llm-tuning-patterns — скилл для Claude Code: настройки LLM
Скилл llm-tuning-patterns для Claude Code подсказывает параметры LLM — температуру и лимит токенов — под формальные доказательства, генерацию кода и творческие задачи.
MIT ★ 3 951 обновлён 2026-01-26
npx skills add parcadei/Continuous-Claude-v3 --skill llm-tuning-patterns -a claude-codeЧто делает llm-tuning-patterns
Скилл предлагает разные настройки для разных задач. Для формальных доказательств он рекомендует max_tokens 4096, temperature 0.6 и top_p 0.95; для генерации кода — max_tokens 2048 и температуру от 0.2 до 0.4. Для творческих задач советует 4096 токенов и температуру от 0.8 до 1.0.
Для доказательств Lean 4 скилл советует сначала составить план, а затем подобрать тактики. Для сложных задач описан параллельный запуск от 8 до 32 вариантов с выбором лучшего. Слишком низкий лимит токенов может обрезать ход доказательства, а температура 0.2 — пропустить нестандартные тактики. Это рекомендации по настройке, а не автоматическая смена параметров модели.
Установите скилл командой npx skills add parcadei/Continuous-Claude-v3 --skill llm-tuning-patterns -a claude-code; файл скилла находится по пути ~/.claude/skills/llm-tuning-patterns/SKILL.md.
Какие задачи решает
- подобрать температуру для генерации кода
- настроить параметры LLM для формального доказательства
- составить план доказательства до выбора тактик Lean 4
- запустить несколько вариантов сложного доказательства и выбрать лучший
Примеры запросов агенту
- Подбери параметры LLM для генерации кода и объясни выбор.
- Составь план доказательства этой теоремы, затем предложи тактики Lean 4.
- Настрой генерацию для творческой задачи: укажи подходящие
max_tokensиtemperature.
Как установить llm-tuning-patterns
1Через Skills CLI (Vercel)
npx skills add parcadei/Continuous-Claude-v3 --skill llm-tuning-patterns -a claude-code2Вручную: положить файлы
~/.claude/skills/llm-tuning-patterns/SKILL.mdПапка скилла целиком; для одного проекта — .claude/skills/llm-tuning-patterns/
1Через Skills CLI (Vercel)
npx skills add parcadei/Continuous-Claude-v3 --skill llm-tuning-patterns -a codex2Вручную: положить файлы
.agents/skills/llm-tuning-patterns/SKILL.mdДля всех проектов — ~/.agents/skills/
1Через Skills CLI (Vercel)
npx skills add parcadei/Continuous-Claude-v3 --skill llm-tuning-patterns -a cursor2Вручную: положить файлы
.cursor/skills/llm-tuning-patterns/SKILL.mdCursor читает и .agents/skills/, и .claude/skills/
1GitHub CLI
gh skill install parcadei/Continuous-Claude-v3 .claude/skills/llm-tuning-patterns2Вручную: положить файлы
.github/skills/llm-tuning-patterns/SKILL.md1Через Skills CLI (Vercel)
npx skills add parcadei/Continuous-Claude-v3 --skill llm-tuning-patterns -a gemini-cli2Командой платформы
gemini skills install https://github.com/parcadei/Continuous-Claude-v3 --path .claude/skills/llm-tuning-patternsВручную: положить файлы
.devin/skills/llm-tuning-patterns/SKILL.mdСтарый путь .windsurf/skills/ тоже читается
Claude.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-tuning-patterns
Как установить llm-tuning-patterns в Claude Code?
Выполните npx skills add parcadei/Continuous-Claude-v3 --skill llm-tuning-patterns -a claude-code. Файл скилла находится в ~/.claude/skills/llm-tuning-patterns/SKILL.md.
Что делает llm-tuning-patterns?
Предлагает значения параметров LLM для формальных доказательств, генерации кода и творческих задач. Для доказательств Lean 4 также советует сначала составить план, а затем выбирать тактики.
Какие параметры скилл рекомендует для доказательств?
Он рекомендует max_tokens 4096, temperature 0.6 и top_p 0.95. Для сложных доказательств описывает параллельную генерацию от 8 до 32 вариантов с выбором лучшего.
Исходный текст
SKILL.md · MIT
--- name: llm-tuning-patterns description: LLM Tuning Patterns user-invocable: false --- # LLM Tuning Patterns Evidence-based patterns for configuring LLM parameters, based on APOLLO and Godel-Prover research. ## Pattern Different tasks require different LLM configurations. Use these evidence-based settings. ## Theorem Proving / Formal Reasoning Based on APOLLO parity analysis: | Parameter | Value | Rationale | |-----------|-------|-----------| | max_tokens | 4096 | Proofs need space for chain-of-thought | | temperature | 0.6 | Higher creativity for tactic exploration | | top_p | 0.95 | Allow diverse proof paths | ### Proof Plan Prompt Always request a proof plan before tactics: ``` Given the theorem to prove: [theorem statement] First, write a high-level proof plan explaining your approach. Then, suggest Lean 4 tactics to implement each step. ``` The proof plan (chain-of-thought) significantly improves tactic quality. ### Parallel Sampling For hard proofs, use parallel sampling: - Generate N=8-32 candidate proof attempts - Use best-of-N selection - Each sample at temperature 0.6-0.8 ## Code Generation | Parameter | Value | Rationale | |-----------|-------|-----------| | max_tokens | 2048 | Sufficient for most functions | | temperature | 0.2-0.4 | Prefer deterministic output | ## Creative / Exploration Tasks | Parameter | Value | Rationale | |-----------|-------|-----------| | max_tokens | 4096 | Space for exploration | | temperature | 0.8-1.0 | Maximum creativity | ## Anti-Patterns - **Too low tokens for proofs**: 512 tokens truncates chain-of-thought - **Too low temperature for proofs**: 0.2 misses creative tactic paths - **No proof plan**: Jumping to tactics without planning reduces success rate ## Source Sessions - This session: APOLLO parity - increased max_tokens 512->4096, temp 0.2->0.6 - This session: Added proof plan prompt for chain-of-thought before tactics
© parcadei · MIT · parcadei/Continuous-Claude-v3