Создание обучающих плагинов AgentDB
Командам нужны воспроизводимые способы создавать обучающихся агентов без повторной разработки инфраструктуры для обучения с подкреплением. Этот навык помогает создавать плагины AgentDB, обучать и оценивать их, а также выбирать алгоритмы.
Скопируйте этот запрос в своего Агента. Он содержит каноническую страницу Skill и манифест.
Review the Skillstore skill "AgentDB Learning Plugins" from https://skillstore.io/skills/ruvnet-agentdb-learning-plugins.md and its manifest at https://skillstore.io/api/skills/ruvnet-agentdb-learning-plugins/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 «AgentDB Learning Plugins». У меня есть записанные экспертные траектории, и я хочу offline-обучение.
Ожидаемый результат:
Рекомендуемый подход: использовать Decision Transformer. Он может обучаться на сохраненном опыте без online-исследования, а затем оцениваться на отложенных траекториях.
Использование «AgentDB Learning Plugins». Мой агент Q-Learning переобучается после 50 эпох.
Ожидаемый результат:
Использование «AgentDB Learning Plugins». Мне нужен плагин для continuous control.
Ожидаемый результат:
Рекомендуемый подход: использовать Actor-Critic. Он поддерживает continuous или discrete actions и использует value baseline для стабилизации обновлений policy.
The 55 static findings are false positives caused mainly by Markdown code fences, documentation links, and an example SQLite path. One contextual concern remains: the skill recommends executing an unpinned npx package tagged latest, which creates a supply-chain trust risk but does not show malicious intent.
Делитесь версионным отчетом об оценке, нейтральным значком, встраиваемой карточкой и цитатами. Skillstore публикует доказательства, не решая, безопасен ли этот Skill.
https://skillstore.io/skills/ruvnet-agentdb-learning-plugins/audits/9?utm_source=security_passport&utm_medium=share&utm_campaign=versioned_report[](https://skillstore.io/skills/ruvnet-agentdb-learning-plugins?utm_source=security_passport_badge)<a href="https://skillstore.io/skills/ruvnet-agentdb-learning-plugins?utm_source=security_passport_badge"><img src="https://skillstore.io/badges/skills/ruvnet-agentdb-learning-plugins/security.svg" alt="Skillstore security assessment" loading="lazy"></a><iframe src="https://skillstore.io/embed/skills/ruvnet-agentdb-learning-plugins.html" title="Skillstore Security Assessment" sandbox="allow-popups allow-popups-to-escape-sandbox" loading="lazy" referrerpolicy="no-referrer" width="420" height="180"></iframe>ruvnet. (2026). AgentDB Learning Plugins security audit report (audit version 9) [Author version unspecified]. Skillstore. https://skillstore.io/skills/ruvnet-agentdb-learning-plugins/audits/9@techreport{ruvnet-ruvnet-agentdb-learning-plugins-2026,
author = {ruvnet},
title = {AgentDB Learning Plugins security audit report (audit version 9)},
institution = {Skillstore},
year = {2026},
number = {9},
url = {https://skillstore.io/skills/ruvnet-agentdb-learning-plugins/audits/9},
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: "AgentDB Learning Plugins security audit report (audit version 9)"
version: "unspecified"
type: report
authors:
- name: "ruvnet"
date-released: "2026-07-20"
url: "https://skillstore.io/skills/ruvnet-agentdb-learning-plugins/audits/9"
identifiers:
- type: other
value: "skillstore:ruvnet-agentdb-learning-plugins:audit:9"
description: "Skillstore immutable audit report identifier"
Навык каждого автора остаётся отдельным устанавливаемым вариантом. Рекомендуемый вариант ранжируется по данным Skillstore.
Почему этот вариант первый
dnyoussef-agentdb-learning-plugins
2026-09-09
ruvnet-agentdb-learning-plugins
2026-09-09
Выберите шаблон, создайте плагин и спланируйте цикл обучения для новой задачи агента.
Сохраняйте опыт выполнения задач в AgentDB и извлекайте изученные шаблоны для будущих решений.
Изучите сильные стороны алгоритмов и выберите метод для offline-, value-based- или policy-gradient-экспериментов.
Используй AgentDB Learning Plugins, чтобы помочь мне выбрать стартовый шаблон для простого игрового агента. Включи предварительные требования и безопасные шаги настройки.
Сравни Decision Transformer, Q-Learning, SARSA и Actor-Critic для моей задачи. Порекомендуй один вариант и объясни компромиссы.
Спланируй рабочий процесс обучения AgentDB, который собирает опыт, обучает пакетами, проверяет результаты и сообщает о качестве модели.
Спроектируй продвинутую обучающую настройку AgentDB для нескольких агентов, совместно использующих опыт. Включи стратегию replay, сигналы оценки и проверки безопасности.
Автор
ruvnetЛицензия
MIT
Ревизия Skillstore
r1
Примечание о версии
Автор не указал версию.
Ссылка
dbe0e719813583400773166a0621f8a9b8185c72
Актуальность поддержки
23.07.2026
Использование
9 загрузок · 272 просмотров
Структура файлов
📄 SKILL.md
Координация многоагентных роев
Координировать множество агентов сложно, когда роли, топология и поток задач неясны. Этот навык предоставляет шаблоны роев, рабочие процессы хуков и практики координации для agentic-flow.
Координируйте продвинутые рои Claude Flow
Сложным проектам нужны скоординированные агенты, ясный выбор топологии и видимые передачи задач. Этот навык предоставляет переиспользуемые паттерны роев Claude Flow для исследований, разработки, тестирования, анализа и восстановления.
Создавайте адаптивных агентов ReasoningBank
ИИ-агенты теряют полезные уроки, когда результаты не записываются. Этот навык показывает, как фиксировать опыт, изучать паттерны и рекомендовать более эффективные стратегии.
Координация продвинутых агентов Hive Mind
Сложная работа над программным обеспечением требует четких ролей агентов, общего контекста и надежных решений. Этот навык помогает проводить сессии Claude Flow Hive Mind с queens, workers, consensus и memory.
Управляйте поставкой ПО с помощью SPARC
Сложным программным проектам нужны четкое планирование, тестирование и ревью. Этот навык проводит Claude, Codex и Claude Code через этапы SPARC с помощью структурированных рабочих процессов.
Создание навыков Claude Code
Создавать корректные навыки Claude или Codex может быть сложно, когда структура, метаданные и правила раскрытия контекста неясны. Этот навык предоставляет шаблоны, чеклисты и примеры для создания организованных навыков.
Создание надежных агентов Stable Baselines3
от davila7
Проекты в области обучения с подкреплением часто терпят неудачу из-за несогласованности выбора алгоритма, контрактов среды и процессов оценки. Этот навык содержит практические рекомендации по Stable Baselines3 и многократно используемые шаблоны обучения.
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.
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.
Создание производственных систем компьютерного зрения
от davila7
Командам компьютерного зрения нужны практические рекомендации по моделям, данным, инференсу и развертыванию. Этот навык помогает Claude, Codex и Claude Code планировать готовые к продакшену рабочие процессы компьютерного зрения.
Проверка pull request с помощью ИИ-агентов
от Bind
Ручная проверка pull request может пропустить баги, логические ошибки и нарушения правил репозитория. Этот навык координирует нескольких ИИ-рецензентов и проверяет выводы перед тем, как сообщить краткие результаты.
Создание постоянной памяти AgentDB
от DNYoussef
AI-агенты часто теряют полезный контекст между сессиями. Этот навык предоставляет структурированный рабочий процесс AgentDB для памяти сессий, долговременного хранения и обучения на паттернах.