llm-config — скилл для Claude Code: что делает и как установить
Скилл настраивает локальный инференс RuVLLM и управляет адаптерами MicroLoRA и SONA прямо в оперативной памяти по сигналам качества.
npx skills add ruvnet/ruflo --skill llm-config -a claude-codeЧто делает llm-config
Скилл подключает набор MCP-инструментов для работы с движком RuVLLM в изолированном контуре. Через него агент генерирует конфиг модели и запускает адаптеры MicroLoRA либо SONA. Обучающие датасеты здесь не нужны.
Адаптация весов идёт на лету через числовые оценки качества от 0.0 до 1.0. Все созданные инстансы живут исключительно в памяти MCP-сервера. После перезапуска процесса веса сбрасываются. Поэтому идентификаторы loraId и sonaId придётся сохранять и создавать заново после сбоя.
Без пакета @ruvector/ruvllm-wasm инструменты адаптации работать не будут. Если проверка статуса возвращает wasm.available: false, нужно поставить пакет командой npm i -g @ruvector/ruvllm-wasm. Этот инструмент не подходит для удалённых моделей и не сохраняет файлы адаптеров на диск.
Какие задачи решает
- сгенерировать конфигурационный файл для локального запуска RuVLLM
- создать легковесный адаптер MicroLoRA с рангом от 1 до 4
- настроить инстанс мгновенной адаптации SONA со скрытой размерностью весов
- скорректировать веса модели в памяти через числовой сигнал качества
Примеры запросов агенту
- Проверь статус RuVLLM и сгенерируй конфигурацию для локальной модели
- Создай адаптер MicroLoRA с рангом 2 для входящей размерности 1024
- Обнови веса инстанса SONA с идентификатором sona_1 по оценке качества 0.85
Как установить llm-config
1Через Skills CLI (Vercel)
npx skills add ruvnet/ruflo --skill llm-config -a claude-code2Вручную: положить файлы
~/.claude/skills/llm-config/SKILL.mdПапка скилла целиком; для одного проекта — .claude/skills/llm-config/
1Через Skills CLI (Vercel)
npx skills add ruvnet/ruflo --skill llm-config -a codex2Вручную: положить файлы
.agents/skills/llm-config/SKILL.mdДля всех проектов — ~/.agents/skills/
1Через Skills CLI (Vercel)
npx skills add ruvnet/ruflo --skill llm-config -a cursor2Вручную: положить файлы
.cursor/skills/llm-config/SKILL.mdCursor читает и .agents/skills/, и .claude/skills/
1GitHub CLI
gh skill install ruvnet/ruflo llm-config2Вручную: положить файлы
.github/skills/llm-config/SKILL.md1Через Skills CLI (Vercel)
npx skills add ruvnet/ruflo --skill llm-config -a gemini-cli2Командой платформы
gemini skills install https://github.com/ruvnet/ruflo --path plugins/ruflo-ruvllm/skills/llm-configВручную: положить файлы
.devin/skills/llm-config/SKILL.mdСтарый путь .windsurf/skills/ тоже читается
Через Skills CLI (Vercel)
npx skills add ruvnet/ruflo --skill llm-config -a opencodeClaude.ai
Упакуйте папку в zip и загрузите в Settings → Capabilities → Skills
По шагам, с командами для каждой платформы: Как установить скилл в Claude Code: пять способов
Вопросы о llm-config
Как установить llm-config в Claude Code?
Выполните команду npx skills add ruvnet/ruflo --skill llm-config -a claude-code. Скилл добавится в каталог ~/.claude/skills/llm-config/SKILL.md.
Что делает скилл llm-config?
Он помогает генерировать конфигурации RuVLLM и управлять инференс-адаптерами MicroLoRA и SONA, подстраивая их веса в памяти по числовому скору.
Сохраняются ли обученные адаптеры между сессиями?
Нет. Инстансы MicroLoRA и SONA хранятся только в памяти MCP-сервера и стираются при перезапуске процесса.
Исходный текст
SKILL.md · MIT
--- name: llm-config description: Configure RuVLLM local inference helpers: generate a config, and create and adapt in-process MicroLoRA and SONA instances from quality signals. Use when you need local, air-gapped inference tooling, not for fine-tuning hosted models. argument-hint: "[--model MODEL] [--adapter microlora|sona]" allowed-tools: mcp__plugin_ruflo-core_ruflo__ruvllm_generate_config mcp__plugin_ruflo-core_ruflo__ruvllm_status mcp__plugin_ruflo-core_ruflo__ruvllm_microlora_create mcp__plugin_ruflo-core_ruflo__ruvllm_microlora_adapt mcp__plugin_ruflo-core_ruflo__ruvllm_sona_create mcp__plugin_ruflo-core_ruflo__ruvllm_sona_adapt Bash --- # LLM Configuration Configure RuVLLM for local inference and fine-tuning. ## When to use When you need to configure local LLM inference, create MicroLoRA adapters for task-specific fine-tuning, or set up SONA for real-time adaptation. ## Steps 1. **Check status** — call `mcp__plugin_ruflo-core_ruflo__ruvllm_status` to see current model and adapter state. If `wasm.available` is `false`, install the add-on first (`npm i -g @ruvector/ruvllm-wasm`, or without `-g` in a project) — the MicroLoRA and SONA tools cannot run without it 2. **Generate config** — call `mcp__plugin_ruflo-core_ruflo__ruvllm_generate_config` with model parameters 3. **Create MicroLoRA** — call `mcp__plugin_ruflo-core_ruflo__ruvllm_microlora_create` with `inputDim`, `outputDim`, `rank` (1-4, default 2) and `alpha` 4. **Adapt MicroLoRA** — call `mcp__plugin_ruflo-core_ruflo__ruvllm_microlora_adapt` with `loraId` and a `quality` signal (0.0-1.0), optional `learningRate` and `success`. It takes a feedback score, not a training set 5. **Create SONA** — call `mcp__plugin_ruflo-core_ruflo__ruvllm_sona_create` with `hiddenDim` (default 64), `learningRate` and `patternCapacity` 6. **Adapt SONA** — call `mcp__plugin_ruflo-core_ruflo__ruvllm_sona_adapt` with `sonaId` and a `quality` signal (0.0-1.0) ## MicroLoRA vs SONA | Feature | MicroLoRA | SONA | |---------|-----------|------| | What it is | Ultra-light LoRA adapter, rank 1-4 | Instant adaptation loop (the tool describes <1ms cycles) | | Input | `quality` feedback per call | `quality` feedback per call | | Persistence | None: instances live in the MCP server's memory and are lost on restart | None: same | Neither tool fine-tunes a hosted model or writes adapter files; both adjust small in-process weights from quality scores. Keep the returned `loraId` / `sonaId` for later calls, and re-create them after a restart. For the repo's measured SONA latency see `docs/reviews/intelligence-system-audit-2026-05-29.md`.
© ruvnet · MIT · ruvnet/ruflo