CommunityInvestigación y análisis de datosgithub.com

llllllllama/repo-intake-and-plan

Asistente de ingesta rigurosa para la reproducción de repositorios de aprendizaje profundo priorizando el README. Se utiliza para escanear un repositorio, leer el README y archivos comunes del proyecto, extraer comandos documentados, clasificar candidatos de inferencia, evaluación y entrenamiento, y devolver el plan de reproducción más pequeño y confiable al orquestador principal.

¿Qué es repo-intake-and-plan?

Este skill está diseñado para actuar como un asistente de ingesta rigurosa en el proceso de reproducción de repositorios de aprendizaje profundo, siguiendo un enfoque 'primero el README'. Su propósito es escanear un repositorio, leer el README y otros archivos comunes del proyecto, extraer todos los comandos documentados, y clasificarlos en categorías como inferencia, evaluación y entrenamiento. Luego, genera el plan de reproducción más pequeño y confiable posible para que el orquestador principal pueda ejecutarlo. Es útil porque automatiza la fase inicial de análisis, reduciendo la intervención manual y asegurando que solo se devuelvan los pasos esenciales. Funciona principalmente en entornos de línea de comandos y se integra con orquestadores de tareas, pero no debe utilizarse para configurar entornos, descargar activos, ejecutar comandos, generar informes finales, buscar documentos o realizar orquestación completa de extremo a extremo.

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

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

Ver original→Ver todas las habilidades

Preguntar en tu IA favorita

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

OpenAIChatGPTClaudeClaudeGeminiGeminiGrokGrokPerplexityPerplexityDeepSeekDeepSeek

Documentación

¿Qué hace repo-intake-and-plan?

Asistente de ingesta rigurosa para la reproducción de repositorios de aprendizaje profundo priorizando el README. Úsalo cuando la tarea sea específicamente escanear un repositorio, leer el README y los archivos comunes del proyecto, extraer comandos documentados, clasificar candidatos de inferencia, evaluación y entrenamiento, y devolver el plan de reproducción más pequeño y confiable al orquestador principal. No lo uses para configuración de entorno, descarga de activos, ejecución de comandos, generación de informes finales, búsqueda de documentos o orquestación de extremo a extremo.

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/minimal-run-and-audit

RigorPilot trusted execution and reporting skill for README-first deep learning repo reproduction. Use when the task is specifically to capture or normalize evidence from the selected smoke test or documented inference or evaluation command and write standardized `repro_outputs/` files, including patch notes when repository files changed. Do not use for training execution, initial repo intake, generic environment setup, paper lookup, target selection, hidden scientific-meaning changes, or end-to-end orchestration by itself.

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.

Skills relacionados

affaan-m/uspto-database

USPTO patent and trademark data workflow for official record lookup, PatentSearch queries, TSDR checks, assignment data, and reproducible IP research logs.

community

affaan-m/scholar-evaluation

Structured scholarly-work evaluation for papers, proposals, literature reviews, methods sections, evidence quality, citation support, and research-writing feedback.

community

affaan-m/literature-review

Systematic literature-review workflow for academic, biomedical, technical, and scientific topics, including search planning, source screening, synthesis, citation checks, and evidence logging.

community

affaan-m/everything-claude-code

The agent harness performance optimization system. Skills, instincts, memory, security, and research-first development for Claude Code, Codex, Opencode, Cursor and beyond.

community

forrestchang/andrej-karpathy-skills

Agent skill repository discovered by 10x-chat research.

community

langgenius/backend-code-review

Review backend code for quality, security, maintainability, and best practices based on established checklist rules. Use when the user requests a review, analysis, or improvement of backend files (e.g., `.py`) under the `api/` directory. Do NOT use for frontend files (e.g., `.tsx`, `.ts`, `.js`). Supports pending-change review, code snippets review, and file-focused review.

community
← More Investigación y análisis de datos skills