flow-nexus-neural

Flow Nexus Neural 是一項專為開發人員與 AI 工程師設計的精密機器學習協調技能，用於在安全的分佈式 E2B 沙盒環境中部署、訓練與管理神經網路模型。透過與 Claude Code 的直接整合，使用者能夠定義自定義模型架構，包括前饋網路、用於序列建模的 LSTM、用於生成式任務的 GAN 以及 Transformer 模型，而無需手動管理複雜的雲端基礎設施。此技能旨在透過預先定義的訓練層級來滿足不同的運算需求，範圍從輕量級的 nano 模型到大規模的訓練集群。

• 支援多種神經網路架構：前饋、LSTM、GAN、自動編碼器與 Transformer 模型。

• 基於層級的資源分配：可選擇 nano、mini、small、medium 與 large 訓練配置，以平衡速度與模型複雜度。

• 分佈式訓練能力：初始化與管理具有 mesh、ring 與 star 拓撲的訓練集群，以處理大規模學習任務。

• 模板市場：存取並部署用於情感分析、視覺識別、時間序列預測與異常檢測等常見任務的預訓練模型。

• 推論服務：透過 MCP 工具呼叫直接執行高速模型預測，並具備優化的延遲與效能。

• 動態發散訓練：針對特定實驗用例啟用如 lateral、quantum 或 chaotic 等進階訓練模式。

• 前置作業包括將 Flow Nexus MCP 伺服器加入您的環境，並透過 CLI 完成註冊。

• 設定參數使用結構化 JSON 物件定義層參數、激活函數、學習率、訓練週期 (epochs) 與批次大小。

• 系統需要 user_id 進行分佈式工作階段中的追蹤與資源管理。

• 輸出提供 JSON 格式的詳細訓練指標、集群狀態更新與推論結果。

• 使用者可將此技能與其他 Flow 外掛程式結合，進行全面的 AI 代理協調，包括自動測試生成與自學習 SONA 神經模式。