Sunwood-ai-labs/google-colab-cli-agent-skill

Skill do Codex para fluxos de trabalho GPU reprodutíveis no Google Colab via CLI, com salvamento direto no Drive, implantação no Hugging Face e limpeza baseada em evidências.

O que é google-colab-cli-agent-skill?

Este skill do Codex capacita desenvolvedores e agentes de IA a gerenciar fluxos de trabalho GPU no Google Colab de forma totalmente reprodutível através da linha de comando. Ele permite salvar arquivos diretamente no Google Drive, fazer deploy de modelos no Hugging Face e realizar limpeza de recursos baseada em evidências para evitar desperdício de créditos. Compatível com ferramentas como Claude Code, Cursor e Codex, o skill automatiza tarefas como montagem do Drive, instalação de dependências, treinamento de modelos e upload de artefatos. Sua documentação SKILL.md detalha comandos precisos e boas práticas para garantir que cada execução seja idêntica, facilitando a colaboração e o versionamento de experimentos de machine learning.

Funciona com~Claude Code✓Codex CLI~Cursor
npx skills add Sunwood-ai-labs/google-colab-cli-agent-skill

Installed? Explore more Produtividade e Colaboração skills: steipete/gemini, steipete/gh-issues, steipete/skill-creator · View all 6 →

Perguntar na sua IA favorita

Abre um novo chat com esta habilidade de agente já pré-carregada.

Documentação

O que google-colab-cli-agent-skill faz?

Skill do Codex para fluxos de trabalho GPU reprodutíveis no Google Colab via CLI, com salvamento direto no Drive, implantação no Hugging Face e limpeza baseada em evidências.

Introdução

Este skill permite que agentes de IA (como Claude Code, Cursor, Codex) executem fluxos de trabalho GPU no Google Colab de forma consistente e automatizada, eliminando a necessidade de interação manual com a interface web.

Funcionalidades Principais

  • Montagem automática do Google Drive: Salve resultados diretamente no Drive sem intervenção manual.
  • Deploy no Hugging Face: Publique modelos treinados no Hugging Face Hub com um único comando.
  • Limpeza baseada em evidências: Identifique e remova recursos não utilizados para otimizar custos.
  • Reprodutibilidade: Todos os comandos são versionados e documentados para execução idêntica.

Como Usar

  1. Configuração inicial: Execute !pip install -q colab-cli para instalar as dependências.
  2. Montar Drive: from google.colab import drive; drive.mount('/content/drive').
  3. Executar treinamento: !python train.py --epochs 10 --batch-size 32.
  4. Salvar modelo: !cp model.pth /content/drive/MyDrive/experimentos/.
  5. Fazer deploy: Utilize o comando !huggingface-cli upload com seu token.

Plataformas Suportadas

  • Claude Code
  • Cursor
  • Codex

Exemplo de Fluxo de Trabalho

# Montar Drive
!mount_drive.sh

# Instalar dependências
!pip install -r requirements.txt

# Treinar modelo
!python train.py

# Salvar no Drive
!cp -r ./output /content/drive/MyDrive/experimentos/

Boas Práticas

  • Sempre execute !nvidia-smi para verificar disponibilidade de GPU.
  • Use diretórios com timestamp para evitar conflitos.
  • Execute limpeza ao final com !cleanup_evidence.sh.

Licença

Este skill é distribuído sob a licença MIT.

Habilidades Relacionadas