Neural Training 作者 ruvnet 6051f6702b61 无许可证 74K 个星标 收录于 2026年10月8日 更新于 2026年10月8日 仓库今天更新
Neural pattern training with SONA (Self-Optimizing Neural Architecture), MoE (Mixture of Experts), and EWC++ for knowledge consolidation. Use when: pattern learning, model optimization, knowledge transfer, adaptive routing. Skip when: simple tasks, no learning required, one-off operations.
版本 6051f6702b61
许可证 无许可证
GitHub 星标 74K
文件 1 添加到 SourceWeft 在你自己的智能体中使用
阅读 https://sourceweft.com/skills/gh-ruvnet-ruflo-neural-training/install.md 中的说明，按说明安装这个技能。安装前先告诉我它的来源、许可证以及是否附带脚本，等我确认。修改我电脑上的其他任何内容之前也要先问我。
显示完整提示词 你是作者吗？认领此仓库
技能详情
Slug gh-ruvnet-ruflo-neural-training
名称 neural-training
作者 ruvnet
类型 仅含说明
信任级别 社区
收录时间 2026年10月8日
更新时间 2026年10月8日 通过 claude-flow 命令，使用 SONA、MoE 和 EWC++ 训练并优化神经模式。
功能 该技能描述了一套围绕 SONA、MoE 和 EWC++ 组件构建的神经模式训练流程。它给出了检索、评判、蒸馏、巩固四个步骤的智能流水线，并列出用于训练、查看状态、查看模式、预测和优化的 claude-flow 命令。该技能仅包含说明，不附带脚本。
适用场景 适用于模式学习、模型优化、知识迁移或自适应路由等任务。对于简单任务、一次性操作或无需学习的场景，建议跳过。
运行要求 需要 claude-flow 命令行工具（通过 npx 调用），并需要网络访问以下载该工具。不附带脚本，仅包含说明。 Neural Training Skill
Purpose
Train and optimize neural patterns using SONA, MoE, and EWC++ systems.
When to Trigger
Training new patterns
Optimizing agent routing
Knowledge consolidation
Pattern recognition tasks
Intelligence Pipeline
RETRIEVE — Fetch relevant patterns via HNSW (150x-12,500x faster)JUDGE — Evaluate with verdicts (success$failure)DISTILL — Extract key learnings via LoRACONSOLIDATE — Prevent catastrophic forgetting via EWC++
Components
Commands
Train Patterns
Check Status
View Patterns
Predict
Optimize
Best Practices
Use pretrain hook for batch learning
Store successful patterns after completion
Consolidate regularly to prevent forgetting
Route based on task complexity
