К основному содержанию
affpapa.org
RU EN
скилл Claude Code CX Codex Cursor GitHub Copilot

explore-code — скилл для Claude Code: пробные правки

Скилл для осторожных экспериментов с кодом в репозиториях глубокого обучения: переносит модули и адаптирует архитектуры на отдельной ветке, оставляя записи для отката.

Установить в Claude Code · Через Skills CLI (Vercel) Все способы и платформы ↓ 
npx skills add lllllllama/RigorPilot-Skills --skill explore-code -a claude-code
Открыть на GitHub

Что делает explore-code

Скилл ведёт пробные изменения кода в репозитории исследования. Он берёт исходный модуль и переносит его с минимальной адаптацией вместо переписывания с нуля: подменить backbone, вставить LoRA или adapter-слой, заменить голову модели. Работа идёт на изолированной ветке или в отдельном worktree, поэтому доверенная база остаётся нетронутой.

Результат складывается в explore_outputs/: CHANGESET.md, SCIENTIFIC_CHANGELOG.md, COMPARABILITY_REPORT.md, TOP_RUNS.md и status.json. В записях фиксируется, чем изменение осмысленно, как его откатить и почему это пока кандидат, а не подтверждённый вклад. Для планирования правок и записи результатов есть scripts/plan_code_changes.py и scripts/write_outputs.py, а политика эксперимента описана в references/explore-policy.md.

Главное условие — исследователь должен явно разрешить пробные правки. Без этого скилл не применяется. Он не годится для воспроизведения доверенного baseline, обычной отладки, настройки окружения и широкого рефакторинга. Если задача охватывает и координацию current_research, и пробные запуски, нужен ai-research-explore; выполнение можно передать в minimal-run-and-audit или run-train.

Какие задачи решает

  • перенести модуль из чужого репозитория с минимальной адаптацией
  • подменить backbone и проверить, как это скажется на обучении
  • вставить LoRA или adapter-слой в готовую модель
  • заменить голову модели на новую под свою задачу
  • записать пробное изменение так, чтобы его можно было откатить

Примеры запросов агенту

  • Перенеси этот модуль в наш репозиторий на отдельной ветке и запиши изменения в explore_outputs/
  • Добавь LoRA-слой к текущей модели, но не трогай доверенный baseline
  • Замени голову модели и оформи отчёт о сопоставимости в explore_outputs/

Как установить explore-code

1Через Skills CLI (Vercel)

npx skills add lllllllama/RigorPilot-Skills --skill explore-code -a claude-code

2Вручную: положить файлы

~/.claude/skills/explore-code/SKILL.md

Папка скилла целиком; для одного проекта — .claude/skills/explore-code/

Из того же набора9

Весь набор →
repo-intake-and-plan lllllllama Сканирует репозиторий по README, собирает команды и предлагает минимальный план воспроизведения. Нужен до запуска экспериментов. Claude Code CX Codex Cursor +1 474 500установок minimal-run-and-audit lllllllama Фиксирует результаты тестовых прогонов и инференса при воспроизведении ML-репозиториев. Создаёт стандартизированные отчёты и патчи в папке repro_outputs/. Claude Code CX Codex Cursor +1 474 400установок env-and-assets-bootstrap lllllllama Готовит окружение и пути к чекпоинтам с датасетами до первого запуска чужого репозитория по README. Claude Code CX Codex Cursor +1 474 300установок ai-research-explore lllllllama Управляет исследовательскими экспериментами в deep learning на базе зафиксированного бейзлайна. Помогает проверять гипотезы без потери воспроизводимости. Claude Code CX Codex Cursor +1 335 600установок analyze-project lllllllama Читает репозиторий с обучением моделей и выдаёт карту структуры, точек входа и подозрительных мест. Ничего не меняет и не запускает тяжёлые задачи. Claude Code CX Codex Cursor +1 335 500установок ai-research-reproduction lllllllama Скилл ведёт от чтения README до проверяемого запуска модели и собирает отчёт с командами, логами и отклонениями. Пригодится для воспроизведения эксперимента в конкретном репозитории. Claude Code CX Codex Cursor +1 335 300установок explore-run lllllllama Скилл планирует пробные запуски моделей машинного обучения и формирует отчёты без необоснованных заявлений. Claude Code CX Codex Cursor +1 334 700установок run-train lllllllama Скилл запускает выбранную команду обучения и собирает сведения о ходе эксперимента. Пригодится для проверки старта, короткого прогона, полного запуска или возобновления обучения. Claude Code CX Codex Cursor +1 334 700установок

