Agent skill

executing-plans

This skill should be used when the user asks to "execute plan", "run the plan", "start executing", "continue plan execution", or has a plan file ready to execute. Manages phased implementation with batch execution and checkpoint reviews.

View SKILL.md on GitHub Repository
Stars 0
Forks 0

Install this agent skill to your Project

npx add-skill https://github.com/p988744/nlp-skills/tree/main/skills/executing-plans

SKILL.md

Executing Plans - 計畫執行

批次執行訓練計畫，每 3 個任務暫停進行 checkpoint review。

核心原則

  1. 批次執行：預設每 3 個任務為一批
  2. Checkpoint Review：每批完成後暫停，報告進度，等待回饋
  3. 嚴格遵循：按計畫步驟執行，不自行判斷
  4. 遇阻即停：遇到問題立即停止，請求協助

執行流程

Phase 1: 載入計畫
    ↓
Phase 2: 審核計畫
    ↓
Phase 3: 批次執行 (3 tasks)
    ↓
Phase 4: Checkpoint 報告
    ↓
Phase 5: 等待回饋
    ↓
[重複 Phase 3-5 直到完成]
    ↓
Phase 6: 最終完成

Phase 1: 載入計畫

markdown
請提供計畫檔案路徑，或指定任務名稱：

1. 指定檔案：`entity-sentiment/plans/2026-01-07-initial-training.md`
2. 指定任務：自動尋找最新計畫

載入後顯示計畫摘要：

📋 計畫載入完成

任務: entity-sentiment
目標: 初始訓練 v1
建立日期: 2026-01-07

Tasks 總數: 5
- [pending] 4 個
- [completed] 1 個

準備開始執行？

Phase 2: 審核計畫

在執行前必須審核計畫：

  1. 閱讀目標概述
  2. 檢查前置條件是否滿足
  3. 確認技術方案合理
  4. 如有疑慮，先提出討論
⚠️ 計畫審核

前置條件檢查：
- [x] 資料已準備 (500 筆)
- [x] GPU 環境已設定
- [ ] 依賴套件已安裝 ← 需要先安裝

建議：先執行 pip install -r requirements.txt

是否繼續？還是先處理前置條件？

Phase 3: 批次執行

執行規則

  1. 預設每批 3 個任務（可調整）
  2. 依序執行，不跳過
  3. 每個任務：
    • 標記 [in-progress]
    • 執行步驟
    • 執行驗證
    • 標記 [completed] 或 [blocked]
  4. 更新計畫檔案中的狀態

執行格式

🔄 開始批次 1/2 (Task 1-3)

---
▶️ Task 1: 驗證資料格式 [in-progress]

執行中...
✓ 讀取 data/train.jsonl
✓ 檢查欄位完整
✓ 統計類別分佈

驗證結果：
✓ 所有必要欄位存在
✓ 無空值或異常值
✓ 類別分佈已記錄

輸出：
Total samples: 500
Classes: 正面(180), 負面(170), 中立(150)

✅ Task 1: 驗證資料格式 [completed]

---
▶️ Task 2: 產生訓練配置 [in-progress]
...

Phase 4: Checkpoint 報告

每批完成後，產生 checkpoint 報告：

📊 Checkpoint Report - 批次 1/2 完成

已完成 Tasks:
✅ Task 1: 驗證資料格式
✅ Task 2: 產生訓練配置
✅ Task 3: 執行訓練

結果摘要：
- 資料格式正確，500 筆樣本
- 配置檔已產生：configs/v1.yaml
- 訓練完成，final loss = 0.32

待執行 Tasks:
⏳ Task 4: 執行評估
⏳ Task 5: 更新 Lineage

---
🛑 暫停等待回饋

請確認目前進度，回覆後繼續執行：
- 輸入 "continue" 或 "繼續" → 執行下一批
- 輸入 "stop" 或 "停止" → 結束執行
- 提供其他指示 → 調整後繼續

Phase 5: 等待回饋

必須等待使用者回應後才能繼續：

回應 動作
continue / 繼續 執行下一批
stop / 停止 結束執行，保留進度
skip task N 跳過指定任務
redo task N 重新執行指定任務
其他指示 根據指示調整

Phase 6: 最終完成

所有任務完成後：

🎉 計畫執行完成！

執行摘要：
- 總任務數: 5
- 已完成: 5
- 跳過: 0
- 阻塞: 0

成果：
- 模型已訓練：models/v1/
- Macro-F1: 0.78
- Lineage 已更新

下一步建議：
1. 檢查 versions/v1/lineage.yaml
2. 如需改善，使用 /nlp-skills:write-plan 建立新計畫
3. 部署模型使用 /nlp-skills:deploy

