CommunityRecherche & Datenanalysegithub.com

enbeee/research-log

Dokumentationsstil für messbasierte Forschung – „Wie wir es geknackt haben“-Berichte als eine einzige, in sich geschlossene HTML-Seite mit Story-Zeitleiste, Methode, konfidenzgetaggter Spezifikation (HW/FILE/HYP/OPEN), Verifikationsnachweis und offenen Fragen.

Was ist research-log?

Dieses Skill ermöglicht es, technische Forschungsergebnisse im Stil eines Ingenieur-Berichts zu dokumentieren – als eine einzige, selbstständige HTML-Datei mit eingebettetem CSS und Bildern. Es strukturiert die Dokumentation in sechs Kernabschnitte: die chronologische Erzählung mit jedem Schritt auf Basis einer Messung, die Methode als Frage-Antwort-Tabelle, eine detaillierte Spezifikation mit Konfidenz-Tags (HW, FILE, HYP, OPEN), reproduzierbare Befehle, einen quantitativen Verifikationsnachweis und eine ehrliche Liste offener Fragen. Der Clou ist das vierstufige Tagging-System: Jede Behauptung ist entweder durch eine Messung belegt (HW), aus Artefakten abgeleitet (FILE), eine ungeprüfte Hypothese (HYP) oder als unbekannt markiert (OPEN). Das Skill unterstützt Plattformen wie Claude Code, Cursor und Codex und basiert auf dem TriCaster DVE-Forschungsprotokoll. Es zwingt den Autor zu einem strengen, messbasierten Stil ohne Übertreibungen – mit genauen Zahlen, Einheiten und einer klaren Trennung zwischen gesichertem Wissen und offenen Fragen.

Funktioniert mit✓Claude Code~Codex CLI~Cursor
npx skills add https://github.com/enbeee/research-log/tree/HEAD

Installed? Explore more Recherche & Datenanalyse skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →

In Ihrer bevorzugten KI fragen

Öffnet einen neuen Chat, in dem dieser Agent-Skill bereits geladen ist.

Dokumentation

Was macht research-log?

Dokumentiert Forschung so, wie Ingenieure sie hinterher erzählen: eine Geschichte von Messungen, eine Spezifikation, die präzise genug für eine Neuimplementierung ist, ein Verifikationsnachweis mit Zahlen und eine ehrliche Liste dessen, was noch unbekannt ist – ausgeliefert als eine in sich geschlossene HTML-Datei (CSS und Bilder eingebettet, keine externen Ressourcen).

Die Kernverpflichtung: Jede Behauptung ist entweder durch eine Messung belegt, als unbelegt markiert oder als offen gelistet. Der Leitgedanke, falls nötig: Die Artefakte zu lesen, sagt dir, was jemand geschrieben hat; nur das echte System sagt dir, was es bedeutet.

Arbeitsablauf

1. Zuerst die Beweise erfassen

Sammle, bevor du etwas schreibst, aus dem Gespräch, Repository, den Logs und vom Benutzer:

  • die Chronologie: Daten, was versucht wurde, was fehlschlug, was überraschte
  • jede Messung mit exakten Zahlen und wie sie gewonnen wurde
  • Verifikationsläufe: was wurde womit verglichen und die Fehlerwerte
  • die Werkzeuge, Dateipfade und Befehle, die jemand braucht, um die Arbeit zu wiederholen
  • ungelöste Fragen und reine Hypothesen

Erfinde keine Messungen, Daten oder Zahlen. Fehlt eine Zahl, frage nach oder markiere sie als OPEN. Ein Bericht mit erfundenen Daten ist schlimmer als gar kein Bericht – Lücken in der Aufzeichnung sind Teil der Aufzeichnung.

2. Die Konventionen lernen

Lies references/style-guide.md vor dem Schreiben – der Stil lebt in seinen Details (Bildunterschriften, die eine Aussage beweisen, Fehler, die in der Erzählung bleiben, exakte Zahlen, kein Marketing). Lies references/content-format.md, wenn du bereit bist, das Inhaltsmodul zu schreiben.

