# llava

Скилл для работы с LLaVA: модель отвечает на вопросы по изображениям и ведёт многоходовой диалог о картинке. Пригодится, когда нужен чат по фото или документам.

- скилл · `type=skill` · Claude Code, Codex, Cursor, GitHub Copilot, Gemini CLI, OpenCode · 940 установок · ★ 13956
- Автор: Orchestra Research
- Лицензия: MIT · policy=mirror · начало файла — в конце страницы
- Исходник: https://github.com/Orchestra-Research/AI-Research-SKILLs/tree/HEAD/18-multimodal/llava/SKILL.md
- Обновлён: 2026-10-11
- HTML: https://affpapa.org/nevibecode/skills/llava

## Что делает

Скилл описывает, как запускать LLaVA — открытую vision-language модель, которая соединяет визуальный энкодер CLIP с языковыми моделями Vicuna и LLaMA. Внутри — рецепты загрузки модели через `load_pretrained_model`, подготовка картинки через `process_images`, сборка промпта из шаблона `conv_templates["llava_v1"]` и генерация ответа. Есть примеры CLI, Gradio-интерфейса и многоходовых бесед, где предыдущий ответ подставляется в историю.

Модели идут в размерах 7B, 13B и 34B. Для 7B в FP16 нужно около 14 GB видеопамяти, для 34B — около 70 GB, так что на слабой карте считайте заранее. Квантизация в 4 бита снижает расход примерно вчетверо, в 8 бит — вдвое. Инференс на CPU идёт крайне медленно, поэтому GPU здесь не роскошь. Зависимости — `transformers`, `torch` и `pillow`.

Скилл честно перечисляет слабые места: модель может описывать то, чего на картинке нет, путается в точных пространственных связях, плохо читает мелкий текст и неточно считает объекты, когда их много. Для классификации без диалога проще взять CLIP, для чистого описания картинок — BLIP-2. Если нужен максимальный результат через API, смотрите в сторону GPT-4V.

## Установка

### Claude Code (родная платформа)

1. **Через Skills CLI (Vercel)**
```bash
npx skills add Orchestra-Research/AI-Research-SKILLs --skill llava -a claude-code
```

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

### Codex

1. **Через Skills CLI (Vercel)**
```bash
npx skills add Orchestra-Research/AI-Research-SKILLs --skill llava -a codex
```

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

### Cursor

1. **Через Skills CLI (Vercel)**
```bash
npx skills add Orchestra-Research/AI-Research-SKILLs --skill llava -a cursor
```

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

### GitHub Copilot

1. **GitHub CLI**
```bash
gh skill install Orchestra-Research/AI-Research-SKILLs llava
```

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

### Gemini CLI

1. **Через Skills CLI (Vercel)**
```bash
npx skills add Orchestra-Research/AI-Research-SKILLs --skill llava -a gemini-cli
```

2. **Командой платформы**
```bash
gemini skills install https://github.com/Orchestra-Research/AI-Research-SKILLs --path 18-multimodal/llava
```

### Windsurf (Devin Desktop)

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

### OpenCode

**Через Skills CLI (Vercel)**
```bash
npx skills add Orchestra-Research/AI-Research-SKILLs --skill llava -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/Orchestra-Research/AI-Research-SKILLs/tree/HEAD/18-multimodal/llava/SKILL.md

## Когда брать
- задать вопрос по фотографии и получить текстовый ответ
- собрать чат-бота, который обсуждает картинку в несколько ходов
- описать содержимое изображения словами
- разобрать скан документа и вытащить тему
- перечислить объекты, попавшие в кадр

## Примеры запросов агенту
- Загрузи LLaVA-v1.5-7B и скажи, что на этой картинке
- Собери многоходовой диалог по `image.jpg`: сначала описание, потом уточняющие вопросы
- Запусти `python -m llava.serve.cli --model-path liuhaotian/llava-v1.5-7b --image-file image.jpg` и спроси про сцену

## Похожие
- [tao-finetune-clip](https://affpapa.org/nevibecode/skills/tao-finetune-clip.md) — скилл · 1600 установок
- [tao-finetune-cosmos-embed](https://affpapa.org/nevibecode/skills/tao-finetune-cosmos-embed.md) — скилл · 1600 установок
- [vision-sft](https://affpapa.org/nevibecode/skills/vision-sft.md) — скилл · 2600 установок
- [vision](https://affpapa.org/nevibecode/skills/vision.md) — скилл · 13400 установок
- [bailian-gen](https://affpapa.org/nevibecode/skills/bailian-gen.md) — скилл · 9200 установок
- [qianwen-vision](https://affpapa.org/nevibecode/skills/qianwen-vision.md) — скилл · 5700 установок

Из того же набора: [orchestra-research/ai-research-skills](https://affpapa.org/nevibecode/by/orchestra-research/ai-research-skills.md) — 66 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