Pack de 11 skills
Conjunto de Agent Skills que reproduce, analiza, ejecuta y depura repositorios de deep learning siguiendo el README, con evidencia auditable y un carril separado para exploración de candidatos autorizada.
indexados aquí
cubiertas
en GitHub
al repositorio
Funciona con cualquier agente que lea SKILL.md
npx -y skills add lllllllama/RigorPilot-Skills --agent claude-codeInstala todos los skills del repositorio, solo en este proyecto.
Instala los 11 skills del repositorio de una vez. Cada ficha individual trae su propio comando si solo quieres uno — cada skill instalado ocupa contexto en el agente.
RigorPilot Skills organiza el ciclo de vida de un repositorio de deep learning en torno a un README leído tal cual: Ai Research Reproduction ejecuta el objetivo mínimo confiable y registra evidencia en repro_outputs/, mientras Env And Assets Bootstrap prepara entorno, datasets y checkpoints antes de correr nada. Minimal Run And Audit captura smoke tests o evaluaciones documentadas, Run Train ejecuta entrenamiento de forma conservadora en train_outputs/, y Safe Debug diagnostica tracebacks o fallos de entrenamiento separando el fix del hallazgo de investigación. Analyze Project inspecciona estructura y entrypoints sin modificar código, y Repo Intake And Plan escanea el repo para clasificar comandos de inferencia, evaluación y entrenamiento. Paper Context Resolver resuelve detalles puntuales del paper cuando el README deja vacíos. Para exploración de candidatos, con autorización explícita del investigador, Ai Research Explore coordina el ciclo sobre `current_research`, y Explore Code / Explore Run implementan cambios en rama aislada o corren sweeps y validaciones acotadas en explore_outputs/.
Este pack sirve a quien reproduce papers o repos de deep learning y necesita distinguir entre reproducción confiable y exploración de mejoras, dejando rastro auditable (logs, comandos, estado) de cada corrida en lugar de solo un resultado final.
No cubre entrenamiento a gran escala sin supervisión ni afirma convergencia o reproducción exacta de un score de paper: el estado 'partial' documenta arranque acotado y captura de métricas, no equivalencia de resultados.
Los 11 más populares del pack, sobre Herramientas para desarrolladores, Desarrollo de APIs y Investigación.
Skill compatible con Rigor Reproduce para reproducción README-first de repos de deep learning: elige el objetivo mínimo confiable, coordina fases confiables y registra evidencia y desviaciones en `repro_outputs/`.
Skill Rigor Run para reproducir repos de deep learning centrados en el README: captura evidencia de un smoke test, inferencia o evaluación documentada en repro_outputs/, con notas de parches si cambian archivos.
El bloc de notas con IA que transcribe y organiza tus reuniones.
Helper de Rigor Paper Context para reproducir repos de deep learning siguiendo el README, resolviendo un detalle puntual del paper cuando el README deja un vacío crítico y registrando conflictos.
Skill de Rigor Train para repositorios de investigación de deep learning: ejecuta de forma conservadora comandos de entrenamiento y registra evidencia estandarizada en train_outputs/.
Slug de skill compatible con Rigor Explore para candidatos de investigación en deep learning potencialmente novedosos: exploración solo de candidatos sobre `current_research`, con comprensión auditable del repo y comparación justa.
Skill Rigor Debug / Rigor Audit para investigación de deep learning: diagnóstico conservador ante tracebacks o fallos de entrenamiento, separando fixes de depuración de contribuciones de investigación.
Skill de implementación para trabajo exploratorio auditable de código en investigación de deep learning: transplante de módulos, adaptación de backbone o capas LoRA/adapter en rama aislada, con registros para rollback en explore_outputs/.
Skill de solo lectura Rigor Analyze / Rigor Audit para repositorios de deep learning: entiende estructura, entrypoints y configs, y detecta patrones sospechosos sin modificar código ni ejecutar jobs pesados.
Skill Rigor Setup para reproducir repos de deep learning basados en README: prepara un entorno conda conservador, rutas de checkpoints/datasets, hints de caché y notas de setup antes de cualquier ejecución.
Skill hoja de Rigor Improve/Rigor Explore para evidencia exploratoria acotada: validaciones en subconjunto, sweeps, búsqueda en GPU ociosa o transfer-learning rápido, con resúmenes sin sobreclamar en `explore_outputs/`.
Ayudante de Rigor Intake para reproducción de repos de deep learning basada en README: escanea el repo, extrae comandos documentados y clasifica candidatos de inferencia, evaluación y entrenamiento.
