# trace-to-training-data

Преобразует размеченные трейсы и логи в примеры для SFT и пары DPO. Нужен, когда оценки запусков уже собраны и их пора превращать в датасет.

- 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/trace-to-training-data/SKILL.md
- Обновлён: 2026-10-24
- HTML: https://affpapa.org/nevibecode/skills/trace-to-training-data

## Что делает

Скилл берёт graded traces из `eval/goldens.jsonl` и `runs/<run-id>/results.json`, где есть `task_id`, `verdict` и, при наличии, `reward`. На выходе он формирует строки SFT с `messages` или пары DPO с `prompt`, `chosen` и `rejected`, чтобы результат сразу подошёл для следующего шага подготовки датасета.

Для SFT он отбирает успешные траектории по reward, принимает экспертные исправления неудачных ответов и умеет сохранять хорошие шаги из многошагового трейса через маскирование потерь. Для DPO пары строятся по одной задаче, а кандидаты фильтруются по разнице оценок. Перед выгрузкой скилл требует проверить секреты и PII, исключить goldens, убрать дубли и сохранить `run_id` и `trace_id`.

Трейс без `verdict` или `reward` нельзя конвертировать: его нужно вернуть на этап оценки. Строка с секретом после редактирования удаляется, а не отправляется в датасет.

## 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 trace-to-training-data -a claude-code
```

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

### Codex

1. **Через Skills CLI (Vercel)**
```bash
npx skills add wshobson/agents --skill trace-to-training-data -a codex
```

2. **Вручную: положить файлы**
- Файл: `.agents/skills/trace-to-training-data/SKILL.md` — Для всех проектов — ~/.agents/skills/

### Cursor

1. **Через Skills CLI (Vercel)**
```bash
npx skills add wshobson/agents --skill trace-to-training-data -a cursor
```

2. **Вручную: положить файлы**
- Файл: `.cursor/skills/trace-to-training-data/SKILL.md` — Cursor читает и .agents/skills/, и .claude/skills/

### GitHub Copilot

1. **GitHub CLI**
```bash
gh skill install wshobson/agents trace-to-training-data
```

2. **Вручную: положить файлы**
- Файл: `.github/skills/trace-to-training-data/SKILL.md`

### Gemini CLI

**Командой платформы**
```bash
gemini skills install https://github.com/wshobson/agents --path plugins/llm-finetuning/skills/trace-to-training-data
```

### Windsurf (Devin Desktop)

**Вручную: положить файлы**
- Файл: `.devin/skills/trace-to-training-data/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/trace-to-training-data/SKILL.md

## Когда брать
- превратить размеченные трейсы в строки SFT
- собрать пары DPO из успешных и неудачных запусков одной задачи
- отобрать лучшие траектории по reward
- сохранить хорошие шаги многошагового трейса
- проверить датасет на секреты, PII и утечки goldens

## Примеры запросов агенту
- Преобразуй `eval/goldens.jsonl` и `runs/<run-id>/results.json` в строки SFT и пары DPO.
- Собери пары DPO только из успешных и неудачных трейсов одной задачи, затем отфильтруй их по разнице оценок.
- Проверь будущий датасет на секреты, PII, дубли и попадание записей из `eval/goldens.jsonl`.

## Похожие
- [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) — 405 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