RigorPilot의 신뢰할 수 있는 실행 및 보고 스킬로, README 우선 딥러닝 저장소 재현 작업을 위한 것입니다. 선택된 스모크 테스트 또는 문서화된 추론/평가 명령에서 증거를 캡처하거나 정규화하고, 표준화된 `repro_outputs/` 파일을 작성할 때 사용합니다.
이 스킬은 딥러닝 연구 재현성을 보장하기 위해 설계된 RigorPilot의 전문화된 실행 및 감사 도구입니다. `README-first` 접근 방식을 통해 저장소의 문서화된 명령어(스모크 테스트, 추론, 평가)를 자동으로 실행하고, 그 결과를 표준화된 `repro_outputs/` 디렉토리에 저장합니다. 주요 기능으로는 실행 로그, 출력 파일, 환경 정보, 그리고 저장소 파일이 변경된 경우 패치 노트를 포함한 완전한 증거 기록을 생성합니다. 이 스킬은 주로 엔드-투-엔드 오케스트레이션 없이 특정 실행 단계의 증거를 캡처하고 정규화하는 데 사용되며, 학습 실행, 초기 저장소 분석, 환경 설정, 논문 검색, 또는 숨겨진 과학적 의미 변경 작업에는 적합하지 않습니다. Claude Code, Cursor, Codex 등 다양한 AI 에이전트 플랫폼과 호환되며, SKILL.md 문서에 따라 명확하게 정의된 입력 및 출력 규격을 가지고 있습니다.
npx skills add https://github.com/lllllllama/ai-paper-reproduction-skill/tree/main/skills/minimal-run-and-auditInstalled? Explore more 연구 & 데이터 분석 skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →
RigorPilot의 신뢰할 수 있는 실행 및 보고 스킬로, README 우선 딥러닝 저장소 재현 작업을 위한 것입니다. 선택된 스모크 테스트 또는 문서화된 추론/평가 명령에서 증거를 캡처하거나 정규화하고, 표준화된 repro_outputs/ 파일을 작성할 때 사용합니다. 저장소 파일이 변경된 경우 패치 노트를 포함합니다. 학습 실행, 초기 저장소 분석, 일반 환경 설정, 논문 검색, 대상 선택, 숨겨진 과학적 의미 변경, 또는 단독으로 사용되는 엔드-투-엔드 오케스트레이션에는 사용하지 마십시오.
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.