# Env And Assets Bootstrap

> 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.

Fuente: https://skillsagentes.com/skills/lllllllama/rigorpilot-skills/env-and-assets-bootstrap
Markdown: https://skillsagentes.com/skills/lllllllama/rigorpilot-skills/env-and-assets-bootstrap.md

Repositorio: https://github.com/lllllllama/RigorPilot-Skills
Autor: lllllllama
Licencia: MIT
Actualizado: hace 2 meses
Coste de contexto: 114 tok instalada, 586 tok al activarse, 4.8k tok con todos los archivos del bundle
Bundle: 8 archivos, 19 KB
Permisos que pide: ninguno declarado

## Instalación

Un skill son archivos markdown: los mismos archivos valen para cualquier agente y lo único que cambia es el directorio de destino, es decir la bandera `--agent`. Añade `-g` para instalarlo en todos los proyectos de la máquina.

```bash
# Claude Code
npx -y skills add lllllllama/RigorPilot-Skills --skill env-and-assets-bootstrap --agent claude-code
# Cursor
npx -y skills add lllllllama/RigorPilot-Skills --skill env-and-assets-bootstrap --agent cursor
# Codex
npx -y skills add lllllllama/RigorPilot-Skills --skill env-and-assets-bootstrap --agent codex
# Gemini CLI
npx -y skills add lllllllama/RigorPilot-Skills --skill env-and-assets-bootstrap --agent gemini
# Windsurf
npx -y skills add lllllllama/RigorPilot-Skills --skill env-and-assets-bootstrap --agent windsurf
# Cline
npx -y skills add lllllllama/RigorPilot-Skills --skill env-and-assets-bootstrap --agent cline
```

## Qué hace

- Prepara notas conservadoras de configuración de entorno conda antes de ejecutar un repo README-first
- Genera comandos conda candidatos y un plan de rutas para assets
- Identifica hints de origen para checkpoints y datasets
- Señala riesgos de dependencias o assets sin resolver

## Cuándo usarla

- Tras la intake del repo cuando ya hay un objetivo de reproducción creíble
- Cuando se necesita crear el entorno o preparar rutas de assets antes de correr comandos
- Cuando el repo depende de checkpoints, datasets o directorios de caché
- Cuando el usuario quiere ayuda de setup antes de intentar cualquier ejecución

## Cuándo no

- El repo ya trae un entorno listo para usar que no necesita traducción
- La tarea es solo escanear y planificar, o solo reportar resultados ya ejecutados
- La petición es una pregunta genérica de conda fuera de la reproducción de un repo

## Qué la activa

- "Prepara el entorno conda para este repo antes de correrlo"
- "Necesito el plan de rutas de datasets y checkpoints para este proyecto"
- "Configura las notas de setup conservadoras siguiendo el README antes de ejecutar nada"

## Antes de instalar

- Requiere el path del repo objetivo, el objetivo de reproducción seleccionado y los pasos de setup relevantes del README.
- Variables de entorno: BASH_SOURCE, PYTHON, PYTHON_BIN, SCRIPT_DIR
- reads environment config

## Archivos

- SKILL.md — 2 KB
- agents/openai.yaml — 314 B
- references/assets-policy.md — 826 B
- references/env-policy.md — 1 KB
- scripts/bootstrap_env.py — 5 KB
- scripts/bootstrap_env.sh — 270 B
- scripts/plan_setup.py — 5 KB
- scripts/prepare_assets.py — 4 KB

## SKILL.md

Reproducido tal cual desde lllllllama/RigorPilot-Skills bajo MIT. Esta sección es el documento original y está en inglés.

# env-and-assets-bootstrap

Use this as the Rigor Setup skill. The installed slug remains
`env-and-assets-bootstrap` for compatibility.

Use the shared operating principles in
`../ai-research-reproduction/references/agent-operating-principles.md`; this skill should keep setup
planning conservative while leaving environment-specific judgment to the model.

## When to apply

- After repo intake identifies a credible reproduction target.
- When environment creation or asset path preparation is needed before running commands.
- When the repo depends on checkpoints, datasets, or cache directories.
- When the user explicitly wants setup help before any run attempt.

## When not to apply

- When the repository already ships a ready-to-run environment that does not need translation.
- When the task is only to scan and plan.
- When the task is only to report results from commands that already ran.
- When the request is a generic conda or package-management question outside repo reproduction.

## Clear boundaries

- This skill prepares environment and asset assumptions.
- It does not own target selection.
- It does not own final reporting.
- It does not perform paper lookup except by forwarding gaps to the optional paper resolver.

## Input expectations

- target repo path
- selected reproduction goal
- relevant README setup steps
- any known OS or package constraints

## Output expectations

- conservative environment setup notes
- candidate conda commands
- asset path plan
- checkpoint and dataset source hints
- unresolved dependency or asset risks

## Notes

Use `references/env-policy.md`, `references/assets-policy.md`, `scripts/bootstrap_env.py`, `scripts/plan_setup.py`, and `scripts/prepare_assets.py`.
Use `scripts/bootstrap_env.sh` only as a POSIX wrapper around the Python bootstrapper when a shell entrypoint is more convenient.

## Dónde encaja

- Categoría: [DevOps e infraestructura](https://skillsagentes.com/categorias/devops-infraestructura.md) — Despliegues, contenedores, IaC y flujos de gestión de incidentes.
- Creador: [lllllllama](https://skillsagentes.com/creators/lllllllama.md) — 11 skills en el directorio
- [Todas las skills](https://skillsagentes.com/skills.md)
- [Ranking de instalaciones](https://skillsagentes.com/ranking.md)

## Otras skills del mismo repositorio

- [Ai Research Reproduction](https://skillsagentes.com/skills/lllllllama/rigorpilot-skills/ai-research-reproduction.md): 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/`.
- [Ai Research Explore](https://skillsagentes.com/skills/lllllllama/rigorpilot-skills/ai-research-explore.md): 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.
- [Minimal Run And Audit](https://skillsagentes.com/skills/lllllllama/rigorpilot-skills/minimal-run-and-audit.md): 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.
- [Run Train](https://skillsagentes.com/skills/lllllllama/rigorpilot-skills/run-train.md): 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/.
- [Repo Intake And Plan](https://skillsagentes.com/skills/lllllllama/rigorpilot-skills/repo-intake-and-plan.md): 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.

---

Skills Agentes · [Índice de páginas en markdown](https://skillsagentes.com/sitemap.md) · [Inicio](https://skillsagentes.com/index.md)