repo-intake-and-plan
リポジトリのREADMEや主要なプロジェクトファイルをスキャンし、記載されているコマンドを抽出・分類して（推論・評価・学習の候補に区分）、メインオーケストレーターへ最小限かつ信頼性の高い再現計画を返すことに特化したヘルパースキルです。環境構築・アセットのダウンロード・コマンド実行・最終レポート作成・論文検索・エンドツーエンドのオーケストレーションには使用しないでください。
description の原文を見る
Narrow helper skill for README-first AI 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.
SKILL.md 本文
repo-intake-and-plan
適用する場合
- README ファーストの再現作業の開始時。
- メインスキルがリポジトリ構造と文書化されたコマンドの高速マップを必要とする場合。
- 推論、評価、トレーニング候補を保守的に分類する必要がある場合。
- ユーザーがリポジトリを最初に検査し、まだ何も実行したくない場合。
適用しない場合
- 実行が既に開始されており、タスクがコマンド実行または出力書き込みに関するものになった場合。
- ターゲットがリポジトリベースの再現タスクではない場合。
- ユーザーがリポジトリ検査なしで論文解釈のみを希望する場合。
- ユーザーが既に選択した文書化されたコマンドを持ち、セットアップまたは実行のみが必要な場合。
明確な境界
- このスキルはスキャンと計画を行う。
- このスキルはヘルパー層であり、通常はオーケストレータによって呼び出される。
- 環境をインストールしない。
- 大規模資産を準備しない。
- 実質的な再現コマンドを実行しない。
- 高リスク パッチングを決定しない。
入力期待値
- ターゲット リポジトリ パス。
- README および存在する場合は一般的なプロジェクト ファイルへのアクセス。
- 推論優先など、目的の優先度に関するオプションのユーザー ヒント。
出力期待値
- 簡潔なリポジトリ構造サマリー
- 文書化されたコマンド インベントリ
- 推論される候補カテゴリ: 推論、評価、トレーニング、その他
- 最小限の信頼できる再現推奨事項
- 注目すべき曖昧性またはリスク リスト
注記
references/repo-scan-rules.md および scripts/ 下のヘルパー スクリプトを使用してください。
ライセンス: MIT(寛容ライセンスのため全文を引用しています) · 原本リポジトリ
詳細情報
- 作者
- lllllllama
- ライセンス
- MIT
- 最終更新
- 不明
Source: https://github.com/lllllllama/ai-paper-reproduction-skill / ライセンス: MIT
関連スキル
agent-browser
AI エージェント向けのブラウザ自動化 CLI です。ウェブサイトとの対話が必要な場合に使用します。ページ遷移、フォーム入力、ボタンクリック、スクリーンショット取得、データ抽出、ウェブアプリのテスト、ブラウザ操作の自動化など、あらゆるブラウザタスクに対応できます。「ウェブサイトを開く」「フォームに記入する」「ボタンをクリックする」「スクリーンショットを取得する」「ページからデータを抽出する」「このウェブアプリをテストする」「サイトにログインする」「ブラウザ操作を自動化する」といった要求や、プログラマティックなウェブ操作が必要なタスクで起動します。
anyskill
AnySkill — あなたのプライベート・スキルクラウド。GitHubを基盤としたリポジトリからエージェントスキルを管理、同期、動的にロードできます。自然言語でクラウドスキルを検索し、オンデマンドでプロンプトを自動ロード、カスタムスキルのアップロードと共有、スキルバンドルの一括インストールが可能です。OpenClaw、Antigravity、Claude Code、Cursorに対応しています。
engram
AIエージェント向けの永続的なメモリシステムです。バグ修正、意思決定、発見、設定変更の後はmem_saveを使用してください。ユーザーが「覚えている」「記憶している」と言及した場合、または以前のセッションと重複する作業を開始する際はmem_searchを使用します。セッション終了前にmem_session_summaryを使用して、コンテキストを保持してください。
skyvern
AI駆動のブラウザ自動化により、任意のウェブサイトを自動化できます。フォーム入力、データ抽出、ファイルダウンロード、ログイン、複数ステップのワークフロー実行など、ユーザーがウェブサイトと連携する必要があるときに使用します。Skyvernは、LLMとコンピュータビジョンを活用して、未知のサイトも自動操作可能です。Python SDK、TypeScript SDK、REST API、MCPサーバー、またはCLIを通じて統合できます。
pinchbench
PinchBenchベンチマークを実行して、OpenClawエージェントの実世界タスクにおけるパフォーマンスを評価できます。モデルの機能テスト、モデル間の比較、ベンチマーク結果のリーダーボード提出、またはOpenClawのセットアップがカレンダー、メール、リサーチ、コーディング、複数ステップのワークフローにどの程度対応しているかを確認する際に使用します。
openui
OpenUIとOpenUI Langを使用してジェネレーティブUIアプリを構築できます。これらはLLM生成インターフェースのためのトークン効率的なオープン標準です。OpenUI、@openuidev、ジェネレーティブUI、LLMからのストリーミングUI、AI向けコンポーネントライブラリ、またはjson-render/A2UIの置き換えについて述べる際に使用します。スキャフォルディング、defineComponent、システムプロンプト、Renderer、およびOpenUI Lang出力のデバッグに対応しています。