К основному содержанию
скилл CX Codex

ce-retune — скилл для Claude Code: что делает и как установить

Перетюнивает корпус скиллов под новую модель по замерам: базовая линия из архива прогонов, шумовой пол, аудит и проходы до порога, записанного заранее.

Установить в Claude Code · Через Skills CLI (Vercel) Все способы и платформы ↓
npx skills add EveryInc/compound-engineering-plugin --skill ce-retune -a claude-code
Открыть на GitHub

Что делает ce-retune

Скилл ведёт перетюн корпуса скиллов под новую модель через замеры. Сначала он ищет в архиве прогонов базовую линию: логи с трассой вызовов инструментов, терминальным маркером, счётчиками токенов и финальным сообщением. Потом гоняет харнесс на двух одинаковых копиях корпуса с одним коммитом и получает шумовой пол. Порог bar:<n> регистрируется письменно до первой правки, потому что порог, выбранный после результатов, уже не порог.

Дальше корпус аудируют с двух сторон: один агент на скилл предлагает сокращения, второй защищает текущий текст. Нужны независимые контексты, без них аудит не получится. Правки идут хирургическими проходами, по одной проблеме на агента, после каждого прохода замер. Тесты под зелёный не правят: строка, которую держит тест, это находка для отчёта. С остановками та же осторожность — часть workflow существует, чтобы остановиться и спросить.

Без харнесса, который умеет A/B двух сборок корпуса, скилл отказывается работать. Ему нужен селектор сборки вроде --plugin-dir и повторяемая задача, которую корпус проходит до конца. Это повод сначала собрать стенд, а потом трогать промпты. Цель — не сократить слова, а пройти зарегистрированный порог.

Какие задачи решает

  • собрать базовую линию из архива прогонов, не тратя новый запуск
  • вычислить шумовой пол на двух одинаковых копиях корпуса
  • зафиксировать порог до правок, чтобы потом было с чем сравнивать
  • провести аудит корпуса двумя агентами с независимыми контекстами
  • разобрать причины остановок по таксономии, прежде чем резать

Примеры запросов агенту

  • Запусти ce-retune под новую модель, корпус в ./skills, bar:<n> последовательных чистых прогонов.
  • Используй ce-retune и скажи, чего не хватает для замера: селектора сборки или повторяемой задачи.
  • ce-retune для симптома «прогон обрывается на середине», путь к корпусу ./skills.

Как установить ce-retune

1Через Skills CLI (Vercel)

npx skills add EveryInc/compound-engineering-plugin --skill ce-retune -a claude-code

2Вручную: положить файлы

~/.claude/skills/ce-retune/SKILL.md

Папка скилла целиком; для одного проекта — .claude/skills/ce-retune/

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

Вопросы о ce-retune

Как установить ce-retune в Claude Code?

Выполните npx skills add EveryInc/compound-engineering-plugin --skill ce-retune -a claude-code. Скилл окажется в ~/.claude/skills/ce-retune/SKILL.md.

Что делает ce-retune?

Перетюнивает корпус скиллов под новую модель по замерам: базовая линия из архива, шумовой пол, адверсариальный аудит и хирургические проходы, пока не будет пройден порог, записанный до изменений.

Что нужно, чтобы скилл заработал?

Харнесс, который умеет A/B двух сборок корпуса, архив прогонов с трассой вызовов и счётчиками токенов, а также повторяемая задача. Если чего-то из этого нет, скилл останавливается и называет, что собрать.

Исходный текст

SKILL.md · MIT
---
name: ce-retune
description: "Retune a skill corpus for a new model, measurement-first: mine the run archive for a baseline, establish a noise floor, audit the corpus adversarially, then cut in measured passes until a pre-registered bar clears. Requires a benchmark harness that can A/B two builds of the corpus; refuses without one."
disable-model-invocation: true
argument-hint: "[target model or symptom] [path to the corpus, defaults to ./skills] [bar:<n> consecutive clean runs]"
---

# Retune a Corpus for a New Model

A corpus that degrades on a new model is a measurement problem before it is a writing problem: rewriting what looks wrong produces a plausible fix list and no way to know whether any item mattered.

**Outcome:** a corpus whose measured behavior on the target model clears a bar registered before any change, with the regression classes removed and each removal attributable.

**Done:** the bar is cleared, or the run reports the specific claim it could not support. A green test suite is not done: it proves nothing broke, not that behavior improved.

**Non-goal:** word reduction. Leanness and performance are separate programs that share a corpus; only one of them is the result here. Report completion, not word count.


## Phase 0: the measurement gate — check this first

This skill cannot run without a way to observe behavior. Check for all three, and name whichever is missing:

1. **A run archive or a harness that produces one** — per-run logs carrying the tool-call trace, a terminal marker, token counts, and the final message.
2. **A build selector** — the harness can point a run at a specific source checkout of the corpus (a `--plugin-dir`-style override, a configurable skills path, an env var), so two builds are comparable under one runner.
3. **A repeatable task** the corpus actually executes end to end.

If any is missing, **stop and say so**, naming what to build. Do not fall back to a static audit and present it as retuning: an audit can say what looks cuttable and never whether cutting helped. An audit-only pass is a legitimate thing to want; it is a different request.

State the target model and the harness you found before continuing.

