CommunityRecherche et analyse de donnéesgithub.com

lllllllama/minimal-run-and-audit

Compétence d'exécution de confiance et de rapport RigorPilot pour la reproduction de dépôts deep learning en lecture d'abord (README-first). À utiliser lorsque la tâche consiste spécifiquement à capturer ou normaliser les preuves issues du test de fumée ou de la commande d'inférence/évaluation documentée, et à écrire des fichiers standardisés dans `repro_outputs/`, y compris les notes de patch lorsque des fichiers du dépôt ont été modifiés. Ne pas utiliser pour l'exécution d'entraînement, l'ingestion initiale du dépôt, la configuration générique d'environnement, la recherche d'article, la sélection de cible, les modifications cachées de sens scientifique, ou l'orchestration de bout en bout.

Qu'est-ce que minimal-run-and-audit ?

Cette compétence, nommée `lllllllama/minimal-run-and-audit`, est un outil RigorPilot dédié à l'exécution de confiance et à la génération de rapports standardisés. Son cas d'utilisation principal est la reproduction de dépôts deep learning en lisant d'abord le fichier README. Elle permet d'exécuter la commande documentée (test de fumée, inférence ou évaluation) et de capturer automatiquement les preuves de sortie dans des fichiers normalisés sous le répertoire `repro_outputs/`. Si le processus de reproduction a nécessité la modification de fichiers du dépôt, elle inclut également des notes de patch. La compétence est conçue pour être utilisée de manière précise et limitée : elle ne doit pas être employée pour des tâches d'entraînement, d'ingestion initiale de code, de configuration d'environnement générique, de recherche d'article scientifique, de sélection de cible, ni d'orchestration globale. Elle s'intègre idéalement dans un workflow où une autre compétence (comme `README first run`) a déjà analysé le dépôt. Son fonctionnement s'appuie sur l'exécution de commandes shell documentées, l'écriture de fichiers texte standardisés et la gestion de l'état de l'environnement via des scripts shell. Elle prend en charge les environnements de développement comme Claude Code, Cursor ou Codex, et est conçue pour être invoquée de manière simple et reproductible.

Compatible avec~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 Recherche et analyse de données skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →

Voir l'original→Voir toutes les compétences

Demander à votre IA préférée

Ouvre une nouvelle conversation avec cette compétence d'agent déjà préchargée.

OpenAIChatGPTClaudeClaudeGeminiGeminiGrokGrokPerplexityPerplexityDeepSeekDeepSeek

Documentation

Que fait minimal-run-and-audit ?

Compétence d'exécution de confiance et de rapport RigorPilot pour la reproduction de dépôts deep learning en lecture d'abord (README-first). À utiliser lorsque la tâche consiste spécifiquement à capturer ou normaliser les preuves issues du test de fumée ou de la commande d'inférence/évaluation documentée, et à écrire des fichiers standardisés dans repro_outputs/, y compris les notes de patch lorsque des fichiers du dépôt ont été modifiés. Ne pas utiliser pour l'exécution d'entraînement, l'ingestion initiale du dépôt, la configuration générique d'environnement, la recherche d'article, la sélection de cible, les modifications cachées de sens scientifique, ou l'orchestration de bout en bout.

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 associés

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 Recherche et analyse de données skills