遇阻處理

立即停止的情況

遇到以下情況必須立即停止，請求協助：

  1. 執行錯誤：腳本報錯、指令失敗
  2. 驗證失敗：無法通過驗證條件
  3. 計畫不清：步驟描述不明確
  4. 缺少依賴：檔案不存在、套件未安裝
  5. 結果異常：輸出與預期差異過大

阻塞報告格式

🚫 Task 3 執行阻塞

問題：訓練腳本報錯
錯誤訊息：

CUDA out of memory. Tried to allocate 2.00 GiB


可能原因：
1. batch_size 太大
2. 模型太大
3. GPU 記憶體不足

建議解決方案：
1. 降低 batch_size 從 8 改為 4
2. 啟用 gradient checkpointing
3. 使用更小的模型

請指示如何處理？

配置選項

調整批次大小

預設每批 3 個任務。如需調整：

"使用批次大小 5 執行計畫"
"每完成 1 個任務就暫停"

跳過 Checkpoint

如需連續執行不暫停（不建議）：

"連續執行所有任務不暫停"

計畫檔案更新

執行過程中會即時更新計畫檔案：

markdown
### Task 1: 驗證資料格式 [completed]  ← 更新狀態

**完成時間**: 2026-01-07 14:30        ← 新增
**實際輸出**:                         ← 新增

Total samples: 500 Classes: 正面(180), 負面(170), 中立(150)

最佳實踐

Do

  • ✅ 執行前先審核計畫
  • ✅ 每個 checkpoint 確認進度
  • ✅ 遇到問題立即報告
  • ✅ 保持計畫檔案更新

Don't

  • ❌ 跳過 checkpoint review
  • ❌ 自行判斷跳過任務
  • ❌ 忽略驗證失敗
  • ❌ 修改計畫而不通知

相關資源

  • writing-plans - 撰寫計畫
  • task-manager - 任務管理
  • problem-diagnoser - 問題診斷

Recommended Agent Skills

Expand your agent's capabilities with these related and highly-rated skills.

p988744/nlp-skills

finetune-llm

LLM fine-tuning 教練式引導工作流程 v2。 核心功能：主動探索使用者痛點、引導明確目標、多任務管理、資料來源追蹤、完整版本 lineage。 支援：LoRA/QLoRA/DoRA 微調、SFT/ORPO/DPO 對齊、資料準備、Benchmark 評估、HuggingFace 部署。 特色：教練式引導、可重現的資料管線、多任務版本追蹤。 觸發詞：「訓練模型」「fine-tune」「微調」「LoRA」「建立新任務」「改善模型」「優化準確率」「資料管線」「任務管理」

0 0
Explore
p988744/nlp-skills

data-pipeline

This skill should be used when the user asks to "configure data source", "data from database", "fetch data from API", "scrape web data", "generate training data with LLM", "regenerate data", "data pipeline", "where does data come from", or needs to set up reproducible data collection. Provides data source configuration, reproducibility tracking, and data regeneration capabilities.

0 0
Explore
p988744/nlp-skills

task-manager

This skill should be used when the user asks to "list tasks", "show all tasks", "compare versions", "switch to task X", "task status", "version history", "what tasks do I have", or needs to manage multiple training tasks. Provides multi-task management, version tracking, and performance comparison capabilities.

0 0
Explore
p988744/nlp-skills

writing-plans

This skill should be used when the user asks to "write a plan", "create training plan", "plan my fine-tuning", "make a plan for model training", or when starting a new training task that requires multiple steps. Creates detailed implementation plans with bite-sized tasks for LLM fine-tuning workflows.

0 0
Explore
p988744/nlp-skills

llm-coach

This skill should be used when the user asks to "train a model", "fine-tune", "build NLP model", "create training task", "optimize model performance", "improve accuracy", "what model should I use", or expresses vague training needs like "I want to do sentiment analysis" or "help me with NER". Provides coaching-style guidance to clarify goals, diagnose pain points, and recommend optimal training approaches.

0 0
Explore
p988744/nlp-skills

llm-knowledge

This skill should be used when the user asks "what is LoRA", "compare models", "which model is best for Chinese", "SFT vs DPO", "how to handle overfitting", "class imbalance solution", "model architecture", "training method comparison", or needs reference information about LLM fine-tuning. Provides structured knowledge base for models, methods, architectures, and troubleshooting.

0 0
Explore

Didn't find tool you were looking for?

Be as detailed as possible for better results