_runner` (Ninja/Make) or `cmake-out/Release/executor_runner` (Xcode) |
| Model runners | `cmake-out/examples/models/<model>/<runner>` |

**From cross-compilation:**

| Artifact | Location |
|----------|----------|
| iOS frameworks | `cmake-out/*.xcframework` |
| Android AAR | `aar-out/` |

## Tips
- Always use `Release` for benchmarking; `Debug` is 5–10x slower
- `ccache` is auto-detected if installed (`brew install ccache`)
- `Ninja` is faster than Make (`-G Ninja`) — but `--preset macos` uses Xcode generator
- For LLM workflows, `make <model>-<backend>` is the simplest path
- After `git pull`, clean and re-init submodules before rebuilding

© pytorch · BSD-3-Clause · pytorch/executorch

Похожие скиллы

Все скиллы по теме «ИИ и ML» →

Сначала — building от других авторов.

building joeseesun Ведёт разработку функций Cap в отдельных Git worktree. По запросу /building он проверяет изменения, записывает демонстрацию и открывает pull request. CX Codex +1 ★ 184звёзд репо meson mohitmishra786 Помогает настроить Meson, разобраться с wrap-зависимостями и кросс-компиляцией в C/C++ проектах. CX Codex +1 651установок cpp-pro https://github.com/Jeffallan Скилл cpp-pro для Claude Code пишет и отлаживает приложения на C++. Включается при работе с C++20/23, управлении памятью, многопоточностью и настройке CMake. CX Codex +1 5 800установок cmake mohitmishra786 Скилл настраивает сборку проектов на C и C++ по правилам современного CMake. Пригодится при написании CMakeLists.txt, подключении библиотек и сборке с санитайзерами. CX Codex +1 1 900установок m11-ecosystem 13eholder Скилл m11-ecosystem задаёт агенту правила сборки и сопровождения C++ проекта: CMake, пакетный менеджер для зависимостей, статический анализ и санитайзер. CX Codex +1 1установок cmake-vcpkg официальный github Правило cmake-vcpkg для GitHub Copilot управляет конфигурацией C++ проектов и зависимостями vcpkg. Оно активируется при работе с файлами CMakeLists.txt или vcpkg.json. CX Codex +1 ★ 41 430звёзд репо cpp-testing affaan-m Скилл cpp-testing для Claude Code ведёт агента по циклу red-green-refactor и настраивает GoogleTest с CMake/CTest. Восстанавливает стабильность падающих тестов на C++17/20. CX Codex +1 6 500установок

Из того же набора4

Спонсоры проекта

Компании, которые помогают держать аналитику открытой