## The phases

They run in order, and each names the reference it cannot start without. Read `references/workflow-shapes.md` before dispatching any phase: the wrong orchestration shape is the common failure. Fan out by disjoint file ownership, never by item. Items cross files, and agents that share a file lose each other's edits.

Before assessing whether the registered bar is met or interpreting its results, read `references/noise-floor.md`.

1. **Mine the archive** before spending a run — `references/baseline-mining.md`. Historical runs are a free baseline, usually larger than any experiment affordable now.
2. **Establish the noise floor** — `references/noise-floor.md`. Run the harness against **two identical copies** of the corpus, same commit on both sides; whatever difference appears is the floor every later claim must clear. **Register the bar now, in writing, before any change exists.** A bar chosen after seeing results is not a bar.
3. **Audit the corpus adversarially** — `references/corpus-audit.md`. One agent per skill proposes cuts; a second per skill does the opposite and defends the existing prose. **The two passes require independent contexts.** If the host exposes no way to run them as separate agents, report that as a blocker and stop the audit — do not argue both sides in one context and present the result as an audit.
4. **Cut in surgical passes**, one problem per agent — `references/cut-passes.md`, and `references/halt-taxonomy.md` when the symptom is stalling, halting, or a run that ends while naming work it did not do. Two rules bound every pass, whatever class it is cutting. **Never edit a test to make a suite green**: a removed string a test pins is a finding to report, not a test to weaken. And **not every stop is the enemy.** Some workflows exist to stop and ask; that is the product. Sort every stop by who is actually on the other side before touching it. `references/halt-taxonomy.md` carries the screens that decide, so read them before cutting any stop.
5. **Measure, then let the failure choose the next fix** — `references/cut-passes.md` again for what each failure site means and for auditing the phases the instrument never enters. Loop 4 and 5 until the registered bar clears. Then stop; a bar cleared is done. Also report what stayed unmeasured: a cleared bar never implies coverage it does not have.
6. **Ship** — `references/cut-passes.md` carries what the commits and the write-up must preserve.

© EveryInc · MIT · EveryInc/compound-engineering-plugin

Похожие скиллы

Все скиллы по теме «Настройка агента: память, контекст, субагенты» →
llm-evaluation Seth Hobson Скилл для оценки качества LLM-приложений: автоматические метрики, человеческая разметка, LLM-as-judge и бенчмарки. Пригодится, когда нужно сравнить модели или поймать регрессию до деплоя. CX Codex 12 755установок nemo-evaluator-sdk Orchestra Research Скилл запускает оценку языковых моделей на 100+ бенчмарках из 18+ харнессов: MMLU, HumanEval, GSM8K, safety и VLM. Пригодится, когда нужно сравнить модели воспроизводимо. CX Codex +1 943установок bmad-eval bmad-code-org Тестирует и бенчмаркает скиллы в изолированной среде: сравнивает вывод с чистой моделью, проверяет точность триггеров и оценивает качество по рубрике. CX Codex +1 4 600установок principle-explain-the-number backnotprop Скилл для проверки измеренных чисел: заставляет назвать лимитер и отмести версии, что замер поймал не ту работу. Пригодится до того, как ускорение или регрессия уедут в отчёт. CX Codex +1 4 100установок ai-evals RefoundAI Помогает выстроить оценку качества ИИ-продукта: найти сбои, собрать эталонный набор и выбрать проверки. Нужен при работе с LLM, RAG и агентными сценариями. CX Codex +1 2 100установок agent-eval colbymchenry Сравнивает работу агента с CodeGraph и без него на реальном репозитории. Нужен для проверки качества поиска кода и версии CodeGraph. CX Codex +1 1 800установок

Из того же набора34

ce-explain Скилл объясняет, почему код или процесс приняли текущую форму и что происходило за окно работы. Пригодится, когда нужна причина, а не рекомендация. CX Codex +1 957установок ce-babysit-pr Следит за открытым пуллреквестом на GitHub, исправляет замечания ревьюеров и чинит упавшие тесты до готовности к мерджу. CX Codex +1 846установок ce-dogfood Скилл проверяет изменения активной ветки в браузере, исправляет небольшие поломки и сохраняет отчёт. Запускайте его перед слиянием, чтобы пройти пользовательские сценарии по диффу. CX Codex +1 821установок ce-sweep Скилл обходит настроенные источники обратной связи, подтверждает каждую новую запись на месте и складывает открытые пункты в план, готовый для lfg. CX Codex +1 789установок ce-handoff Сохраняет контекст текущей сессии в неизменяемый файл передачи и помогает новому агенту продолжить работу без доступа к прошлой истории. CX Codex +1 697установок ce-prototype Собирает одноразовый прототип, чтобы проверить, как фича должна работать, ощущаться или читаться, пока откат ещё дешёвый. CX Codex +1 544установок ce-noslop Скилл убирает маркеры ИИ-текста, сохраняет факты и формулирует мысли просто. Помогает писать черновики, править документацию и находить речевые штампы. CX Codex +1 363установок ce-bakeoff Разрабатывает несколько независимых решений по одному брифу, сравнивает их и собирает лучший подход. Пригодится, когда выбор требует проработки альтернатив. CX Codex +1 308установок

Спонсоры проекта

Компании, которые помогают держать аналитику открытой