# litert-runtime

Скилл litert-runtime настраивает и пишет Kotlin-код для запуска моделей .tflite на Android через CompiledModel API. Включается в любой задаче с LiteRT: от Gradle-зависимостей до препроцессинга Bitmap и миграции со старого Interpreter.

- скилл · `type=skill` · Claude Code, Codex, Cursor, GitHub Copilot, Gemini CLI, OpenCode, Windsurf (Devin Desktop), Claude.ai · 558 установок · ★ 10691 у репозитория
- Автор: Google LLC
- Лицензия: Apache-2.0 · policy=mirror · начало файла — в конце страницы
- Исходник: https://github.com/android/skills/tree/HEAD/device-ai/litert/litert-runtime/SKILL.md
- Обновлён: 2026-11-17
- Проверка безопасности: автоматическая, 2026-11-16 (текст) — признаков вредоносного кода не нашли.
- HTML: https://affpapa.org/nevibecode/skills/litert-runtime

## Что делает

Скилл ведёт по шагам: сначала выбор рантайма, потом настройка Gradle, размещение модели и код инференса. Два варианта рантайма — через Google Play services (`com.google.android.gms:play-services-litert`) или bundled-зависимости `com.google.ai.edge.litert:litert` и `litert-gpu` из Google Maven. Оба пути расписаны отдельно, смешивать их в одном build variant нельзя.

Жёсткие правила касаются потоков и буферов. Один single-thread executor или confined dispatcher владеет экземпляром `CompiledModel`: создание, инференс и `close` идут на одном фоновом потоке. `TensorBuffer` выделяется один раз и переиспользуется, а `model.run` на GPU возвращает управление до завершения исполнения, поэтому замеры делаются вместе с чтением `outputs[0].readFloat`. Разогревочный инференс в `init` прячет компиляцию шейдеров от первого кадра.

Скилл покрывает миграцию с устаревшего `org.tensorflow.lite.Interpreter`, `GpuDelegate` и `play-services-tflite`. В мигрированном коде не должно остаться ни одного импорта `org.tensorflow.lite`, а GPU-выборы превращаются в `CompiledModel.Options(Accelerator.GPU, Accelerator.CPU)`. Для .litertlm-файлов с генеративными текстовыми моделями скилл не подходит — он отсылает к `litert-lm`. Нужен Kotlin-проект с `minSdk` не ниже 24 и проверенная .tflite-модель с известным контрактом входов.

## Установка

### Claude Code (родная платформа)

1. **Через Skills CLI (Vercel)**
```bash
npx skills add android/skills --skill litert-runtime -a claude-code
```

2. **Вручную: положить файлы**
- Файл: `~/.claude/skills/litert-runtime/SKILL.md` — Папка скилла целиком; для одного проекта — .claude/skills/litert-runtime/

### Codex

1. **Через Skills CLI (Vercel)**
```bash
npx skills add android/skills --skill litert-runtime -a codex
```

2. **Вручную: положить файлы**
- Файл: `.agents/skills/litert-runtime/SKILL.md` — Для всех проектов — ~/.agents/skills/

### Cursor

1. **Через Skills CLI (Vercel)**
```bash
npx skills add android/skills --skill litert-runtime -a cursor
```

2. **Вручную: положить файлы**
- Файл: `.cursor/skills/litert-runtime/SKILL.md` — Cursor читает и .agents/skills/, и .claude/skills/

### GitHub Copilot

1. **GitHub CLI**
```bash
gh skill install android/skills device-ai/litert/litert-runtime
```

2. **Вручную: положить файлы**
- Файл: `.github/skills/litert-runtime/SKILL.md`

### Gemini CLI

1. **Через Skills CLI (Vercel)**
```bash
npx skills add android/skills --skill litert-runtime -a gemini-cli
```

2. **Командой платформы**
```bash
gemini skills install https://github.com/android/skills --path device-ai/litert/litert-runtime
```

### Windsurf (Devin Desktop)

**Вручную: положить файлы**
- Файл: `.devin/skills/litert-runtime/SKILL.md` — Старый путь .windsurf/skills/ тоже читается

### OpenCode

**Через Skills CLI (Vercel)**
```bash
npx skills add android/skills --skill litert-runtime -a opencode
```

### Claude.ai

**Claude.ai**
- Упакуйте папку в zip и загрузите в Settings → Capabilities → Skills

Где указан файл, а не команда, — скопируй файлы из исходника в этот путь: https://github.com/android/skills/tree/HEAD/device-ai/litert/litert-runtime/SKILL.md

## Когда брать
- настроить Gradle под LiteRT 2.x
- запустить инференс на CPU или GPU
- переиспользовать TensorBuffer без утечек
- замерить латентность GPU-инференса корректно
- мигрировать с org.tensorflow.lite на CompiledModel

## Примеры запросов агенту
- Подключи LiteRT к моему Android-проекту и напиши инференс для модели `model.tflite`
- Перенеси код с `org.tensorflow.lite.Interpreter` на CompiledModel API
- Сделай классификацию изображений с препроцессингом Bitmap и GPU-акселерацией

## Похожие
- [litert-google-tensor](https://affpapa.org/nevibecode/skills/litert-google-tensor.md) — скилл · ★ 24522 у репозитория
- [clerk-android](https://affpapa.org/nevibecode/skills/clerk-android.md) — скилл · 15100 установок
- [android-clean-architecture](https://affpapa.org/nevibecode/skills/android-clean-architecture.md) — скилл · 7200 установок
- [kotlin-coroutines-flows](https://affpapa.org/nevibecode/skills/kotlin-coroutines-flows.md) — скилл · 6700 установок
- [mobile-apps-create](https://affpapa.org/nevibecode/skills/mobile-apps-create.md) — скилл · 4800 установок
- [android-kotlin](https://affpapa.org/nevibecode/skills/android-kotlin.md) — скилл · 3400 установок

Из того же набора: [android/skills](https://affpapa.org/nevibecode/by/android/skills.md) — 36 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
