neural-training

Skill do trenowania i optymalizacji wzorców neuronowych za pomocą architektury SONA, systemu Mixture of Experts oraz EWC++ do konsolidacji wiedzy. Wykorzystaj go gdy potrzebujesz uczenia się wzorców, optymalizacji routingu agentów, transferu wiedzy lub zadań rozpoznawania wzorców. Pomijaj dla prostych operacji jednorazowych bez wymagań uczenia się. Zawiera wyszukiwanie HNSW (150–12 500× szybsze), destylację LoRA i ciągłą ochronę przed katastrofalnym zapominaniem.

1. Zainstaluj skill w swoim projekcie claude-flow, upewniając się że masz dostęp do repozytorium ruvnet/claude-flow i narzędzia npx.

2. Przygotuj dane treningowe — zbierz przykłady wzorców, które chcesz aby agent nauczył się rozpoznawać lub optymalizować. Skill najlepiej sprawdza się dla zadań wymagających uczenia się, a nie dla operacji jednorazowych.

3. Uruchom trening wzorców poleceniem npx claude-flow neural train --model-type moe --epochs 10, gdzie epochs określa liczbę iteracji. System automatycznie zastosuje SONA do adaptacji i MoE do routingu między 8 ekspertami.

4. Monitoruj postęp treningu komendą npx claude-flow neural status, aby sprawdzić czy konsolidacja wiedzy przebiega prawidłowo i czy EWC++ chroni wcześniej nauczone wzorce.

5. Po zakończeniu treningu przechowaj udane wzorce i użyj npx claude-flow neural predict --input "opis zadania" do testowania routingu na nowych danych. Skill automatycznie wybierze odpowiedniego eksperta na podstawie złożoności zadania.

6. Regularnie konsoliduj wzorce poleceniem npx claude-flow neural optimize --target latency, aby utrzymać wydajność i zapobiec zapominaniu starszych wzorców podczas dodawania nowych.