env-and-assets-bootstrapнастройка окружения для AI-репозитория
lllllllama/ai-paper-reproduction-skill
Настраивает окружение для воспроизведения AI-исследовательского репозитория: зависимости, активы и конфигурация до запуска любого кода.
Установка
npx -y skills add lllllllama/ai-paper-reproduction-skill --skill env-and-assets-bootstrap --agent claude-codeEnv and Assets Bootstrap
Скилл Rigor Setup для воспроизведения репозиториев глубокого обучения в подходе README-first. Используйте когда задача — подготовить консервативную среду conda, предположения о путях к чекпоинтам и датасетам, подсказки по расположению кэша и заметки по настройке перед запуском на задокументированном в README репозитории.
Когда применять
- После того как intake-этап определил достоверную цель воспроизведения.
- Когда перед выполнением команд нужно создать среду или подготовить пути к ресурсам.
- Когда репозиторий зависит от чекпоинтов, датасетов или директорий кэша.
- Когда пользователь явно запрашивает помощь с настройкой перед запуском.
Когда не применять
- Когда репозиторий поставляется с готовой к запуску средой, не требующей адаптации.
- Когда задача — только сканирование и планирование.
- Когда задача — только отчёт по уже выполненным командам.
- Когда запрос — общий вопрос по conda или управлению пакетами вне воспроизведения репозитория.
Чёткие границы
- Этот скилл подготавливает среду и предположения о ресурсах.
- Он не управляет выбором цели воспроизведения.
- Он не управляет итоговой отчётностью.
- Он не выполняет поиск по статьям, кроме передачи пробелов опциональному resolver-у.
Ожидаемые входные данные
- путь к целевому репозиторию
- выбранная цель воспроизведения
- релевантные шаги настройки из README
- известные ограничения ОС или пакетов
Ожидаемые выходные данные
- консервативные заметки по настройке среды
- кандидаты команд conda
- план путей к ресурсам
- подсказки по источникам чекпоинтов и датасетов
- неразрешённые риски зависимостей или ресурсов
Из того же репозитория
paper-context-resolver — контекст при воспроизведении AI-статей
lllllllama/ai-paper-reproduction-skill
При воспроизведении AI-статьи из GitHub репозитория — разрешает узкие технические вопросы, которые README не освещает. Точечные ответы без лишнего контекста.
minimal-run-and-audit — запуск и аудит AI-репозитория
lllllllama/ai-paper-reproduction-skill
Когда команда для запуска уже найдена — выполняет её, фиксирует доказательства работы и проводит аудит результатов AI-исследовательского репозитория.
repo-intake-and-plan — анализ и план воспроизведения репозитория
lllllllama/ai-paper-reproduction-skill
Первичный анализ нового репозитория: читает README, находит скрипты настройки и задокументированные команды, категоризирует задачи воспроизведения.
ai-paper-reproduction — воспроизведение AI исследований
lllllllama/ai-paper-reproduction-skill
Оркестратор воспроизведения AI исследовательских репозиториев: надёжный и аудируемый процесс.
ai-research-reproduction — воспроизведение deep learning с аудитом
lllllllama/ai-paper-reproduction-skill
Структурированный workflow для воспроизведения deep learning репозиториев с аудиторским следом.
analyze-project — понять deep learning репозиторий
lllllllama/ai-paper-reproduction-skill
Для понимания deep learning репозитория до любого изменения кода: структура и архитектура.
