关于 neural-training
Neural Training Skill 用于通过 SONA、MoE 和 EWC++ 训练与优化神经模式，面向模式学习、Agent 路由和知识整合任务。其流程涵盖检索、评估、提炼和巩固，并提供训练、状态查看、预测与优化命令。
主要功能
- 01使用 HNSW 检索模式
- 02评估模式成败
- 03通过 LoRA 提炼经验
- 04用 EWC++ 巩固学习
- 05训练、预测和优化命令
适用场景
- 01训练新的神经模式
- 02按任务复杂度优化 Agent 路由
- 03整合已积累的知识
- 04识别和预测任务模式
安装
复制下面的命令，在终端中运行。
$
npx skills add https:/安装后在 Claude Code 中输入/neural-training确认已加载。
详细介绍
神经训练技能
用途
使用 SONA、MoE 和 EWC++ 系统训练并优化神经模式。
触发时机
- 训练新模式
- 优化 Agent 路由
- 知识整合
- 模式识别任务
智能流水线
- 检索 — 通过 HNSW 获取相关模式（速度快 150x-12,500x）
- 评判 — 使用 verdicts（success$failure）进行评估
- 蒸馏 — 通过 LoRA 提取关键经验
- 整合 — 通过 EWC++ 防止灾难性遗忘
组件
| 组件 | 用途 | 性能 |
|---|---|---|
| SONA | 自优化适应 | <0.05ms |
| MoE | 专家路由 | 8 位专家 |
| HNSW | 模式搜索 | 150x-12,500x |
| EWC++ | 防止遗忘 | 持续 |
| Flash Attention | 提速 | 2.49x-7.47x |
命令
训练模式
npx claude-flow neural train --model-type moe --epochs 10
检查状态
npx claude-flow neural status
查看模式
npx claude-flow neural patterns --type all
预测
npx claude-flow neural predict --input "task description"
优化
npx claude-flow neural optimize --target latency
最佳实践
- 使用 pretrain hook 进行批量学习
- 完成后存储成功模式
- 定期整合以防止遗忘
- 根据任务复杂度进行路由
评论
支持 Markdown