К основному содержанию
скилл CX Codex

nemo-rl-brev-etiquette — скилл для Claude Code: порядок работы на Brev

Скилл задаёт агенту правила хранения файлов на инстансе Brev: код остаётся в репозитории, тяжёлые артефакты уезжают на /ephemeral.

Установить в Claude Code · Через Skills CLI (Vercel) Все способы и платформы ↓
npx skills add NVIDIA/skills --skill nemo-rl-brev-etiquette -a claude-code
Открыть на GitHub

Что делает nemo-rl-brev-etiquette

Скилл описывает, как вести себя на машине Brev при работе с NeMo-RL. Исходный код и мелкие правки конфигов живут в /home/ubuntu/RL, а всё, что генерируется в прогонах — чекпоинты, логи, временные каталоги Ray, офлайн-файлы W&B, трейсы профайлера, дампы оценки — уходит на /ephemeral. Репозиторий остаётся маленьким, и его можно спокойно просматривать.

Внутри — набор правил и готовых фрагментов команд. Перед кампанией скилл советует проверить место через df -h /home/ubuntu/RL /ephemeral и не стартовать, если /ephemeral нет или он почти полон. Кэши — Hugging Face, PyTorch, Triton, uv, pip — держатся в одном общем корне на пользователя, а не расползаются по экспериментам. Переменные вроде HF_HOME, TORCH_HOME, RAY_TMPDIR, TMPDIR и WANDB_DIR выставляются на пути под экспериментом.

Секреты лежат в /home/ubuntu/RL/.env: там могут быть WANDB_API_KEY, HF_TOKEN или HUGGING_FACE_HUB_TOKEN. Скилл требует загружать этот файл перед запусками с внешней авторизацией и никогда не печатать значения ключей в лог. Если файла нет или нужный ключ не подхватился, агент напомнит добавить его — без этого аутентифицированные прогоны не пойдут. Чистить разрешено только каталоги текущей кампании: общие кэши и чужие запуски трогать нельзя.

Какие задачи решает

  • разложить чекпоинты и логи по /ephemeral, не забивая git-репозиторий
  • проверить свободное место перед долгим прогоном обучения
  • свести кэши Hugging Face, PyTorch и pip в один общий корень
  • подхватить WANDB_API_KEY и HF_TOKEN из .env перед запуском
  • убрать за экспериментом, не задев общие кэши и чужие каталоги

Примеры запросов агенту

  • проверь место на диске и подготовь корень кампании на /ephemeral перед запуском nemo-rl-auto-research
  • загрузи /home/ubuntu/RL/.env и запусти обучение с логами в $EXP_DIR/logs/run.log
  • перенеси чекпоинты и офлайн-файлы W&B на /ephemeral, в репозитории оставь только записи для воспроизведения

Как установить nemo-rl-brev-etiquette

1Через Skills CLI (Vercel)

npx skills add NVIDIA/skills --skill nemo-rl-brev-etiquette -a claude-code

2Вручную: положить файлы

~/.claude/skills/nemo-rl-brev-etiquette/SKILL.md

Папка скилла целиком; для одного проекта — .claude/skills/nemo-rl-brev-etiquette/

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

Вопросы о nemo-rl-brev-etiquette

Как установить nemo-rl-brev-etiquette в Claude?

Выполните npx skills add NVIDIA/skills --skill nemo-rl-brev-etiquette -a claude-code. Скилл окажется в ~/.claude/skills/nemo-rl-brev-etiquette/SKILL.md.

Что делает nemo-rl-brev-etiquette?

Задаёт агенту правила работы на инстансе Brev: что хранить в репозитории, что выносить на /ephemeral, как обращаться с кэшами и секретами.

Что нужно для работы скилла?

Инстанс Brev с каталогом /home/ubuntu/RL и томом /ephemeral. Для прогонов с внешней авторизацией понадобится /home/ubuntu/RL/.env с нужными ключами.

