repo-intake-and-plan

Rigor Intake-Hilfsprogramm für die Reproduktion von Deep-Learning-Repos nach dem README-First-Prinzip. Verwenden, wenn die Aufgabe spezifisch darin besteht, ein Repository zu scannen, die README und übliche Projektdateien zu lesen, dokumentierte Befehle zu extrahieren, Inferenz-, Evaluierungs- und Trainingskandidaten zu klassifizieren und den kleinstmöglichen vertrauenswürdigen Reproduktionsplan an den Hauptorchestrator zurückzugeben. Nicht verwenden für Umgebungseinrichtung, Asset-Download, Befehlsausführung, finale Berichterstellung, Paper-Recherche oder End-to-End-Orchestrierung.

npx skills add https://github.com/lllllllama/rigorpilot-skills --skill repo-intake-and-plan

repo-intake-and-plan

Use this as the Rigor Intake helper. The installed slug remains repo-intake-and-plan for compatibility.

When to apply

  • At the beginning of README-first reproduction work.
  • When the main skill needs a fast map of repo structure and documented commands.
  • When inference, evaluation, and training candidates must be classified conservatively.
  • When the user explicitly wants to inspect the repo first and not run anything yet.

When not to apply

  • When execution has already started and the task is now about running commands or writing outputs.
  • When the target is not a repository-backed reproduction task.
  • When the user only wants paper interpretation without repo inspection.
  • When the user already has a selected documented command and only needs setup or execution.

Clear boundaries

  • This skill scans and plans.
  • This skill is helper-tier and should usually be orchestrator-invoked.
  • It does not install environments.
  • It does not prepare large assets.
  • It does not execute substantive reproduction commands.
  • It does not decide high-risk patching.

Input expectations

  • Target repository path.
  • Access to README and common project files if present.
  • Optional user hints about desired priority, such as inference-first.

Output expectations

  • concise repo structure summary
  • documented command inventory
  • inferred candidate categories: inference, evaluation, training, other
  • minimum trustworthy reproduction recommendation
  • notable ambiguity or risk list

Notes

Use references/repo-scan-rules.md and helper scripts under scripts/.

Mehr Skills von lllllllama

ai-research-explore
lllllllama
Rigor Explore compatible skill slug for meaningful and potentially novel deep learning research candidates. Use when the researcher has chosen the task family, dataset, benchmark, evaluation method, provided SOTA references, and wants candidate-only exploration on top of `current_research` with auditable repo understanding, idea gating, fair comparison, and governed experiments written to `explore_outputs/`. Do not use for README-first trusted reproduction, open-ended direction finding,...
researchdata-analysisapi
analyze-project
lllllllama
Rigor Analyze / Rigor Audit schreibgeschützte Fähigkeit für Deep-Learning-Forschungsrepositorien. Verwenden, wenn der Benutzer ein Repository lesen und verstehen, Modellstruktur und Trainings- oder Inferenz-Einstiegspunkte inspizieren, Konfigurationen und Einfügepunkte überprüfen oder verdächtige Implementierungsmuster kennzeichnen möchte, ohne Code zu ändern oder schwere Jobs auszuführen. Nicht für aktive Befehlsausführung, umfassendes Refactoring, spekulative Code-Anpassung oder automatische Fehlerbehebung verwenden.
developmentcode-reviewresearch
ai-research-reproduction
lllllllama
RigorPilot Reproduce-Mode-Orchestrator für die README-first-Reproduktion von Deep-Learning-Repositorien. Verwenden, wenn der Benutzer einen durchgängigen, minimal vertrauenswürdigen Ablauf wünscht, der zuerst das Repository liest, das kleinste dokumentierte Inferenz- oder Evaluierungsziel auswählt, Aufnahme, Einrichtung, vertrauenswürdige Ausführung, optionales vertrauenswürdiges Training, optionale Repository-Analyse und optionale Paper-Gap-Auflösung koordiniert, konservative Patch-Regeln durchsetzt, Evidenzannahmen, Abweichungen und menschliche Entscheidungspunkte aufzeichnet,...
researchdevelopmentdocument
explore-code
lllllllama
Rigor Improve implementation leaf skill for auditable candidate implementation in deep learning research repositories. Use when the researcher explicitly authorizes exploratory work on an isolated branch or worktree to transplant modules, adapt a backbone, add LoRA or adapter layers, replace a head, or stitch together meaningful low-risk migration ideas with rollback-aware records in `explore_outputs/`. Do not use for end-to-end exploration orchestration on top of `current_research`, trusted...
developmentresearchcode-review
minimal-run-and-audit
lllllllama
Rigor Run 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.
developmenttestingcode-review
env-and-assets-bootstrap
lllllllama
Rigor Setup-Fähigkeit zur Reproduktion eines README-zuerst Deep-Learning-Repositorys. Verwenden, wenn die Aufgabe spezifisch darin besteht, eine konservative conda-erste Umgebung, Checkpoint- und Dataset-Pfadannahmen, Cache-Speicherort-Hinweise und Setup-Notizen vor einem Durchlauf in einem README-dokumentierten Repository vorzubereiten. Nicht verwenden für Repository-Scans, vollständige Orchestrierung, Papierinterpretation, abschließende Durchlaufberichte oder generische Umgebungseinrichtung, die nicht an ein spezifisches Reproduktionsziel gebunden ist.
developmentdevops
explore-run
lllllllama
Rigor Improve / Rigor Explore run leaf skill for bounded exploratory evidence in deep learning research repositories. Use when the researcher explicitly authorizes exploratory runs such as small-subset validation, short-cycle guess-and-check, batch sweeps, idle-GPU search, or quick transfer-learning trials, with fair-comparison caveats and no-overclaim summaries in `explore_outputs/`. Do not use for end-to-end exploration orchestration on top of `current_research`, trusted baseline...
researchdevelopmentdata-analysis
safe-debug
lllllllama
Rigor Debug / Rigor Audit-Fähigkeit für Deep-Learning-Forschung. Verwenden, wenn der Benutzer einen Traceback, Terminalfehler, CUDA OOM, Checkpoint-Ladefehler, Shape-Mismatch, NaN-Verlustsymptom oder Trainingsfehler einfügt und eine konservative Diagnose vor jeglichem Patchen wünscht, wobei Debug-Fixes klar von Forschungsbeiträgen getrennt sind. Nicht verwenden für breites Refactoring, spekulative Anpassung, automatisches exploratives Patchen oder allgemeine Repository-Einarbeitung.
developmenttestingcode-review