jpskill.com
🛠️ 開発・MCP コミュニティ 🔴 エンジニア向け 👤 エンジニア・AI開発者

🛠️ LLM設定

llm-config

RuVLLMという大規模言語モデルを自分のパソコンなどで

⏱ ライブラリ調査+組込 半日 → 1時間

📺 まず動画で見る(YouTube)

▶ 【衝撃】最強のAIエージェント「Claude Code」の最新機能・使い方・プログラミングをAIで効率化する超実践術を解説! ↗

※ jpskill.com 編集部が参考用に選んだ動画です。動画の内容と Skill の挙動は厳密には一致しないことがあります。

📜 元の英語説明(参考)

Configure RuVLLM local inference with model selection, MicroLoRA fine-tuning, and SONA adaptation

🇯🇵 日本人クリエイター向け解説

一言でいうと

RuVLLMという大規模言語モデルを自分のパソコンなどで

※ jpskill.com 編集部が日本のビジネス現場向けに補足した解説です。Skill本体の挙動とは独立した参考情報です。

⚠️ ダウンロード・利用は自己責任でお願いします。当サイトは内容・動作・安全性について責任を負いません。

🎯 このSkillでできること

下記の説明文を読むと、このSkillがあなたに何をしてくれるかが分かります。Claudeにこの分野の依頼をすると、自動で発動します。

📦 インストール方法 (3ステップ)

  1. 1. 上の「ダウンロード」ボタンを押して .skill ファイルを取得
  2. 2. ファイル名の拡張子を .skill から .zip に変えて展開(macは自動展開可)
  3. 3. 展開してできたフォルダを、ホームフォルダの .claude/skills/ に置く
    • · macOS / Linux: ~/.claude/skills/
    • · Windows: %USERPROFILE%\.claude\skills\

Claude Code を再起動すれば完了。「このSkillを使って…」と話しかけなくても、関連する依頼で自動的に呼び出されます。

詳しい使い方ガイドを見る →
最終更新
2026-05-17
取得日時
2026-05-17
同梱ファイル
1

💬 こう話しかけるだけ — サンプルプロンプト

  • LLM Config を使って、最小構成のサンプルコードを示して
  • LLM Config の主な使い方と注意点を教えて
  • LLM Config を既存プロジェクトに組み込む方法を教えて

これをClaude Code に貼るだけで、このSkillが自動発動します。

📖 Claude が読む原文 SKILL.md(中身を展開)

この本文は AI(Claude)が読むための原文(英語または中国語)です。日本語訳は順次追加中。

LLM Configuration

Configure RuVLLM for local inference and fine-tuning.

When to use

When you need to configure local LLM inference, create MicroLoRA adapters for task-specific fine-tuning, or set up SONA for real-time adaptation.

Steps

  1. Check status — call mcp__claude-flow__ruvllm_status to see current model and adapter state
  2. Generate config — call mcp__claude-flow__ruvllm_generate_config with model parameters
  3. Create MicroLoRA — call mcp__claude-flow__ruvllm_microlora_create for task-specific adapters
  4. Adapt MicroLoRA — call mcp__claude-flow__ruvllm_microlora_adapt with training data
  5. Create SONA — call mcp__claude-flow__ruvllm_sona_create for real-time neural adaptation
  6. Adapt SONA — call mcp__claude-flow__ruvllm_sona_adapt with feedback signals

MicroLoRA vs SONA

Feature MicroLoRA SONA
Speed Minutes to train <0.05ms adaptation
Scope Task-specific fine-tuning Real-time micro-adjustments
Persistence Saved as adapter weights Session-scoped
Use case Specialized domain tasks Continuous feedback loops