paper-context-resolverконтекст 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.
Установка
npx -y skills add lllllllama/ai-paper-reproduction-skill --skill paper-context-resolver --agent claude-codePaper Context Resolver
Вспомогательный скилл Rigor Paper Context для воспроизведения репозиториев глубокого обучения в подходе README-first. Используйте только когда README и файлы репозитория оставляют узкий пробел, критичный для воспроизведения, и задача — устранить конкретную деталь из первичных источников статьи (разбивка датасета, предобработка, протокол оценки, маппинг чекпоинтов, предположения о среде выполнения) с фиксацией конфликтов.
Когда применять
- README и файлы репозитория оставляют пробел, критичный для воспроизведения.
- Пробел касается версии датасета, разбивки, предобработки, протокола оценки, маппинга чекпоинтов или предположений о среде выполнения.
- Основному скиллу нужно узкое дополнение из источника, а не полный обзор статьи.
- Уже есть конкретный вопрос воспроизведения, на который нужно ответить.
Когда не применять
- README уже содержит достаточно деталей для воспроизведения.
- Пользователь хочет общее объяснение статьи, а не поддержку воспроизведения.
- Цель — переопределить инструкции README без документирования конфликта.
- На входе только название статьи и конкретного вопроса воспроизведения ещё нет.
Чёткие границы
- Этот скилл необязателен.
- Это вспомогательный скилл — обычно вызывается оркестратором.
- Он дополняет воспроизведение в подходе README-first.
- Он не заменяет основной поток оркестрации.
- По умолчанию он не резюмирует всю статью.
Ожидаемые входные данные
- метаданные целевого репозитория
- вопрос, критичный для воспроизведения
- имеющиеся данные из README или репозитория
- уже известные ссылки на статью
Ожидаемые выходные данные
- сокращённый список источников
- только ответ, релевантный для воспроизведения
- явная пометка о конфликтах README vs. статья при наличии
- чёткое разграничение прямых свидетельств и выводов
Из того же репозитория
env-and-assets-bootstrap — настройка окружения для AI-репозитория
lllllllama/ai-paper-reproduction-skill
Настраивает окружение для воспроизведения AI-исследовательского репозитория: зависимости, активы и конфигурация до запуска любого кода.
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.
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.
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.
