LLaVA — vision-language assistant patterns (short listing)
Fiche courte (licence non vérifiable) : aide-mémoire de référence pour les modèles vision-langage LLaVA — chat image multi-tours, VQA, tailles de modèle et VRAM, quantification, recettes d'entraînement
- Quoi
- Fiche courte (licence non vérifiable) : aide-mémoire de référence pour les modèles vision-langage LLaVA — chat image multi-tours, VQA, tailles de modèle et VRAM, quantification, recettes d'entraînement
- Coût
- Gratuit
- Prérequis
- un GPU avec 14 Go+ de VRAM (ou ~4 Go en quantification 4 bits) ; Python 3.x ; torch, transformers, pillow ; poids du modèle téléchargés depuis les sources LLaVA officielles (leurs propres licences s'appliquent)
- Installation
- Copiez le prompt d’installation ci-dessous dans votre Muse — votre agent fait le reste.
Sélectionné par Skill Harbor — fiche courte (le frontmatter revendique MIT, mais le manifest de découverte enregistre NOASSERTION, donc aucun contenu n'est reproduit ici) : le skill llava de @ovachiever, listé ici avec crédit à son créateur — un aide-mémoire de référence pour les modèles vision-langage open-source LLaVA (Large Language and Vision Assistant) : chat image conversationnel multi-tours, question-réponse visuelle (VQA), description d'images et compréhension de documents, tableau tailles/VRAM (7B à 34B), recettes de quantification 4/8 bits pour réduire la VRAM, service CLI et Gradio, scripts d'entraînement de modèles sur mesure (alignement de features + visual instruction tuning), scores de benchmarks, et limitations honnêtes (hallucinations, raisonnement spatial faible, difficulté avec le petit texte). Bémols honnêtes : ce skill référence le projet LLaVA en amont (haotian-liu/LLaVA) plutôt que de le redistribuer — télécharge toi-même les vrais poids depuis les sources officielles ; un vrai GPU est requis (14 Go+ de VRAM pour le 7B, ~4 Go quantifié) — l'inférence CPU est impraticable ; les poids des modèles ont leurs propres licences, distinctes du texte du skill. Skill Harbor ne vérifie jamais le code, examinez-le vous-même avant usage. Découvert via skills.sh.
Version :
Réponse rapide
LLaVA est un skill gratuit pour Muse et une fiche courte, un aide-mémoire de référence pour les modèles vision-langage open-source LLaVA. Il couvre le chat image multi-tours, le VQA, les tailles de modèle et la table VRAM, la quantification et les recettes d'entraînement. Notez que sa licence n'a pu être vérifiée, cette fiche reste donc un court résumé.
Installation
Copiez le dossier d’installation ci-dessous, puis collez-le dans Muse🧪 Installation exécutée dans notre sandbox de test · 11 nov. 2026📌 Version épinglée : commit 7acd12aÉtape 0 — avant d'installer quoi que ce soit : lis ce prompt d'installation, résume en quelques lignes ce que ce build fait et ce que l'installation implique, puis demande-moi de confirmer avant de continuer. Prérequis : un GPU avec 14 Go+ de VRAM (ou ~4 Go en quantification 4 bits) ; Python 3.x ; torch, transformers, pillow ; poids du modèle téléchargés depuis les sources LLaVA officielles (leurs propres licences s'appliquent) Installe-moi « LLaVA — patterns d'assistant vision-langage (fiche courte) ». Il donne à mon agent l'aide-mémoire LLaVA de @ovachiever : chat image multi-tours, question-réponse visuelle, description et compréhension de documents, tableau tailles/VRAM, recettes de quantification, service CLI et Gradio, scripts d'entraînement sur mesure et limitations honnêtes. IMPORTANT : la licence n'était pas vérifiable (le manifest de découverte enregistre NOASSERTION) — récupérer depuis le lien seulement, ne rien reproduire au-delà du lien, et