# Safe Debug

> 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.

Fuente: https://skillsagentes.com/skills/lllllllama/rigorpilot-skills/safe-debug
Markdown: https://skillsagentes.com/skills/lllllllama/rigorpilot-skills/safe-debug.md

Repositorio: https://github.com/lllllllama/RigorPilot-Skills
Autor: lllllllama
Licencia: MIT
Actualizado: hace 2 meses
Coste de contexto: 114 tok instalada, 505 tok al activarse, 2.4k tok con todos los archivos del bundle
Bundle: 4 archivos, 9 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 safe-debug --agent claude-code
# Cursor
npx -y skills add lllllllama/RigorPilot-Skills --skill safe-debug --agent cursor
# Codex
npx -y skills add lllllllama/RigorPilot-Skills --skill safe-debug --agent codex
# Gemini CLI
npx -y skills add lllllllama/RigorPilot-Skills --skill safe-debug --agent gemini
# Windsurf
npx -y skills add lllllllama/RigorPilot-Skills --skill safe-debug --agent windsurf
# Cline
npx -y skills add lllllllama/RigorPilot-Skills --skill safe-debug --agent cline
```

## Qué hace

- Guía una diagnosis conservadora ante errores de entrenamiento o inferencia antes de aplicar ningún parche
- Exige aprobación humana explícita antes de modificar código del repositorio
- Separa claramente los fixes de depuración de las contribuciones de investigación
- Genera debug_outputs/DIAGNOSIS.md, debug_outputs/PATCH_PLAN.md y debug_outputs/status.json
- Escala la creación de savepoints o branches antes de cambios de riesgo medio o alto

## Cuándo usarla

- El usuario pega un traceback, error de terminal, CUDA OOM, fallo de carga de checkpoint, shape mismatch o NaN loss
- El usuario quiere diagnóstico y acotamiento de causa raíz antes de tocar código
- El usuario quiere un flujo de depuración seguro con aprobación humana previa a cualquier mutación

## Cuándo no

- El usuario quiere un recorrido amplio del repositorio sin un fallo activo
- La tarea es experimentación especulativa o adaptación de código sin fallo concreto
- El usuario pide un refactor grande o una reescritura por legibilidad

## Qué la activa

- "Me sale este traceback de CUDA OOM, ayúdame a diagnosticarlo antes de tocar nada"
- "El loss se vuelve NaN durante el entrenamiento, necesito encontrar la causa raíz"
- "Falla la carga del checkpoint con un shape mismatch, quiero un diagnóstico conservador"

## Antes de instalar

- Usa los principios compartidos en ../../references/agent-operating-principles.md, references/debug-policy.md y los otros archivos de referencia del proyecto.

## Archivos

- SKILL.md — 2 KB
- agents/openai.yaml — 366 B
- references/debug-policy.md — 511 B
- scripts/safe_debug.py — 7 KB

## SKILL.md

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

# safe-debug

Use this as the Rigor Debug / Rigor Audit skill. The installed slug remains
`safe-debug` for compatibility.

Use the shared operating principles in
`../ai-research-reproduction/references/agent-operating-principles.md`; this skill should guide
conservative diagnosis without blocking the model from finding the local root
cause.

## When to apply

- The user provides a traceback, terminal error, or concrete training or inference failure symptom.
- The user wants diagnosis, root-cause narrowing, and minimal patch suggestions before code is changed.
- The user wants a safe debug flow with explicit human approval before mutation.

## When not to apply

- When the user wants a broad repository walkthrough without an active failure.
- When the task is speculative experimentation or code adaptation.
- When the user is asking for a large refactor or readability rewrite.

## Clear boundaries

- Diagnose first.
- Do not modify repository code by default.
- If a patch is needed, propose the smallest fix and require explicit approval first.
- Escalate savepoint or branch creation before medium-risk or high-risk changes.
- A debug fix is not automatically a research contribution; if it changes
  experiment meaning or comparability, say so explicitly.

## Output expectations

- `debug_outputs/DIAGNOSIS.md`
- `debug_outputs/PATCH_PLAN.md`
- `debug_outputs/status.json`

## Notes

Use `references/debug-policy.md`, `../ai-research-reproduction/references/research-rigor-principles.md`, and the shared `../ai-research-reproduction/references/research-pitfall-checklist.md`.

## Dónde encaja

- Categoría: [Testing y QA](https://skillsagentes.com/categorias/testing-qa.md) — Flujos de testing unitario, de integración y end-to-end.
- 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.
- [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.
- [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/.
- [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.

---

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