repo-intake-and-plan

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.

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/.

Plus de skills de 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
Compétence en lecture seule Rigor Analyze / Rigor Audit pour les dépôts de recherche en deep learning. À utiliser lorsque l'utilisateur souhaite lire et comprendre un dépôt, inspecter la structure du modèle et les points d'entrée d'entraînement ou d'inférence, examiner les configurations et les points d'insertion, ou signaler des schémas d'implémentation suspects sans modifier le code ni exécuter de tâches lourdes. Ne pas utiliser pour l'exécution active de commandes, le refactoring large, l'adaptation spéculative de code ou la correction automatique de bugs.
developmentcode-reviewresearch
ai-research-reproduction
lllllllama
Orchestrateur en mode reproduction de RigorPilot pour la reproduction de dépôts d'apprentissage profond avec approche README-first. À utiliser lorsque l'utilisateur souhaite un flux de bout en bout minimal et fiable qui lit d'abord le dépôt, sélectionne la plus petite cible d'inférence ou d'évaluation documentée, coordonne la prise en charge, la configuration, l'exécution de confiance, l'entraînement de confiance optionnel, l'analyse de dépôt optionnelle et la résolution optionnelle des lacunes documentaires, applique des règles de correctif conservatrices, enregistre les preuves, les hypothèses, les écarts et les points de décision humaine,...
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
Compétence de configuration Rigor pour la reproduction d’un dépôt d’apprentissage profond prioritaire sur README. À utiliser lorsque la tâche consiste spécifiquement à préparer un environnement conda-first conservateur, des hypothèses de chemins de points de contrôle et de jeux de données, des indications d’emplacement de cache et des notes de configuration avant toute exécution sur un dépôt documenté par README. Ne pas utiliser pour l’analyse de dépôt, l’orchestration complète, l’interprétation d’articles, le rapport d’exécution final ou la configuration générique d’environnement non liée à une cible de reproduction spécifique.
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
Compétence de débogage rigoureux / audit rigoureux pour les travaux de recherche en deep learning. À utiliser lorsque l'utilisateur colle un traceback, une erreur de terminal, une OOM CUDA, un échec de chargement de checkpoint, une incompatibilité de forme, un symptôme de perte NaN ou un échec d'entraînement et souhaite un diagnostic conservateur avant toute correction, avec des correctifs de débogage clairement séparés des contributions de recherche. Ne pas utiliser pour un refactoring large, une adaptation spéculative, un patching exploratoire automatique ou une familiarisation générale avec le dépôt.
developmenttestingcode-review