minimal-run-and-audit

от 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.

npx skills add https://github.com/lllllllama/rigorpilot-skills --skill minimal-run-and-audit

Скачать ZIP GitHub

minimal-run-and-audit

Use this as the Rigor Run skill. The installed slug remains minimal-run-and-audit for compatibility.

Use the shared operating principles in ../../references/agent-operating-principles.md; this skill should make run evidence auditable without turning every command into a rigid protocol.

When to apply

After a reproduction target and setup plan exist.
When the main skill needs execution evidence and normalized outputs.
When a smoke test, documented inference run, documented evaluation run, or other short non-training verification is appropriate.
When the user already knows what command should be attempted and wants execution plus reporting only.

When not to apply

During initial repo scanning.
When environment or assets are still undefined enough to make execution meaningless.
When the task is a literature lookup rather than repository execution.
When the user is still deciding which reproduction target should count as the main run.

Clear boundaries

This skill owns normalized reporting for an attempted command.
It may receive execution evidence from the main skill or a thin helper.
It does not choose the overall target on its own.
It does not perform broad paper analysis.
It does not own training startup, resume, or long-running training state.
It should not normalize risky code edits into acceptable practice.
It must not hide changes that alter evaluation, preprocessing, checkpoints, metrics, or other scientific meaning.

Input expectations

selected reproduction goal
runnable commands or smoke commands
environment and asset assumptions
optional patch metadata

Output expectations

execution result summary
standardized repro_outputs/ files
SCIENTIFIC_CHANGELOG.md for changed scientific meaning and evidence status
COMPARABILITY_REPORT.md for README/paper/baseline comparability
clear distinction between verified, partial, and blocked states
PATCHES.md when repo files changed

Notes

Use references/reporting-policy.md, ../../references/research-rigor-principles.md, scripts/run_command.py, and scripts/write_outputs.py.

Больше skills от lllllllama

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

Навык Rigor Analyze / Rigor Audit только для чтения, предназначенный для исследовательских репозиториев глубокого обучения. Используйте, когда пользователь хочет прочитать и понять репозиторий, изучить структуру модели и точки входа для обучения или инференса, просмотреть конфигурации и точки вставки, или выявить подозрительные шаблоны реализации без изменения кода или запуска тяжелых задач. Не используйте для активного выполнения команд, масштабного рефакторинга, спекулятивной адаптации кода или автоматического исправления ошибок.

developmentcode-reviewresearch

ai-research-reproduction

Оркестратор режима воспроизведения RigorPilot для воспроизведения репозиториев глубокого обучения с подходом "сначала README". Используется, когда пользователю нужен сквозной, минимально надёжный процесс, который сначала читает репозиторий, выбирает наименьшую задокументированную цель для инференса или оценки, координирует приёмку, настройку, доверенное выполнение, опциональное доверенное обучение, опциональный анализ репозитория и опциональное устранение расхождений с публикацией, применяет консервативные правила патчей, фиксирует свидетельства, предположения, отклонения и точки принятия решений человеком,...

researchdevelopmentdocument

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

env-and-assets-bootstrap

Навык Rigor Setup для воспроизведения репозитория глубокого обучения с README-first. Используйте, когда задача заключается в подготовке консервативного окружения на основе conda, предположений о путях к контрольным точкам и наборам данных, подсказок о расположении кэша и заметок по настройке перед запуском в репозитории с документацией README. Не используйте для сканирования репозитория, полной оркестрации, интерпретации статей, составления финальных отчетов или общей настройки окружения, не привязанной к конкретной цели воспроизведения.

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

Навык Rigor Debug / Rigor Audit для исследовательской работы в области глубокого обучения. Используйте, когда пользователь вставляет traceback, ошибку терминала, CUDA OOM, сбой загрузки контрольной точки, несоответствие форм, симптом NaN loss или сбой обучения и хочет консервативной диагностики до любого исправления, с четким разделением отладочных исправлений и исследовательских вкладов. Не используйте для широкого рефакторинга, спекулятивной адаптации, автоматического исследовательского исправления или общего ознакомления с репозиторием.

developmenttestingcode-review

paper-context-resolver

Вспомогательный инструмент для контекста статей Rigor Paper, предназначенный для воспроизведения репозиториев глубокого обучения с приоритетом README. Используйте только в тех случаях, когда файлы README и репозитория оставляют узкий критический для воспроизведения пробел, и задача состоит в разрешении конкретной детали статьи, такой как разделение набора данных, предобработка, протокол оценки, сопоставление контрольных точек или предположения о времени выполнения, на основе первоисточников статьи с фиксацией конфликтов. Не используйте для общего обзора статьи, сканирования репозитория, настройки окружения, выполнения команд, поиска статей только по названию или...

researchdocumentdata-analysis