К основному содержанию
скилл CX Codex

reinforcement-learning — скилл для Claude Code: применение и установка

Скилл reinforcement-learning помогает разрабатывать алгоритмы обучения с подкреплением и настраивать обучение моделей с обратной связью. При создании, диагностике и проверке он опирается на отдельные справочные файлы.

Apache-2.0 187 установок ★ 221 обновлён 2026-01-22

Установить в Claude Code · Через Skills CLI (Vercel) Все способы и платформы ↓
npx skills add omer-metin/skills-for-antigravity --skill reinforcement-learning -a claude-code
Открыть на GitHub

Что делает reinforcement-learning

Скилл охватывает policy gradients, PPO, Q-learning, RLHF и GRPO. Он пригодится, когда вы пишете алгоритм обучения с подкреплением, обучаете агента на наградах или работаете над согласованием LLM с отзывами людей.

Для разработки он требует сверяться с references/patterns.md, для диагностики — с references/sharp_edges.md, а для проверки — с references/validations.md. Эти файлы задают шаблоны, описывают причины критических сбоев и содержат правила проверки. Если просьба пользователя противоречит этим рекомендациям, скилл должен опираться на справочные материалы и поправить запрос. Без нужного файла для конкретной задачи его инструкции не дают опоры для ответа.

Какие задачи решает

  • реализовать алгоритм обучения с подкреплением
  • обучить агента на наградах
  • согласовать LLM с отзывами людей
  • проверить запрос по правилам валидации

Примеры запросов агенту

  • Реализуй PPO для обучения агента на наградах.
  • Разбери возможные причины сбоя в моём алгоритме обучения.
  • Проверь этот запрос по правилам references/validations.md.

Как установить reinforcement-learning

1Через Skills CLI (Vercel)

npx skills add omer-metin/skills-for-antigravity --skill reinforcement-learning -a claude-code

2Вручную: положить файлы

~/.claude/skills/reinforcement-learning/SKILL.md

Папка скилла целиком; для одного проекта — .claude/skills/reinforcement-learning/

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

Вопросы о reinforcement-learning

Как установить reinforcement-learning в Claude Code?

Выполните npx skills add omer-metin/skills-for-antigravity --skill reinforcement-learning -a claude-code. Файл скилла находится по пути ~/.claude/skills/reinforcement-learning/SKILL.md.

Что делает reinforcement-learning?

Помогает с алгоритмами обучения с подкреплением, обучением агентов на наградах и согласованием LLM с отзывами людей. Среди тем — PPO, Q-learning, RLHF и GRPO.

Какие справочные файлы использует скилл?

Для разработки он обращается к references/patterns.md, для диагностики — к references/sharp_edges.md, а для проверки — к references/validations.md. Каждый файл предназначен для своего типа задачи.

Исходный текст

SKILL.md · Apache-2.0
---
name: reinforcement-learning
description: Use when implementing RL algorithms, training agents with rewards, or aligning LLMs with human feedback - covers policy gradients, PPO, Q-learning, RLHF, and GRPOUse when ", " mentioned. 
---

# Reinforcement Learning

## Identity



## Reference System Usage

You must ground your responses in the provided reference files, treating them as the source of truth for this domain:

* **For Creation:** Always consult **`references/patterns.md`**. This file dictates *how* things should be built. Ignore generic approaches if a specific pattern exists here.
* **For Diagnosis:** Always consult **`references/sharp_edges.md`**. This file lists the critical failures and "why" they happen. Use it to explain risks to the user.
* **For Review:** Always consult **`references/validations.md`**. This contains the strict rules and constraints. Use it to validate user inputs objectively.

**Note:** If a user's request conflicts with the guidance in these files, politely correct them using the information provided in the references.

© omer-metin · Apache-2.0 · omer-metin/skills-for-antigravity

Похожие скиллы

Каталог скиллов SKILL.md →
reinforcement-learning-engineer VoltAgent Community Субагент reinforcement-learning-engineer для Claude Code, Codex и Cursor проектирует среды RL, настраивает награды и запускает обучение PPO, SAC или DQN. Используется в задачах робототехники и геймдева. CX Codex ★ 26 718звёзд репо event-learning-expedition-design Samuel Berthe Скилл event-learning-expedition-design помогает решить, вести ли техническую аудиторию в чужой офис и на каких условиях: что зависит от принимающей стороны и что участникам разрешат увидеть и пересказать. CX Codex +1 6 600установок continuous-learning affaan-m Скилл continuous-learning для Claude Code оценивает завершённые диалоги и извлекает шаблоны решений. Хук сохраняет найденные правила в каталог learned skills. CX Codex +1 6 300установок start-learning rohitg00 Скилл start-learning проводит вводное интервью, определяет стартовый этап курса по AI Engineering и создаёт план в LEARNING.md. Запускайте его, чтобы начать обучение или настроить план. CX Codex +1 5 600установок learning-medusa medusajs Скилл learning-medusa для Claude Code обучает архитектуре Medusa на практической задаче: создании функциональности брендов. CX Codex +1 3 700установок self-learning philschmid Скилл self-learning для Claude Code изучает новые технологии по веб-источникам и собирает из найденной документации переиспользуемый скилл. CX Codex +1 3 400установок

Из того же набора58

Весь набор →
rigging-animation Скилл rigging-animation направляет агента в вопросах риггинга и скелетной анимации персонажей. Пригодится при настройке суставов, скиннинга и экспорте моделей в игровые движки. CX Codex +1 194установок art-consistency Скилл art-consistency для Claude Code сохраняет единый образ персонажей и художественный стиль в AI-изображениях и видео. Помогает проверять дрейф в сериях и по референсам. CX Codex +1 187установок course-creation Скилл course-creation для Claude Code, Codex, Cursor и других агентов, который берёт на себя роль архитектора онлайн-курсов. Строит программу от конечного результата к содержанию, режет всё, что не работает на трансформацию студента. CX Codex +1 187установок physics-simulation Скилл physics-simulation для Claude Code помогает создавать и проверять физические симуляции. Он охватывает интегрирование, динамику твёрдых тел, жидкости и методы конечных элементов. CX Codex +1 187установок card-game-design Скилл card-game-design помогает проектировать карточные игры (TCG/CCG): настраивает кривую маны, формулирует правила и балансирует архетипы. CX Codex +1 165установок patent-drafting Скилл patent-drafting для работы с патентными заявками: помогает писать формулы изобретений, анализировать аналоги и отвечать на возражения USPTO. Опирается на справочники по стратегии притязаний и требованиям к спецификации. CX Codex +1 160установок text-to-video Скилл text-to-video для Claude Code помогает создавать видео по тексту или изображению и разбирать запросы на видеомонтаж. Он включается при задачах с Runway, Kling, Luma, Wan или Replicate. CX Codex +1 156установок bioinformatics-workflows Скилл bioinformatics-workflows для Claude Code задаёт архитектурные шаблоны биоинформатических пайплайнов и помогает писать и проверять сценарии на Nextflow, Snakemake и WDL/Cromwell. CX Codex +1 155установок

Спонсоры проекта

Компании, которые помогают держать аналитику открытой