README 기반 AI 저장소 재현을 위한 메인 오케스트레이터입니다. 사용자가 저장소를 먼저 읽고, 가장 작은 문서화된 추론 또는 평가 대상을 선택하며, 수집, 설정, 신뢰 실행, 선택적 신뢰 훈련, 선택적 저장소 분석, 선택적 논문 갭 해소를 조정하고, 보수적인 패치 규칙을 적용하며, 증거 가정 편차 및 인간 결정 지점을 기록하고, 표준화된 `repro_outputs/` 번들을 작성하는 엔드 투 엔드의 최소 신뢰 재현 흐름을 원할 때 사용합니다. 논문 요약, 일반 환경 설정, 분리된 저장소 스캔, 단독 명령 실행, 묵시적 프로토콜 변경, 또는 저장소 기반 재현 외의 광범위한 연구 지원에 사용하지 마십시오.
이 스킬은 AI 논문 재현 프로세스를 종합적으로 오케스트레이션하는 도구입니다. 사용자가 README 우선 접근법을 통해 저장소를 분석하고, 가장 작은 문서화된 추론 또는 평가 대상을 선택한 후, 수집, 설정, 신뢰 실행, 선택적 훈련, 저장소 분석, 논문 갭 해소 작업을 순차적으로 조정합니다. 주요 특징으로는 보수적인 패치 규칙 적용, 증거 가정 편차 및 인간 결정 사항 기록, 그리고 최종적으로 표준화된 `repro_outputs/` 번들 생성을 포함합니다. 모든 주요 AI 에이전트 플랫폼(Claude Code, Cursor 등)에서 사용 가능하며, 저장소 기반의 재현 작업에 특화되어 있어 논문 요약이나 일반적인 환경 설정 작업에는 사용하지 않아야 합니다.
npx skills add https://github.com/lllllllama/ai-paper-reproduction-skill/tree/main/skills/ai-paper-reproductionInstalled? Explore more 연구 & 데이터 분석 skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →
README 우선 AI 저장소 재현을 위한 메인 오케스트레이터입니다. 사용자가 엔드 투 엔드의 최소 신뢰 재현 흐름을 원할 때 사용합니다. 이 흐름은 저장소를 먼저 읽고, 가장 작은 문서화된 추론 또는 평가 대상을 선택하며, 수집, 설정, 신뢰 실행, 선택적 신뢰 훈련, 선택적 저장소 분석, 선택적 논문 갭 해소를 조정하고, 보수적인 패치 규칙을 적용하며, 증거 가정 편차 및 인간 결정 지점을 기록하고, 표준화된 repro_outputs/ 번들을 작성합니다. 논문 요약, 일반 환경 설정, 분리된 저장소 스캔, 단독 명령 실행, 묵시적 프로토콜 변경, 또는 저장소 기반 재현 외의 광범위한 연구 지원에 사용하지 마십시오.
This repo contains 4 individual skills — each has its own dedicated page.
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.
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.