lllllllama/minimal-run-and-audit

Habilidad de ejecución confiable y generación de informes de RigorPilot para la reproducción de repositorios de deep learning priorizando la lectura de README.

¿Qué es minimal-run-and-audit?

Este skill, denominado `minimal-run-and-audit`, está diseñado específicamente para la reproducción controlada de repositorios de deep learning, siguiendo el enfoque 'README-first' de RigorPilot. Su propósito principal es capturar y normalizar la evidencia generada por comandos de prueba, inferencia o evaluación documentados en el repositorio. Tras ejecutar dichos comandos, el skill escribe archivos estandarizados en el directorio `repro_outputs/`, incluyendo notas de parche (patch notes) cuando se han modificado archivos del repositorio durante el proceso. Es una herramienta fundamental para investigadores y desarrolladores que necesitan verificar resultados de manera reproducible y auditada. No debe utilizarse para entrenamiento de modelos, ingesta inicial de repositorios, configuración genérica de entornos, búsqueda de artículos, selección de objetivos, cambios ocultos de significado científico ni orquestación integral de principio a fin. Funciona en plataformas como Claude Code, Cursor y Codex, y su lógica se fundamenta en su documentación SKILL.md, que define un flujo de trabajo riguroso y estandarizado.

Compatible con~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/lllllllama/ai-paper-reproduction-skill/tree/main/skills/minimal-run-and-audit

Installed? Explore more Investigación y análisis de datos skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →

Preguntar en tu IA favorita

Abre un nuevo chat con esta habilidad de agente ya precargada.

Documentación

¿Qué hace minimal-run-and-audit?

Habilidad de ejecución confiable y generación de informes de RigorPilot para la reproducción de repositorios de deep learning priorizando la lectura de README. Úsala cuando la tarea sea específicamente capturar o normalizar evidencia a partir de la prueba de humo seleccionada o del comando de inferencia o evaluación documentado, y escribir archivos estandarizados en repro_outputs/, incluyendo notas de parche cuando se hayan modificado archivos del repositorio. No la utilices para: ejecución de entrenamiento, ingesta inicial de repositorios, configuración genérica de entornos, búsqueda de artículos, selección de objetivos, cambios ocultos de significado científico ni orquestación integral por sí misma.

Individual skills in this repo

This repo contains 4 individual skills — each has its own dedicated page.

lllllllama/ai-paper-reproduction

Main orchestrator for README-first AI repo reproduction. Use when the user wants an end-to-end, minimal-trustworthy reproduction flow that reads the repository first, selects the smallest documented inference or evaluation target, coordinates intake, setup, trusted execution, optional trusted training, optional repository analysis, and optional paper-gap resolution, enforces conservative patch rules, records evidence assumptions deviations and human decision points, and writes the standardized `repro_outputs/` bundle. Do not use for paper summary, generic environment setup, isolated repo scanning, standalone command execution, silent protocol changes, or broad research assistance outside repository-grounded reproduction.

lllllllama/env-and-assets-bootstrap

Rigor Setup skill for README-first deep learning repo reproduction. Use when the task is specifically to prepare a conservative conda-first environment, checkpoint and dataset path assumptions, cache location hints, and setup notes before any run on a README-documented repository. Do not use for repo scanning, full orchestration, paper interpretation, final run reporting, or generic environment setup that is not tied to a specific reproduction target.

lllllllama/paper-context-resolver

Rigor Paper Context helper for README-first deep learning repo reproduction. Use only when the README and repository files leave a narrow reproduction-critical gap and the task is to resolve a specific paper detail such as dataset split, preprocessing, evaluation protocol, checkpoint mapping, or runtime assumption from primary paper sources while recording conflicts. Do not use for general paper summary, repo scanning, environment setup, command execution, title-only paper lookup, or replacing README guidance by default.

lllllllama/repo-intake-and-plan

Rigor Intake helper for README-first deep learning repo reproduction. Use when the task is specifically to scan a repository, read the README and common project files, extract documented commands, classify inference, evaluation, and training candidates, and return the smallest trustworthy reproduction plan to the main orchestrator. Do not use for environment setup, asset download, command execution, final reporting, paper lookup, or end-to-end orchestration.

Skills relacionados