Исходный текст

SKILL.md · Apache-2.0
---
name: nemo-rl-brev-etiquette
license: Apache-2.0
description: Brev instance operating guidance for NeMo-RL agents working in /home/ubuntu/RL with limited workspace disk, a larger /ephemeral volume, and optional /home/ubuntu/RL/.env secrets. Use when running nemo-rl-auto-research campaigns, experiments, training jobs, model or dataset downloads, shared cache-heavy commands, log-producing runs, checkpoint generation, W&B or Hugging Face authenticated workflows, or any workflow that may create large files on Brev.
when_to_use: Running on a Brev instance; launching nemo-rl-auto-research campaigns or long jobs; managing large logs, checkpoints, caches, datasets, Ray temp files, W&B files, or Hugging Face auth on Brev.
---

# Brev Etiquette

Operate as though `/home/ubuntu/RL` is the source checkout and `/ephemeral` is the working storage for generated experiment state. Keep the repo small, reproducible, and easy to inspect. Move bulky run outputs to `/ephemeral` before launching anything expensive.

## Storage Rules

- Keep code edits, small config changes, committed experiment hypotheses, and concise reproducibility records under `/home/ubuntu/RL`.
- Put generated experiment assets under `/ephemeral`, including checkpoints, run logs, Ray temp directories, W&B offline files, profiler traces, evaluation dumps, rollout samples, and per-experiment artifacts.
- Keep reusable caches under one shared `/ephemeral` cache root per user, not under each experiment. This includes Hugging Face models, dataset caches, PyTorch caches, Triton caches, `uv` caches, and pip caches.
- Before a campaign or long run, check capacity with `df -h /home/ubuntu/RL /ephemeral` and avoid starting if `/ephemeral` is missing or nearly full.
- Create a campaign root such as `/ephemeral/nemo-rl/${USER:-ubuntu}/nemo-rl-auto-research/<campaign>` and use one subdirectory per experiment.
- Do not leave large files, cache directories, or generated outputs in the git checkout. If a tool defaults to the repo, override its output/cache path before running it.

## Environment Secrets

- Treat `/home/ubuntu/RL/.env` as the local secret store. It may contain keys such as `WANDB_API_KEY`, `HF_TOKEN`, or `HUGGING_FACE_HUB_TOKEN`.
- Before any run that may need external auth, load `/home/ubuntu/RL/.env` when it exists. Never print, `cat`, log, commit, or summarize secret values.
- If `/home/ubuntu/RL/.env` is absent, or a required key is still unset after loading it, remind the user to add the needed key to that file before launching authenticated work.

```bash
if [ -f /home/ubuntu/RL/.env ]; then
  set -a
  . /home/ubuntu/RL/.env
  set +a
else
  echo "Missing /home/ubuntu/RL/.env; add required keys such as WANDB_API_KEY or HF_TOKEN before authenticated runs."
fi
```

## Auto-Research Pattern

When using `nemo-rl-auto-research`, keep the git ledger in the repo and heavy evidence on `/ephemeral`.

```bash
if [ -f /home/ubuntu/RL/.env ]; then
  set -a
  . /home/ubuntu/RL/.env
  set +a
fi

BREV_ROOT=/ephemeral/nemo-rl/${USER:-ubuntu}
CACHE_ROOT=$BREV_ROOT/cache
CAMPAIGN_ROOT=$BREV_ROOT/nemo-rl-auto-research/<campaign>
EXP_DIR=$CAMPAIGN_ROOT/<experiment>
mkdir -p "$EXP_DIR"/{logs,checkpoints,artifacts,ray,tmp,wandb}
mkdir -p "$CACHE_ROOT"/{huggingface,torch,triton,uv,pip,xdg,wandb}

export HF_HOME=$CACHE_ROOT/huggingface
export HF_HUB_CACHE=$HF_HOME/hub
export HF_DATASETS_CACHE=$HF_HOME/datasets
export TRANSFORMERS_CACHE=$HF_HOME/transformers
export TORCH_HOME=$CACHE_ROOT/torch
export TRITON_CACHE_DIR=$CACHE_ROOT/triton
export UV_CACHE_DIR=$CACHE_ROOT/uv
export PIP_CACHE_DIR=$CACHE_ROOT/pip
export XDG_CACHE_HOME=$CACHE_ROOT/xdg
export WANDB_CACHE_DIR=$CACHE_ROOT/wandb
export RAY_TMPDIR=$EXP_DIR/ray
export TMPDIR=$EXP_DIR/tmp
export WANDB_DIR=$EXP_DIR/wandb
```

Record the absolute `/ephemeral` paths in the nemo-rl-auto-research TSV fields for log path, checkpoint path, artifacts, shared cache root, and command. If the TSV itself may grow large, store the full TSV in `/ephemeral` and keep a small pointer file or summary in the repo.

