RigorPilotの信頼できる実行およびレポート作成スキル。READMEファーストの深層学習リポジトリ再現において、選択されたスモークテストやドキュメント化された推論・評価コマンドから証拠を取得・正規化し、標準化された `repro_outputs/` ファイルを書き出すために使用します。
このスキルは、RigorPilotフレームワーク内で使用される、厳格な再現性検証を目的とした信頼できる実行および証拠出力スキルです。READMEに従って深層学習リポジトリの再現を行う際に、選択されたスモークテストやドキュメント化された推論・評価コマンドを実行し、その出力結果（標準出力、標準エラー出力、リターンコード、ファイル変更など）をキャプチャします。取得した証拠は、標準化されたディレクトリ構造 `repro_outputs/` 以下にファイルとして保存し、リポジトリファイルに変更があった場合はパッチノートも自動生成します。このスキルは単独でのエンドツーエンド実行は想定しておらず、訓練実行、初期リポジトリ取り込み、環境設定、論文検索、ターゲット選択などのタスクには使用しないでください。主にClaude CodeやCursor、CodexなどのAIエージェントと連携し、科学的研究の透明性と再現性を高めるために設計されています。
npx skills add https://github.com/lllllllama/ai-paper-reproduction-skill/tree/main/skills/minimal-run-and-auditInstalled? Explore more 研究＆データ分析 skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →
RigorPilotの信頼できる実行およびレポート作成スキル。READMEファーストの深層学習リポジトリ再現用です。選択されたスモークテストやドキュメント化された推論・評価コマンドから証拠を取得・正規化し、標準化された repro_outputs/ ファイルを書き出すタスクに使用してください。リポジトリファイルが変更された場合はパッチノートも含めます。訓練実行、初期リポジトリ取り込み、汎用的な環境設定、論文検索、ターゲット選択、意味を隠す科学的変更、または単独でのエンドツーエンドオーケストレーションには使用しないでください。
This repo contains 4 individual skills — each has its own dedicated page.
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.
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.
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.
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.
USPTO patent and trademark data workflow for official record lookup, PatentSearch queries, TSDR checks, assignment data, and reproducible IP research logs.
Structured scholarly-work evaluation for papers, proposals, literature reviews, methods sections, evidence quality, citation support, and research-writing feedback.
Systematic literature-review workflow for academic, biomedical, technical, and scientific topics, including search planning, source screening, synthesis, citation checks, and evidence logging.
The agent harness performance optimization system. Skills, instincts, memory, security, and research-first development for Claude Code, Codex, Opencode, Cursor and beyond.
Agent skill repository discovered by 10x-chat research.
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.