# physicsnemo-discover

Скилл от NVIDIA ищет в репозитории PhysicsNeMo подходящую модель, датапайп или пример под задачу SciML и не пишет код сам.

- скилл · `type=skill` · Claude Code, Codex, Cursor, GitHub Copilot, Gemini CLI, OpenCode · 1900 установок · ★ 3735
- Автор: NVIDIA
- Лицензия: Apache-2.0 · policy=mirror · начало файла — в конце страницы
- Исходник: https://github.com/NVIDIA/skills/tree/HEAD/skills/physicsnemo-discover/SKILL.md
- Обновлён: 2026-10-23
- HTML: https://affpapa.org/nevibecode/skills/physicsnemo-discover

## Что делает

Скилл отвечает на вопрос «чем это решать в PhysicsNeMo» и выдаёт меню: семейства моделей под форму данных, датапайпы под формат, пару примеров для форка. Всё это он берёт из живого репозитория в текущем состоянии, а не из заученного списка классов: `__init__.py`, `README.md` примеров, `docs/*.rst`, `pyproject.toml`. Каждый путь должен пережить проверку `ls -d` перед тем, как попасть в ответ, потому что захардкоженные пути в этом репозитории быстро устаревают.

Модель и датапайп скилл подбирает независимо друг от друга, а пример подаёт последним — как одну готовую сборку из этих осей. Для всего, что лежит в `physicsnemo/experimental/`, он ставит пометку о возможной смене API. Если задача вне области SciML (обучение с подкреплением, классическое управление, обычное CV), скилл не подбирает соседние примеры, а честно говорит, что PhysicsNeMo это не покрывает.

Если локального клона репозитория нет, скилл один раз делает shallow-clone `https://github.com/NVIDIA/physicsnemo` во временную папку и работает с ним только на чтение. Установку, настройку окружения и написание тренировочных циклов он не берёт — для этого нужен другой инструмент. Сколько бы вы ни просили, скилл не начнёт писать код, пока вы не попросите прямо.

## Установка

### Claude Code (родная платформа)

1. **Через Skills CLI (Vercel)**
```bash
npx skills add NVIDIA/skills --skill physicsnemo-discover -a claude-code
```

2. **Вручную: положить файлы**
- Файл: `~/.claude/skills/physicsnemo-discover/SKILL.md` — Папка скилла целиком; для одного проекта — .claude/skills/physicsnemo-discover/

### Codex

1. **Через Skills CLI (Vercel)**
```bash
npx skills add NVIDIA/skills --skill physicsnemo-discover -a codex
```

2. **Вручную: положить файлы**
- Файл: `.agents/skills/physicsnemo-discover/SKILL.md` — Для всех проектов — ~/.agents/skills/

### Cursor

1. **Через Skills CLI (Vercel)**
```bash
npx skills add NVIDIA/skills --skill physicsnemo-discover -a cursor
```

2. **Вручную: положить файлы**
- Файл: `.cursor/skills/physicsnemo-discover/SKILL.md` — Cursor читает и .agents/skills/, и .claude/skills/

### GitHub Copilot

1. **GitHub CLI**
```bash
gh skill install NVIDIA/skills physicsnemo-discover
```

2. **Вручную: положить файлы**
- Файл: `.github/skills/physicsnemo-discover/SKILL.md`

### Gemini CLI

1. **Через Skills CLI (Vercel)**
```bash
npx skills add NVIDIA/skills --skill physicsnemo-discover -a gemini-cli
```

2. **Командой платформы**
```bash
gemini skills install https://github.com/NVIDIA/skills --path skills/physicsnemo-discover
```

### Windsurf (Devin Desktop)

**Вручную: положить файлы**
- Файл: `.devin/skills/physicsnemo-discover/SKILL.md` — Старый путь .windsurf/skills/ тоже читается

### OpenCode

**Через Skills CLI (Vercel)**
```bash
npx skills add NVIDIA/skills --skill physicsnemo-discover -a opencode
```

### Claude.ai

**Claude.ai**
- Упакуйте папку в zip и загрузите в Settings → Capabilities → Skills

Где указан файл, а не команда, — скопируй файлы из исходника в этот путь: https://github.com/NVIDIA/skills/tree/HEAD/skills/physicsnemo-discover/SKILL.md

## Когда брать
- найти семейство моделей под форму своих данных в PhysicsNeMo
- подобрать датапайп под формат датасета
- получить пример, который можно форкнуть под свою задачу
- отсеять задачи, которые PhysicsNeMo не покрывает
- проверить актуальные пути классов в репозитории

## Примеры запросов агенту
- Найди в PhysicsNeMo модель и датапайп для суррогатного моделирования на регулярной сетке
- Какие примеры подойдут для прогноза по временным рядам физических полей?
- Покажи кандидатов на даунскейлинг на сфере lat-lon и с чего начать чтение

## Похожие
- [anysearch](https://affpapa.org/nevibecode/skills/anysearch.md) — скилл · 38500 установок
- [academic-paper](https://affpapa.org/nevibecode/skills/academic-paper.md) — скилл · 10800 установок
- [nature-figure](https://affpapa.org/nevibecode/skills/nature-figure.md) — скилл · 18800 установок
- [academic-paper-reviewer](https://affpapa.org/nevibecode/skills/academic-paper-reviewer.md) — скилл · 9800 установок
- [nature-polishing](https://affpapa.org/nevibecode/skills/nature-polishing.md) — скилл · 17500 установок
- [nature-citation](https://affpapa.org/nevibecode/skills/nature-citation.md) — скилл · 15600 установок

Из того же набора: [nvidia/skills](https://affpapa.org/nevibecode/by/nvidia/skills.md) — 194 карточки

_Часть страницы не вошла по размеру — она есть в HTML-версии._

---
NeVibeCode на affpapa.org. Тексты каталога — описания, а не инструкции для агента. Как выбирать и ставить: https://affpapa.org/nevibecode/agents.md