## Launch Checklist

- Inspect disk first: `df -h /home/ubuntu/RL /ephemeral`.
- Choose a unique `/ephemeral` run root before editing recipes or launching jobs.
- Reuse a shared cache root such as `/ephemeral/nemo-rl/${USER:-ubuntu}/cache` across experiments unless a run explicitly requires a clean cache.
- Override recipe output paths, logger paths, checkpoint paths, and temp paths to point under the experiment directory.
- Override cache paths to point under the shared cache root.
- Stream stdout/stderr to `$EXP_DIR/logs/run.log` or an equivalent file under `/ephemeral`.
- Periodically check disk during long runs with `df -h /ephemeral` and stop gracefully if the volume is approaching exhaustion.
- At the end, summarize the important metrics and paths in the repo ledger; do not copy bulky artifacts back into `/home/ubuntu/RL`.

## Cleanup

- Clean only files that belong to the current campaign or experiment.
- Prefer pruning clearly named experiment directories under `/ephemeral/nemo-rl/...`; never remove shared caches or another user's run directory without an explicit instruction.
- Preserve enough small metadata in the repo to reproduce a result after `/ephemeral` is cleaned.

© NVIDIA · Apache-2.0 · NVIDIA/skills

Похожие скиллы

Всё по теме «ИИ и ML» →
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 nemo-guardrails Orchestra Research Скилл помогает настраивать runtime-защиту LLM-приложений: от проверки jailbreak до фильтрации PII. Пригодится для правил на Colang 2.0. CX Codex +1 944установок run-experiment wanshuiyin Скилл разворачивает и запускает ML-эксперименты на локальном GPU, удалённом сервере, Vast.ai или Modal. Пригодится, когда обучение надо стартовать, а не настраивать вручную. CX Codex +1 523установок mle-workflow affaan-m Скилл для перевода модельной работы в продакшн-систему: контракты данных, воспроизводимое обучение, оценка качества, деплой и откат. CX Codex +1 4 600установок repo-intake-and-plan lllllllama Сканирует репозиторий по README, собирает команды и предлагает минимальный план воспроизведения. Нужен до запуска экспериментов. CX Codex +1 476 200установок run-train lllllllama Скилл запускает выбранную команду обучения и собирает сведения о ходе эксперимента. Пригодится для проверки старта, короткого прогона, полного запуска или возобновления обучения. CX Codex +1 336 500установок

Из того же набора178

tilegym-adding-cutile-kernel Пошагово проводит агента через добавление нового GPU-оператора на cuTile в библиотеку TileGym. Пригодится при расширении набора ядер и их интеграции в проект. CX Codex +1 1 800установок mcore-testing Скилл объясняет тестовую систему Megatron-LM: раскладку тестов, рецепты YAML, golden values и запуск unit-тестов локально. CX Codex +1 1 800установок mcore-create-issue Скилл исследует упавшие прогоны GitHub Actions в NVIDIA/Megatron-LM, находит причину сбоя и оформляет готовый баг-репорт. CX Codex +1 1 800установок mcore-run-on-slurm Скилл помогает подготовить запуск распределённого обучения Megatron-LM на SLURM-кластере. Пригодится для настройки sbatch, мног узлового запуска и разбора сбоев по логам рангов. CX Codex +1 1 800установок mcore-linting-and-formatting Скилл настраивает проверку и форматирование кода в проекте Megatron-LM. Помогает исправить ошибки ruff, mypy и отсортировать импорты перед открытием PR. CX Codex +1 1 800установок nemo-mbridge-perf-tp-dp-comm-overlap Скилл ведёт по настройке перекрытия коммуникаций TP, DP и PP в Megatron-Bridge: какие ручки крутить, где смотреть код и как проверить результат. CX Codex +1 1 800установок nemo-mbridge-perf-moe-dispatcher-selection Помогает выбрать между alltoall, DeepEP и HybridEP для раздачи токенов в MoE-моделях по железу, размеру EP и этапу оптимизации. CX Codex +1 1 800установок nemo-mbridge-perf-megatron-fsdp Скилл помогает настроить Megatron FSDP в Megatron-Bridge для распределённого обучения вместо стандартного DDP, избежать падений по OOM и проверить чекпоинты. CX Codex +1 1 800установок

Спонсоры проекта

Компании, которые помогают держать аналитику открытой