maintain-optimizer

par nvidia

Maintenir ou étendre la surface adaptative NeMo Relay à travers la configuration, les plugins, la documentation et les liaisons ; à utiliser lorsque les utilisateurs disent encore optimizer

npx skills add https://github.com/nvidia/nemo-relay --skill maintain-optimizer

Maintain Adaptive Surfaces

Companion Guidance

Use karpathy-guidelines alongside this skill for implementation or review work. Keep changes scoped, surface assumptions, and define focused validation before editing.

Use this skill when changing adaptive config schema, built-in sections, shared plugin lifecycle, plugin registration, or binding-native helper APIs.

Public Boundary

The stable adaptive boundary is the config document plus the shared plugin lifecycle:

  • Config types and policies
  • Built-in adaptive section helpers
  • Plugin registration and composition
  • Plugin lifecycle
  • Reports and diagnostics

There is no separate public adaptive runtime handle.

See docs/plugins/adaptive/configuration.md and docs/about/concepts/plugins.md.

Keep In Sync

  • crates/adaptive
  • Shared plugin behavior in core and bindings
  • Python adaptive/plugin wrappers in python/nemo_relay/adaptive.py and python/nemo_relay/plugin.py
  • Go adaptive helpers under go/nemo_relay/adaptive plus shared plugin helpers in go/nemo_relay
  • Node.js adaptive helpers and plugin wrappers
  • Docs and examples that show canonical config shapes

Checklist

  • Dynamic config shape still matches the documented canonical model
  • Typed helper constructors still map cleanly to the same config document
  • Plugin lifecycle is consistent across languages
  • Plugin context surfaces remain aligned
  • Validation/report behavior remains documented and tested
  • Any new component kind has docs, examples, and binding coverage

Validation

  • Run adaptive-focused Rust tests
  • Run binding tests for every changed adaptive or plugin surface
  • Update adaptive docs and any examples in the same branch

References

  • docs/plugins/adaptive/configuration.md
  • docs/plugins/adaptive/about.md
  • docs/plugins/adaptive/acg.md
  • docs/plugins/adaptive/adaptive-hints.md
  • docs/build-plugins/basic-guide.md
  • docs/build-plugins/validate-configuration.md
  • docs/about/concepts/plugins.md
  • validate-change

Plus de skills de nvidia

compileiq-debug
nvidia
Utilisez quand quelque chose ne va pas : Search() bloque, toutes les évaluations retournent INVALID_SCORE, les scores ne s'améliorent pas, chaque configuration retourne le même nombre, erreurs ptxas…
create-github-pr
nvidia
Créer des pull requests GitHub en utilisant l'interface en ligne de commande gh. Utiliser lorsque l'utilisateur souhaite créer une nouvelle PR, soumettre du code pour révision, ou ouvrir une pull request. Mots-clés de déclenchement -…
nemoclaw-maintainer-cross-issue-sweep
nvidia
Analyse les autres problèmes ouverts pour trouver ceux qu’une PR donnée pourrait également corriger ou casser accidentellement. Génère des opportunités de correctifs adjacents et des risques de contradiction avec fichier:ligne…
fhir-basics
nvidia
Apprend aux agents comment fonctionnent les API FHIR R4, quelles ressources sont disponibles, comment les interroger avec des paramètres de recherche, et comment analyser correctement tous les formats de réponse…
compileiq-validate-result
nvidia
Utiliser APRÈS qu'une recherche soit terminée et AVANT de réclamer un accélérateur ou d'expédier un ACF. Charge le CSV dump_results, extrait les K meilleurs candidats (mono-objectif)…
changelog-audit
nvidia
Auditer le CHANGELOG.md de Warp avant une publication : récupérer les entrées perdues, trier par impact utilisateur, affiner le langage des entrées, ajuster les retours à la ligne et (en mode branche de publication) mettre à jour la comparaison…
maintain-dynamic-plugins
nvidia
Maintenir les chargeurs de plugins dynamiques NeMo Relay, les manifestes, les SDK natifs Rust, le protocole worker gRPC, le SDK worker Python, la documentation, les tests et la couverture du workflow de publication
dgx-diagnose
nvidia
Diagnostiquer les problèmes courants du DGX Station GB300 — plantages CUDA, ciblage incorrect du GPU, bugs de conteneur vLLM/SGLang, problèmes d'état MIG, erreurs NVLink/Fabric Manager,…