repo-intake-and-plan は何をしますか？
READMEファーストの深層学習リポジトリ再現のための厳格な情報収集ヘルパー。リポジトリをスキャンし、READMEや一般的なプロジェクトファイルを読み込み、文書化されたコマンドを抽出して、推論、評価、トレーニングの候補に分類し、最小限で信頼性の高い再現計画をメインオーケストレーターに返します。環境設定、アセットのダウンロード、コマンド実行、最終レポート作成、論文調査、エンドツーエンドのオーケストレーションには使用しないでください。
READMEファーストの深層学習リポジトリ再現のための厳格な情報収集ヘルパー。リポジトリをスキャンし、READMEや一般的なプロジェクトファイルを読み込み、文書化されたコマンドを抽出して、推論、評価、トレーニングの候補に分類し、最小限で信頼性の高い再現計画をメインオーケストレーターに返します。
このスキルは、深層学習リポジトリの再現プロセスにおける初期段階を自動化するために設計されています。主に、リポジトリの内容を読み取り、READMEや設定ファイルなどの一般的なプロジェクトファイルから、文書化された実行コマンドを抽出します。抽出したコマンドは、推論、評価、トレーニングのいずれかのカテゴリに自動分類され、最小限で信頼性の高い再現計画が生成されます。このスキルは、環境設定やアセットのダウンロード、コマンド実行、最終レポート作成などは行わず、あくまで計画立案のための情報収集に特化しています。主にClaude CodeやCursorのようなAIエージェント環境で使用されることを想定しており、大規模なリポジトリの調査を効率化し、再現に必要な最小限のステップを特定するのに役立ちます。
npx skills add https://github.com/lllllllama/ai-paper-reproduction-skill/tree/main/skills/repo-intake-and-planInstalled? 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 →
READMEファーストの深層学習リポジトリ再現のための厳格な情報収集ヘルパー。リポジトリをスキャンし、READMEや一般的なプロジェクトファイルを読み込み、文書化されたコマンドを抽出して、推論、評価、トレーニングの候補に分類し、最小限で信頼性の高い再現計画をメインオーケストレーターに返します。環境設定、アセットのダウンロード、コマンド実行、最終レポート作成、論文調査、エンドツーエンドの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.
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.
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.
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.