Похожие

eval-harness affaan-m Скилл для eval-driven development: задаёт критерии pass/fail до написания кода и считает надёжность агента через pass@k и pass^k. Claude Code CX Codex Cursor +1 4 700установок skill-creator официальный anthropics Помогает создать новый скилл, доработать существующий и проверить результат через тестовые промпты и оценки. Claude Code Claude.ai 414 180установок writing-for-agents Matt Pocock Помогает писать скиллы и документы с инструкциями для агентов. Пригодится при правках AGENTS.md, CLAUDE.md и связанных справочных файлов. Claude Code 466 719установок media-use heygen-com Находит и генерирует ассеты для видео в HyperFrames — музыку, дикторский голос, аватары и эффекты. Сохраняет всё локально в assets. Claude Code CX Codex Cursor +1 1 100 000установок mcp-builder официальный anthropics Скилл проводит через создание MCP-сервера на TypeScript или Python: от изучения протокола до тестов и оценки качества. Claude Code Claude.ai 130 949установок subagent-driven-development Jesse Vincent Скилл выполняет план через отдельных субагентов для каждой задачи и проверяет результат после каждого шага. Подходит для независимых задач в одной сессии. Claude Code CX Codex 237 746установок orchestration stablyai Координирует воркеров Orca через DAG задач, циклы супервизора и цепочки сообщений. Пригодится для распределения сложной работы между агентами. Claude Code CX Codex Cursor +1 349 200установок

Вопросы о explore-code

Как установить explore-code в Claude?

Выполните npx skills add lllllllama/RigorPilot-Skills --skill explore-code -a claude-code. Скилл появится в ~/.claude/skills/explore-code/SKILL.md.

Что делает explore-code?

Проводит пробные изменения кода в репозитории глубокого обучения на изолированной ветке или в worktree и записывает их в explore_outputs/ с планом отката.

Когда explore-code не стоит применять?

Когда нет явного разрешения на пробные правки, а также для воспроизведения доверенного baseline, обычной отладки, настройки окружения и широкого рефакторинга.

Исходный текст

SKILL.md · MIT 
---
name: explore-code
description: 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 baseline reproduction, conservative debugging, environment setup, verified contribution claims, or default repository analysis.
---

# explore-code

Use this as the Rigor Improve implementation leaf skill. The installed slug
remains `explore-code` for compatibility.

Use the shared operating principles in
`../ai-research-reproduction/references/agent-operating-principles.md`; this skill should guide
bounded candidate code work without over-prescribing implementation details.

## When to apply

- When the researcher explicitly authorizes exploratory code changes on an isolated branch or worktree.
- When the task is source-anchored module transplant, backbone adaptation, LoRA or adapter insertion, or low-risk module combination.
- When summary-level recording is sufficient and the result is a candidate, not a trusted conclusion.

## When not to apply

- When the request is for trusted baseline work, conservative debugging, or normal training execution.
- When the user did not explicitly authorize exploratory modifications.
- When the task is a broad refactor or a from-scratch idea implementation.

## Clear boundaries

- This skill owns exploratory code modifications only.
- It must keep work isolated from the trusted baseline.
- Use `ai-research-explore` instead when the task spans both current_research coordination and exploratory runs.
- It may hand off execution to `minimal-run-and-audit` or `run-train`.
- It should favor source-anchored copying and minimal adaptation over freeform rewrites.
- It should record why a candidate change is meaningful, how to roll it back,
  and why it remains a candidate rather than a verified contribution.

## Output expectations

- `explore_outputs/CHANGESET.md`
- `explore_outputs/SCIENTIFIC_CHANGELOG.md`
- `explore_outputs/COMPARABILITY_REPORT.md`
- `explore_outputs/TOP_RUNS.md`
- `explore_outputs/status.json`

## Notes

Use `references/explore-policy.md`, `../ai-research-reproduction/references/research-rigor-principles.md`, `scripts/plan_code_changes.py`, and `scripts/write_outputs.py`.

© lllllllama · MIT · lllllllama/RigorPilot-Skills

Смотрите также

Спонсоры проекта

Компании, которые помогают держать аналитику открытой
Золотой спонсор AI-аналитика спроса на iGaming — индекс, тренды, конкуренты
Nutra.Club Закрытое сообщество Nutra-вертикали от команды M1

Показы, клики и копирования кода — открытая статистика. Мы держим цифры публичными по той же логике, что и сам NeBlask. Стать спонсором