📌 项目日期：2026年11月 | 数据来源：GitHub官方仓库 | 星数：299+
Thinking Machines（Mira Murati的公司）的Tinker训练服务的官方技能：把你的编码Agent会话变成一个可在本地运行的微调模型——这是 Tess-4 与 Tess-4.5 模型的配方。理念很美：你跑编码Agent的每个会话，都是"你想要模型如何表现"的示范——你的仓库、你的约定、你的工具、你的调试方式。技能把会话转成监督微调（SFT）数据集，在 Tinker 上训练 LoRA、合并、导出 GGUF，本地 llama.cpp 就能跑。一个下午，几美元到几百美元，得到一个按你方式工作的模型。
从零理解训练原理读 LLMs-from-scratch 与 MiniMind；Agent会话的持久化记忆思路见 OKF Agent Memory。
| 步骤 | 说明 |
|---|---|
| 1 会话收集 | 你的编码Agent会话=带语境的工作示范 |
| 2 SFT数据集 | 生产级管线转成监督微调格式 |
| 3 LoRA训练 | 在Tinker平台训练并合并 |
| 4 本地部署 | 导出GGUF，llama.cpp本地运行 |
git clone https://github.com/drost-ai/tinker-ai-skill.git
# 装进Agent Skills运行时
# 然后对Agent说：
# "fine-tune Qwen3.6-35B-A3B on my Claude Code sessions
# from the last month"Thinking Machines官方Agent技能（Tess-4/Tess-4.5的配方）：把你跑编码Agent的每个会话当成"你想要模型如何表现的示范"——完整生产级管线把它们转成SFT数据集、在Tinker上训练LoRA、合并、导出GGUF在本地llama.cpp运行。
官方说法："One afternoon, a few dollars to a few hundred"——一个下午，几美元到几百美元（取决于会话量）。
装好后对Agent说："fine-tune Qwen3.6-35B-A3B on my Claude Code sessions from..."（用我从某日期开始的Claude Code会话微调Qwen3.6-35B-A3B）。