用途：Posttrainer 是一个动手微调工作坊技能，带用户完成第一次真实微调，从零到在 HuggingFace 上得到一个可用的微调模型，预算控制在约 15–20 美元。它封装了 Unsloth + TRL + lm-eval，通过 posttrainer RunPod worker（github.com/chrisvoncsefalvay/posttrainer）以单一无服务器 API 提供，用户发送 JSON 载荷，worker 训练模型并把结果推送到 HuggingFace Hub，无需本地 GPU。
主要能力：按阶段引导用户完成定位、账号设置（HuggingFace 写令牌、RunPod API key 与约 20 美元额度、可选 WandB）、RunPod 端点部署（CLI 用 runpodctl，或 Web UI；镜像为 ghcr.io/chrisvoncsefalvay/posttrainer:latest 或 RunPod Hub 模板）、选择训练配方、启动训练、评估（支持 lm-eval，对比基座与微调模型分数）以及后续步骤。提供按领域和预算的模型/数据集建议，例如医疗、代码、创意写作、通用助手等。
使用方式：按顺序推进各阶段，用 AskUserQuestion 在每阶段做决策；按需读取 references 下的 setup-accounts.md、setup-runpod.md、model-catalog.md、training-recipes.md、synthetic-data.md、troubleshooting.md，不要一次性全部加载。提交任务前说明预估成本与时间，每步做验证。理论问题由配套的 post-training-guide 技能处理，可用命令安装：mkdir -p ~/.claude/skills/post-training-guide 与 curl -o ~/.claude/skills/post-training-guide/SKILL.md https://posttraining.guide/post-training-guide-skill.md。
适用场景与限制：适合无本地 GPU、想低成本完成首次真实微调的初学者。资料未提供具体价格、平台可用性或效果保证；预算、模型大小与训练时长仅为建议范围，实际以运行环境为准。