3. Das Grundgerüst wählen

Sechs Kernabschnitte, nummeriert, in dieser Reihenfolge. Lasse einen nur aus begründetem Grund weg; füge Fallstudienabschnitte zwischen der Spezifikation und den Werkzeugen ein, wenn es einen „Das echte Ding bauen“-Bogen gibt.

#Abschnittmuss enthalten
1Die GeschichteTag-für-Tag-Zeitleiste; jeder Schritt einer Messung zugeordnet; Sackgassen und Überraschungen inklusive
2Methodeein Erkenntnissatz + Tabelle: Testartefakt → Frage → Antwort
3+Die SpezifikationByte-/Protokoll-/Format-Tabellen, präzise genug für eine Neuimplementierung, mit Konfidenz-Tags; die Mathematik als Codeblöcke
−2Werkzeuge & Anleitungechte Befehle und Pfade, die beim wörtlichen Kopieren funktionieren
−1Verifikationsnachweisjeder Messlauf mit quantitativen Fehlern + ein Fazit-Kasten
−0Offene Fragenehrliche Unbekannte, jede mit OPEN oder HYP getaggt

4. Schreiben und bauen

Schreibe den Inhalt als ein Python-Modul, das DOC definiert (Format in references/content-format.md), behalte es im Projekt, damit das Dokument neu generiert werden kann, dann:

python3 <skill-dir>/scripts/build_doc.py content.py out.html

Öffne die Ausgabe und überprüfe die Darstellung, bevor du sie dem Benutzer zeigst.

5. Selbstprüfung

  • jede faktische Behauptung trägt einen Tag oder steht im Verifikationsnachweis
  • die Geschichte enthält mindestens eine Überraschung, einen Fehler oder eine Korrektur – hatte die Arbeit keine, sage das klar, anstatt Drama zu erzeugen
  • Zahlen sind exakt und tragen Einheiten (0,445 s, nicht „schnell“; 64.779 Pixel, nicht „viele“)
  • jede Bildunterschrift gibt an, was das Bild beweist, nicht was es zeigt
  • Anleitungsbefehle wurden tatsächlich ausgeführt oder sind klar als ungetestet gekennzeichnet
  • offene Fragen existieren (es gibt immer offene Fragen)
  • das Fazit ist ein Satz, den jemand aus dem Gedächtnis wiederholen könnte

Die Tags

Vier Konfidenz-Tags, inline am Ende der Behauptung, die sie qualifizieren:

  • HW (grün) – am echten getesteten System gemessen. Für Nicht-Geräte-Arbeit gilt dies trotzdem: gemessen in einem Live-Lauf, auf der Testplatte, in der Produktion.
  • FILE (blau) – in jedem untersuchten Artefakt wahr (Dateien, Mitschritte, Logs).
  • HYP (lila) – konsistent mit allen Beweisen, aber unbewiesen.
  • OPEN (grau) – unbekannt; keine Beweise in die eine oder andere Richtung.

Fakten tragen Tags; Kommentare nicht. Hat die Domäne bessere Namen dafür, benenne sie einmal am oberen Ende des Dokuments um und verwende sie konsistent – behalte aber genau diese vierstufige Aufteilung bei.

Stimme

Kollege, erste Person Plural, null Marketing. Zahlen exakt mit Einheiten. Sätze kurz. Humor trocken und selten. Fehler und Korrekturen gehören in die Geschichte, nicht in eine Fußnote. Kollegen werden nach ihrer Rolle gewürdigt („Ein Kollege lieferte zwei PNG-Sequenzen…“).

Ursprung

Abgeleitet aus dem TriCaster DVE-Forschungsprotokoll (waldobjekt.org, 1.–3. Nov. 2026, verfasst mit Claude) – das Ursprungsdokument liefert sein eigenes build_doc.py; dieses Skill verallgemeinert dieses Setup.

Verwandte Skills