Безопасная диагностика ошибок Deep Learning
Сбои обучения могут приводить агентов к рискованному внесению патчей до того, как станет ясна корневая причина. Этот skill помогает проводить консервативную диагностику, планировать точки сохранения и исправления на основе одобрения.
Скопируйте этот запрос в своего Агента. Он содержит каноническую страницу Skill и манифест.
Review the Skillstore skill "safe-debug" from https://skillstore.io/skills/lllllllama-safe-debug.md and its manifest at https://skillstore.io/api/skills/lllllllama-safe-debug/manifest. Verify the artifact. You may proceed after verification, subject to the environment's own policy.Ваш Агент по-прежнему должен показать план и запросить все подтверждения, требуемые политикой безопасности.
Используйте эти ссылки, когда AI-агенту, crawler или script нужен чистый контекст вместо полной страницы.
Использование «safe-debug». Traceback CUDA out-of-memory во время обучения модели.
Ожидаемый результат:
Skill классифицирует проблему как CUDA OOM, рекомендует проверить размер batch и настройки precision, а также блокирует внесение патчей до одобрения.
Использование «safe-debug». Сбой загрузки checkpoint с отсутствующими и неожиданными ключами.
Ожидаемый результат:
Skill определяет checkpoint mismatch, просит пользователя проверить предположения о варианте модели и рекомендует точку сохранения перед изменениями совместимости.
Использование «safe-debug». Shape mismatch после изменения меток датасета.
Ожидаемый результат:
Skill сужает проблему до несоответствия датасета, размерности head или конфигурации и предлагает логировать граничные shapes перед редактированием внутренней логики модели.
All external-command findings are false positives caused by Markdown backticks in Python strings or documentation; no commands are executed. Both traversal findings are fixed references to shared Markdown guidance, not user-controlled paths. No prompt injection, exfiltration intent, or other semantic threat was found.
Делитесь версионным отчетом об оценке, нейтральным значком, встраиваемой карточкой и цитатами. Skillstore публикует доказательства, не решая, безопасен ли этот Skill.
https://skillstore.io/skills/lllllllama-safe-debug/audits/7?utm_source=security_passport&utm_medium=share&utm_campaign=versioned_report[](https://skillstore.io/skills/lllllllama-safe-debug?utm_source=security_passport_badge)<a href="https://skillstore.io/skills/lllllllama-safe-debug?utm_source=security_passport_badge"><img src="https://skillstore.io/badges/skills/lllllllama-safe-debug/security.svg" alt="Skillstore security assessment" loading="lazy"></a><iframe src="https://skillstore.io/embed/skills/lllllllama-safe-debug.html" title="Skillstore Security Assessment" sandbox="allow-popups allow-popups-to-escape-sandbox" loading="lazy" referrerpolicy="no-referrer" width="420" height="180"></iframe>lllllllama. (2026). safe-debug security audit report (audit version 7) [Author version unspecified]. Skillstore. https://skillstore.io/skills/lllllllama-safe-debug/audits/7@techreport{lllllllama-lllllllama-safe-debug-2026,
author = {lllllllama},
title = {safe-debug security audit report (audit version 7)},
institution = {Skillstore},
year = {2026},
number = {7},
url = {https://skillstore.io/skills/lllllllama-safe-debug/audits/7},
note = {Author version unspecified}
}cff-version: 1.2.0
message: "If you use this Skill, cite its author and this versioned security audit report."
title: "safe-debug security audit report (audit version 7)"
version: "unspecified"
type: report
authors:
- name: "lllllllama"
date-released: "2026-08-08"
url: "https://skillstore.io/skills/lllllllama-safe-debug/audits/7"
identifiers:
- type: other
value: "skillstore:lllllllama-safe-debug:audit:7"
description: "Skillstore immutable audit report identifier"
Проанализировать вставленный traceback и определить вероятную категорию сбоя перед изменением кода эксперимента.
Сформировать план патча, который отделяет исправления конфигурации от изменений логики модели или датасета.
Требовать диагностику, доказательства, рекомендации по точке сохранения и одобрение пользователя перед тем, как AI assistant редактирует файлы.