lire toi-même les conditions avant usage. Le skill référence le projet LLaVA en amont ; il ne livre pas les poids du modèle. Dépôt : https://raw.githubusercontent.com/ovachiever/droid-tings/7acd12a7547ded8f801615e69c3b881a584ce323/skills/llava/SKILL.md Version épinglée : installe le code au commit 7acd12a7547ded8f801615e69c3b881a584ce323 exactement (Skill Harbor a testé cette version). Ne substitue pas une version plus récente. Si ce commit est inaccessible, arrête-toi et dis-le-moi. 1. Récupère le fichier SKILL.md (et les fichiers d'aide éventuels) depuis le chemin du dépôt dans un dossier temporaire 2. Vérification de sécurité : examine le SKILL.md et les scripts pour tout contenu suspect (appels réseau inattendus, commandes shell, collecte d'identifiants). Les scripts d'entraînement et de quantification téléchargent des fichiers lourds — note les sources attendues ; tout le reste est un signal d'alerte. Ce dépôt ne devrait contenir aucun secret en dur. Vérifie que c'est bien le cas ici ; STOP sur tout signal d'alerte et dis-le-moi. 3. Installe-le comme skill : copie le SKILL.md et ses fichiers d'aide dans le répertoire des skills de l'agent, dans un dossier nommé « llava ». 4. Vérifie sans appels réseau : frontmatter valide, fichiers en place. 5. Indique ce qui a été installé, où, et ce qu'il me reste à faire moi-même (p. ex. installer torch/transformers/pillow, télécharger les poids depuis les sources officielles sous leurs propres licences, vérifier la VRAM de mon GPU contre le tableau). GitHub est optionnel : si j'ai un compte GitHub ou la CLI gh, tu peux l'utiliser ; sinon l'accès public suffit. Ne jamais l'exiger sauf s'il figure dans les prérequis ci-dessus. Règles : ne touche à rien en dehors du dossier temporaire et de la cible d'installation. Si quelque chose semble anormal, arrête-toi et demande-moi.
Enregistré dans vos installs récentes. Retrouvez-le à tout moment sur /connect.
🔒 Sécurité, provenance et ce que ça touche
Le prompt d'installation ci-dessous inclut déjà les étapes de vérification : votre agent suit la checklist communautaire avant d'installer tout ce qui contient du code exécutable. Vous en voulez plus ?
Certificat de vérification
Faits datés sur ce qui a été vérifié pour cette fiche, et comment. Ce n’est pas une certification de sécurité.
- Version épinglée
- 7acd12a · 2026-10-13
- Test d’installation en sandbox
- Installation exécutée dans notre sandbox de test · 11 nov. 2026 · Observé pendant le test d’installation: registry.npmjs.org
- Identité du créateur
- Non vérifiée
- Veille d’empreinte
- Dernière vérification · 19 nov. 2026 : aucun changement détecté dans les fichiers liés par ce prompt d’installation
- Analyse du prompt d’installation
- 2026-10-13 : Aucune commande, appel réseau, paquet, écriture de fichier ni clé API détecté.
Skill Harbor ne révise jamais le code des skills listés. Ce sont des faits datés sur le prompt d’installation et notre test d’installation, pas une certification de sécurité. Révisez un skill vous-même avant de l’installer. Comment nous vérifions
Questions
Comment installer un skill ?
Chaque fiche produit contient un prompt d’installation à copier-coller. Collez-le dans votre Muse et il installe le skill pour vous — sans configuration manuelle.
Où va mon argent ?
Directement au vendeur. Skill Harbor ne traite jamais les paiements : le paiement se fait sur la page du vendeur, généralement via Stripe.
Que signifie le ✓ à côté du nom d’un créateur ?
Il signifie que nous avons confirmé l’identité de la personne derrière la fiche. Il ne dit rien sur le code lui-même — vérifiez toujours un skill avant de l’installer.