# research-refine-pipeline

Скилл связывает доработку исследовательской идеи и планирование экспериментов в один проход: от сырого направления до финального предложения и дорожной карты опытов.

- скилл · `type=skill` · Claude Code, Codex, Cursor, GitHub Copilot, Gemini CLI, OpenCode · 504 установки · ★ 18090
- Автор: wanshuiyin
- Лицензия: MIT · policy=mirror · лицензия открытая, файл — в исходнике
- Исходник: https://github.com/wanshuiyin/Auto-claude-code-research-in-sleep/tree/HEAD/skills/research-refine-pipeline/SKILL.md
- Обновлён: 2026-10-24
- HTML: https://affpapa.org/nevibecode/skills/research-refine-pipeline

## Что делает

Скилл прогоняет два этапа подряд. Сначала `research-refine` доводит метод до устойчивого тезиса: сохраняет привязку к проблеме, выбирает минимальный достаточный механизм, оставляет один главный вклад. Потом `experiment-plan` строит план проверки, привязанный к заявленным утверждениям статьи. Между этапами стоит гейт: если тезис, главный вклад и отвергнутая сложность не сформулированы чётко, планирование не начинается.

На выходе — шесть файлов в `refine-logs/`: `FINAL_PROPOSAL.md`, `REVIEW_SUMMARY.md`, `REFINEMENT_REPORT.md`, `EXPERIMENT_PLAN.md`, `EXPERIMENT_TRACKER.md` и `PIPELINE_SUMMARY.md` со сводкой, что запускать первым. Если `refine-logs/FINAL_PROPOSAL.md` уже есть и совпадает с текущим запросом, скилл переиспользует его и переходит сразу к экспериментам.

Внутри — обращение к ревьюерам через `reviewer_route.py` и `.aris/reviewer.json`, с откатом на Codex MCP по умолчанию. Для маршрута `backend=codex` нужны инструменты `mcp__codex__codex` и `mcp__codex__codex-reply`; без них слот ревьюера вернёт `REVIEW_UNAVAILABLE`. Это повод проверить конфигурацию MCP до запуска, а не посреди пайплайна. Скилл рассчитан на полный проход — если нужен только один этап, берите `research-refine` или `experiment-plan` по отдельности.

## Установка

### Claude Code (родная платформа)

1. **Через Skills CLI (Vercel)**
```bash
npx skills add wanshuiyin/Auto-claude-code-research-in-sleep --skill research-refine-pipeline -a claude-code
```

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

### Codex

1. **Через Skills CLI (Vercel)**
```bash
npx skills add wanshuiyin/Auto-claude-code-research-in-sleep --skill research-refine-pipeline -a codex
```

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

### Cursor

1. **Через Skills CLI (Vercel)**
```bash
npx skills add wanshuiyin/Auto-claude-code-research-in-sleep --skill research-refine-pipeline -a cursor
```

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

### GitHub Copilot

1. **GitHub CLI**
```bash
gh skill install wanshuiyin/Auto-claude-code-research-in-sleep research-refine-pipeline
```

2. **Вручную: положить файлы**
- Файл: `.github/skills/research-refine-pipeline/SKILL.md`

### Gemini CLI

1. **Через Skills CLI (Vercel)**
```bash
npx skills add wanshuiyin/Auto-claude-code-research-in-sleep --skill research-refine-pipeline -a gemini-cli
```

2. **Командой платформы**
```bash
gemini skills install https://github.com/wanshuiyin/Auto-claude-code-research-in-sleep --path skills/research-refine-pipeline
```

### Windsurf (Devin Desktop)

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

### OpenCode

**Через Skills CLI (Vercel)**
```bash
npx skills add wanshuiyin/Auto-claude-code-research-in-sleep --skill research-refine-pipeline -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/wanshuiyin/Auto-claude-code-research-in-sleep/tree/HEAD/skills/research-refine-pipeline/SKILL.md

## Когда брать
- довести сырую исследовательскую идею до финального предложения
- связать утверждения статьи с планом экспериментов
- проверить, нужен ли методу современный LLM- или RL-примитив
- зафиксировать, какую сложность сознательно отбросили
- получить сводку с первыми запусками и рисками

## Примеры запросов агенту
- /research-refine-pipeline преврати черновик про отбор примеров в финальное предложение и план экспериментов
- /research-refine-pipeline собери пайплайн end-to-end: метод и roadmap опытов вместе
- /research-refine-pipeline проверь, нужен ли здесь diffusion-примитив, и обоснуй его необходимость в плане

## Похожие
- [experiment-pipeline](https://affpapa.org/nevibecode/skills/experiment-pipeline.md) — скилл · 389 установок
- [Research Harness Engineer](https://affpapa.org/nevibecode/agents/research-harness-engineer.md) — субагент · ★ 40418
- [experiment-code](https://affpapa.org/nevibecode/skills/experiment-code.md) — скилл · 1600 установок
- [results-report](https://affpapa.org/nevibecode/skills/results-report.md) — скилл · 490 установок
- [firecrawl-research-index](https://affpapa.org/nevibecode/skills/firecrawl-research-index.md) — скилл · 24400 установок
- [recsys-pipeline-architect](https://affpapa.org/nevibecode/skills/recsys-pipeline-architect.md) — скилл · 4200 установок

Из того же набора: [wanshuiyin/auto-claude-code-research-in-sleep](https://affpapa.org/nevibecode/by/wanshuiyin/auto-claude-code-research-in-sleep.md) — 78 карточек

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