# quantized-export

Скилл экспортирует одобренные чекпойнты и LoRA-адаптеры в FP8, AWQ, GGUF или merged safetensors. Нужен перед развёртыванием модели.

- скилл · `type=skill` · Claude Code, Codex, Cursor · 2600 установок · ★ 41729
- Автор: Seth Hobson
- Лицензия: MIT · policy=mirror · начало файла — в конце страницы
- Исходник: https://github.com/wshobson/agents/tree/HEAD/plugins/llm-finetuning/skills/quantized-export/SKILL.md
- Обновлён: 2026-10-24
- HTML: https://affpapa.org/nevibecode/skills/quantized-export

## Что делает

quantized-export принимает чекпойнт с вердиктом PROMOTE или LoRA-адаптер и помогает выбрать формат под GPU и среду запуска. FP8 подходит для Hopper-класса и новых GPU, AWQ INT4 — для более старых поколений, а GGUF Q4_K_M с imatrix — для llama.cpp на локальном или CPU-связанном устройстве. Для Blackwell-at-scale используется NVFP4, но на GB10 нужен FP8.

Скилл различает merged и LoRA-only экспорт. В первом случае адаптер встраивается в базовые веса, во втором остаётся отдельным и требует той же базовой модели. После экспорта артефакт загружается в целевой runtime: vLLM для FP8/AWQ или llama.cpp для GGUF. Затем `python smoke_test.py "$EXPORT_PATH" eval/goldens.jsonl pre-export-outputs.jsonl` сравнивает 3–5 эталонных ответов до и после экспорта.

Для long-context, code и math INT4 не подходит: такие сценарии нужно проверять на FP8 или W8A8. Ставьте скилл, если экспорт модели должен проходить проверку в реальном runtime; для одного лишь сохранения файла он избыточен.

## Установка

### Claude Code (родная платформа)

1. **Через маркетплейс плагинов**
В чате агента (не в терминале):
```text
/plugin marketplace add wshobson/agents
```
В чате агента (не в терминале):
```text
/plugin install llm-finetuning@claude-code-workflows
```
Команда ставит плагин llm-finetuning целиком, со всеми его скиллами

2. **Через Skills CLI (Vercel)**
```bash
npx skills add wshobson/agents --skill quantized-export -a claude-code
```

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

### Codex

1. **Через Skills CLI (Vercel)**
```bash
npx skills add wshobson/agents --skill quantized-export -a codex
```

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

### Cursor

1. **Через Skills CLI (Vercel)**
```bash
npx skills add wshobson/agents --skill quantized-export -a cursor
```

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

### GitHub Copilot

1. **GitHub CLI**
```bash
gh skill install wshobson/agents quantized-export
```

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

### Gemini CLI

**Командой платформы**
```bash
gemini skills install https://github.com/wshobson/agents --path plugins/llm-finetuning/skills/quantized-export
```

### Windsurf (Devin Desktop)

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

### 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/wshobson/agents/tree/HEAD/plugins/llm-finetuning/skills/quantized-export/SKILL.md

## Когда брать
- выбрать формат экспорта под целевой GPU
- собрать GGUF Q4_K_M с imatrix для llama.cpp
- разделить merged и LoRA-only артефакты
- проверить экспорт на эталонных ответах
- найти сбой шаблона или квантования lm_head

## Примеры запросов агенту
- Экспортируй этот PROMOTE-чекпойнт в FP8 для vLLM и проведи smoke test.
- Собери GGUF Q4_K_M с imatrix для llama.cpp на локальном устройстве.
- Сравни pre-export и post-export ответы через `eval/goldens.jsonl` и объясни регрессии.

## Похожие
- [google-cloud-solution-guided-gke-ai-migration](https://affpapa.org/nevibecode/skills/google-cloud-solution-guided-gke-ai-migration.md) — скилл · 4700 установок
- [llm-architect](https://affpapa.org/nevibecode/agents/llm-architect.md) — субагент · 649 установок
- [skill-creator](https://affpapa.org/nevibecode/skills/skill-creator.md) — скилл · 414180 установок
- [writing-for-agents](https://affpapa.org/nevibecode/skills/writing-for-agents.md) — скилл · 466719 установок
- [media-use](https://affpapa.org/nevibecode/skills/media-use.md) — скилл · 1100000 установок
- [mcp-builder](https://affpapa.org/nevibecode/skills/mcp-builder.md) — скилл · 130949 установок
- [subagent-driven-development](https://affpapa.org/nevibecode/skills/subagent-driven-development.md) — скилл · 237746 установок
- [orchestration](https://affpapa.org/nevibecode/skills/orchestration.md) — скилл · 349800 установок

Из того же набора: [wshobson/agents](https://affpapa.org/nevibecode/by/wshobson/agents.md) — 342 карточки

_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