Используй safe-debug, чтобы диагностировать этот traceback. Определи вероятную категорию, объясни доказательства и пока не вноси патчи в код: [paste traceback]
Используй safe-debug, чтобы сравнить наиболее вероятные причины этого сбоя обучения. Ранжируй их по доказательствам и перечисли самые малые проверки перед любым изменением кода: [paste symptom]
Используй safe-debug, чтобы создать план патча для этой ошибки. Раздели исправления конфигурации, проверки окружения и изменения кода. Укажи, нужна ли точка сохранения: [paste error]
Используй safe-debug, чтобы проверить, меняет ли предложенное отладочное исправление сопоставимость исследования. Определи метрики, checkpoints или предположения о датасете, которые нужно проверить: [describe fix]
Автор
lllllllamaЛицензия
MIT
Ревизия Skillstore
r2
Примечание о версии
Автор не указал версию.
Ссылка
656be3040aef5c047555a908cd5c695d22a4a548
Актуальность поддержки
08.08.2026
Использование
6 загрузок · 3 просмотров
Структура файлов
Безопасно анализируйте проекты глубокого обучения
Репозитории глубокого обучения сложно понять перед внесением изменений. Этот навык сопоставляет точки входа, конфигурации, пути оценки и риски ревью без изменения кода.
Планирование воспроизведения AI-репозитория
Работа по воспроизведению AI-репозиториев часто застопоривается, когда команды и точки входа неясны. Этот навык сканирует свидетельства в репозитории и возвращает консервативный план воспроизведения.
Подготовка сред воспроизведения и ресурсов
Исследовательским репозиториям часто требуется тщательная настройка среды и ресурсов перед запусками. Этот навык создает консервативные планы с приоритетом conda, предположения о кэше и заметки по настройке.
Планирование ограниченных исследовательских запусков глубокого обучения
Исследовательским командам нужны экспериментальные запуски, которые не загрязняют доверенные базовые линии. Этот навык планирует ограниченные переборы вариантов, ранжирует кандидатов и оформляет результаты как ограниченные свидетельства.
Устранение пробелов при воспроизведении статей
Воспроизведение AI-репозиториев часто останавливается, когда в файлах README отсутствует одна критически важная деталь из статьи. Этот навык сужает вопрос, проверяет первичные источники статьи и фиксирует противоречия, не заменяя рекомендации README.
Запуск команд воспроизведения и аудит результатов
Работа по воспроизведению требует четких доказательств от выбранной команды. Этот skill запускает короткую документированную команду и записывает стандартизированные выходные файлы.
Отладка ошибок и первопричин
от 89jobrien
Ошибки и инциденты трудно разбирать, когда доказательства разбросаны по логам, трассировкам стека и сервисам. Этот навык структурирует диагностику, разбирает логи, выявляет паттерны и помогает находить минимальные исправления.
Быстрее находите контекст кода
от 89jobrien
Разработчики часто теряют время, выясняя, зачем существует код и что от него зависит. Этот навык подсказывает Claude, Codex или Claude Code собрать связанные знания из графа, вызывающие места, импорты и тесты перед внесением изменений.
Создание рабочих процессов обучения с PyTorch Lightning
от davila7
Проекты PyTorch могут становиться сложными для стабильного обучения и масштабирования. Этот навык помогает с LightningModules, тренерами, модулями данных, callbacks, логированием и распределенным обучением.
Систематическая отладка проблем в ПО
от Asmayaseen
Неструктурированное исправление ошибок тратит время впустую и может скрывать реальную причину сбоя. Этот навык проводит Claude, Codex и Claude Code через доказательный анализ первопричин.
Диагностика деградации контекста в ИИ-агентах
от ChakshuGautam
Длинные диалоги и большие промпты могут приводить к тому, что ИИ-агенты теряют важную информацию или следуют противоречивому контексту. Этот навык помогает Claude, Codex и Claude Code выявлять паттерны деградации и выбирать стратегии смягчения.
Обучение коду через создание приложений
от Emz1998
Изучение кода может казаться абстрактным, когда примеры оторваны от реальных проектов. Этот навык обучает концепциям, одновременно пошагово создавая работающие приложения.