training-hub-skills
基于Red Hat training-hub的LLM微调技能，支持从单GPU到多节点集群的完整工作流。
安装使用
复制下面这段提示词发给你的 AI（Claude / Cursor / TRAE / Codex / WorkBuddy 等），它会自动帮你完成安装：
帮我安装这个 AI Skill：training-hub-skills。 它的用途是：基于Red Hat training-hub的LLM微调技能，支持从单GPU到多节点集群的完整工作流。 完整的 Skill 内容见：https://321skill.com/skills/training-hub-skills/raw/index.md 请读取该页面内容，如果是 SKILL.md 格式直接安装，如果是 README 提炼核心 prompt 后安装。
提示词包含完整的 Skill 内容链接，AI 读取后即可完成安装。你也可以 查看完整内容 确认无误。
使用示例
'我想用公司的8张H100显卡微调一个70B参数的模型，请帮我制定训练方案。' 它会调用此Skill，为你生成一个针对多H100硬件优化的分布式训练配置文件，并估算所需内存和提供数据并行策略建议。或者，当你问'帮我检查一下这个JSONL数据集是否适合训练'时，它会运行内置的验证脚本并给出修改意见。
介绍
这个Skill解决了开发者和研究者在大语言模型（LLM）微调过程中面临的配置复杂、硬件适配难和流程不统一的问题。它深度集成了Red Hat training-hub项目，将数据集准备、模型训练、评估和推理部署等环节封装成一套标准化的工具和脚本，让用户无需深入底层细节即可高效启动微调任务。
使用方式非常便捷，无论是作为Claude Code插件安装还是手动克隆到本地，安装后Claude便能理解与LLM微调相关的各类问题。用户只需用自然语言描述需求，例如指定模型、硬件或任务目标，Claude就能调用该Skill提供对应的配置文件、内存估算、数据转换脚本或部署方案。
它非常适合需要定制化LLM的AI工程师、全栈开发者以及进行算法研究的学术人员。无论是想在个人RTX 4090上微调一个7B模型，还是在企业级的多H100集群上训练百亿参数大模型，都能从中找到经过优化的配置方案和操作指引。
建议用户在使用前，先通过内置的recommend_config.py和estimate_memory.py脚本进行硬件匹配和资源评估，避免因配置不当导致训练失败。同时，Skill提供了详尽的文档矩阵（如HARDWARE.md、SCALE.md），针对不同场景深入查阅能获得更佳效果。
核心特点
与同类通用微调指导技能相比，它深度绑定并优化了Red Hat training-hub这一企业级工具链，提供了从RTX 4090到多节点H200集群的、经过实测的硬件配置方案，并内置了数据集验证、内存估算等实用脚本，形成了开箱即用的完整工作流。
注意事项
该Skill主要围绕training-hub生态，不适用于其他微调框架（如Hugging Face Transformers Trainer）的深度定制或非标准硬件环境的配置。
常见问题
如何在RTX 4090上微调Llama 3.1 8B模型？
安装此Skill后，直接询问Claude，它会基于training-hub提供针对RTX 4090优化的LoRA或QLoRA配置方案、内存估算及具体操作步骤。
如何将我的CSV数据集转换成training-hub可用的格式？
Skill内置了数据转换脚本（如convert_to_jsonl.py），你可以通过Claude调用该脚本，或直接询问转换方法，它会指导你生成符合要求的JSONL格式数据。
给 AI 助手的安装指引
如果你的 AI 编程助手（Claude Code、Cursor、TRAE 等）能看到这个页面，把下面这段发给它即可自动完成安装：
请访问 https://321skill.com/skills/training-hub-skills/raw/index.md 读取 training-hub-skills 的原始 Skill 定义（Markdown 格式），按其中说明在我的环境里完成安装和配置。
AI 可直接读取的原始 Markdown 地址：/skills/training-hub-skills/raw/index.md（查看排版版本）