# optimizing-attention-flash

Скилл для оптимизации внимания трансформеров через Flash Attention: ускорение в 2-4 раза и сокращение памяти в 10-20 раз.

- скилл · `type=skill` · Claude Code, Codex, Cursor, GitHub Copilot, Gemini CLI, OpenCode · 967 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/10-optimization/flash-attention/SKILL.md
- Обновлён: 2026-10-11
- HTML: https://affpapa.org/nevibecode/skills/optimizing-attention-flash

## Что делает

Скилл помогает перевести обычное внимание в моделях на Flash Attention. Работает через IO-aware tiling и recomputation — это даёт ускорение в 2-4 раза и снижение памяти в 10-20 раз. Нужен, когда последовательности длиннее 512 токенов, не хватает памяти GPU или хочется быстрее инференс.

Внутри три сценария. Первый — нативный PyTorch: замена ручного softmax на `F.scaled_dot_product_attention`, требует PyTorch 2.2 и выше. Второй — библиотека `flash-attn` с multi-query attention и скользящим окном. Третий — FP8 на H100. Есть чек-листы, команды проверки версии, бенчмарки и сравнение точности с базовой реализацией.

Установка `flash-attn` идёт с флагом `--no-build-isolation`, а для FP8 нужна именно H100 или H800. Если PyTorch старее 2.2, нативный путь не заработает — это повод сначала обновить torch.

## Установка

### Claude Code (родная платформа)

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

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

### Codex

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

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

### Cursor

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

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

### GitHub Copilot

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

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

### Gemini CLI

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

2. **Командой платформы**
```bash
gemini skills install https://github.com/Orchestra-Research/AI-Research-SKILLs --path 10-optimization/flash-attention
```

### Windsurf (Devin Desktop)

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

### OpenCode

**Через Skills CLI (Vercel)**
```bash
npx skills add Orchestra-Research/AI-Research-SKILLs --skill flash-attention -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/10-optimization/flash-attention/SKILL.md

## Когда брать
- ускорить обучение трансформера на длинных последовательностях
- уложиться в память GPU при attention на 4096 токенов
- включить Flash Attention в существующей модели на PyTorch
- добавить multi-query attention и скользящее окно через flash-attn
- сравнить точность Flash Attention с базовой реализацией

## Примеры запросов агенту
- включи Flash Attention в моей модели на PyTorch
- перепиши attention на flash_attn_func со скользящим окном 256
- проверь, что выход Flash Attention совпадает с обычным attention

## Похожие
- [nemo-mbridge-perf-moe-long-context](https://affpapa.org/nevibecode/skills/nemo-mbridge-perf-moe-long-context.md) — скилл · 1800 установок
- [flash](https://affpapa.org/nevibecode/skills/flash.md) — скилл · 13700 установок
- [gemini-omni-flash-api](https://affpapa.org/nevibecode/skills/gemini-omni-flash-api.md) — скилл · 2000 установок
- [optimizing-ef-core-queries](https://affpapa.org/nevibecode/skills/optimizing-ef-core-queries.md) — скилл · 5700 установок
- [attention-grabbers](https://affpapa.org/nevibecode/skills/attention-grabbers.md) — скилл · 516 установок
- [vc-attention-teneo](https://affpapa.org/nevibecode/skills/vc-attention-teneo.md) — скилл · 501 установка

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