explore-code

작성자: 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...

npx skills add https://github.com/lllllllama/rigorpilot-skills --skill explore-code

ZIP 다운로드 GitHub

explore-code

Use this as the Rigor Improve implementation leaf skill. The installed slug remains explore-code for compatibility.

Use the shared operating principles in ../../references/agent-operating-principles.md; this skill should guide bounded candidate code work without over-prescribing implementation details.

When to apply

When the researcher explicitly authorizes exploratory code changes on an isolated branch or worktree.
When the task is source-anchored module transplant, backbone adaptation, LoRA or adapter insertion, or low-risk module combination.
When summary-level recording is sufficient and the result is a candidate, not a trusted conclusion.

When not to apply

When the request is for trusted baseline work, conservative debugging, or normal training execution.
When the user did not explicitly authorize exploratory modifications.
When the task is a broad refactor or a from-scratch idea implementation.

Clear boundaries

This skill owns exploratory code modifications only.
It must keep work isolated from the trusted baseline.
Use ai-research-explore instead when the task spans both current_research coordination and exploratory runs.
It may hand off execution to minimal-run-and-audit or run-train.
It should favor source-anchored copying and minimal adaptation over freeform rewrites.
It should record why a candidate change is meaningful, how to roll it back, and why it remains a candidate rather than a verified contribution.

Output expectations

explore_outputs/CHANGESET.md
explore_outputs/SCIENTIFIC_CHANGELOG.md
explore_outputs/COMPARABILITY_REPORT.md
explore_outputs/TOP_RUNS.md
explore_outputs/status.json

Notes

Use references/explore-policy.md, ../../references/research-rigor-principles.md, scripts/plan_code_changes.py, and scripts/write_outputs.py.

lllllllama의 다른 스킬

ai-research-explore

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

딥러닝 연구 저장소를 위한 Rigor Analyze / Rigor Audit 읽기 전용 스킬입니다. 사용자가 저장소를 읽고 이해하거나, 모델 구조 및 학습/추론 진입점을 검사하거나, 설정 및 삽입 지점을 검토하거나, 코드 수정이나 무거운 작업 실행 없이 의심스러운 구현 패턴을 식별하려 할 때 사용하세요. 활성 명령 실행, 광범위한 리팩토링, 추측성 코드 적용, 자동 버그 수정에는 사용하지 마십시오.

developmentcode-reviewresearch

ai-research-reproduction

RigorPilot 재현 모드 오케스트레이터로, README 우선 딥러닝 저장소 재현을 위한 도구입니다. 사용자가 엔드투엔드 최소 신뢰성 흐름을 원할 때 사용하며, 저장소를 먼저 읽고 가장 작은 문서화된 추론 또는 평가 대상을 선택한 후, 인테이크, 설정, 신뢰 실행, 선택적 신뢰 훈련, 선택적 저장소 분석, 선택적 논문 격차 해소를 조정하고, 보수적 패치 규칙을 적용하며, 증거 가정 편차 및 인간 결정 지점을 기록합니다.

researchdevelopmentdocument

minimal-run-and-audit

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

README 우선 딥러닝 리포지토리 재현을 위한 Rigor Setup 스킬입니다. README에 문서화된 리포지토리에서 실행 전에 보수적인 conda 우선 환경, 체크포인트 및 데이터셋 경로 가정, 캐시 위치 힌트, 설정 노트를 준비하는 작업에 사용하세요. 리포지토리 스캔, 전체 오케스트레이션, 논문 해석, 최종 실행 보고, 또는 특정 재현 대상과 연결되지 않은 일반 환경 설정에는 사용하지 마십시오.

developmentdevops

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

딥러닝 연구 작업을 위한 엄격한 디버그/엄격한 감사 스킬입니다. 사용자가 트레이스백, 터미널 오류, CUDA OOM, 체크포인트 로드 실패, 형태 불일치, NaN 손실 증상 또는 훈련 실패를 붙여넣고 패치 전에 보수적인 진단을 원하며 디버그 수정이 연구 기여와 명확히 분리되어야 할 때 사용하세요. 광범위한 리팩토링, 추측성 적응, 자동 탐색적 패치 또는 일반적인 저장소 숙지에는 사용하지 마십시오.

developmenttestingcode-review

paper-context-resolver

README 우선 딥러닝 저장소 재현을 위한 엄격한 논문 컨텍스트 도우미입니다. README와 저장소 파일이 재현에 중요한 좁은 간격을 남기고, 데이터셋 분할, 전처리, 평가 프로토콜, 체크포인트 매핑, 또는 런타임 가정과 같은 특정 논문 세부 사항을 기본 논문 출처에서 해결하면서 충돌을 기록하는 작업일 때만 사용하세요. 일반적인 논문 요약, 저장소 스캔, 환경 설정, 명령 실행, 제목만으로 논문 검색 등에는 사용하지 마십시오.

researchdocumentdata-analysis