К основному содержанию
скилл CX Codex

results-analysis — скилл для Claude Code: строгий анализ экспериментов

Собирает доказательный разбор ML-экспериментов: статистика, графики, отчёт. Пригодится, когда нужно проверить значимость, а не написать текст статьи.

Установить в Claude Code · Через Skills CLI (Vercel) Все способы и платформы ↓
npx skills add Galaxy-Dawn/claude-scholar --skill results-analysis -a claude-code
Открыть на GitHub

Что делает results-analysis

Скилл берёт таблицы метрик, логи обучения и чекпоинты и превращает их в пакет артефактов: analysis-report.md, stats-appendix.md, figure-catalog.md и папку figures/. Сначала он проверяет, что вообще можно сравнивать: направление метрики, единицу анализа, число прогонов и сидов, пропуски. Если сравнение статистически несостоятельно, он скажет об этом до расчётов.

Дальше идут описательные статистики с mean ± std, доверительный интервал, тесты значимости с оговорёнными допущениями и размеры эффекта. По умолчанию скилл советует начать с проверки параметрических допущений и перейти на непараметрический вариант, если они не выполняются. Для нескольких контрастов он учитывает множественные сравнения. Графики строятся по реальным данным, а не описываются словами.

Есть режим read-only audit: при запросе на проверку, аудит или dry-run скилл не создаёт файлы и фигуры, а выдаёт только валидные и невалидные статистики, блокеры и кандидаты в утверждения. Черновик раздела Results и упаковка графиков для публикации — не его работа, для этого он передаёт дело другим скиллам. Типичная ловушка: сводная таблица subject × task — это повторные измерения, а не независимая выборка, и скилл предупредит об этом до любых заявлений о победителе.

Какие задачи решает

  • проверить значимость различий между моделями на нескольких сидах
  • посчитать доверительные интервалы и размеры эффекта для основных контрастов
  • построить графики сравнения и динамики обучения по реальным логам
  • разобрать ablation-эксперименты и не смешать их с основным сравнением
  • отделить подтверждённые утверждения от слишком сильных формулировок

Примеры запросов агенту

  • проанализируй результаты экспериментов из runs/ и собери строгий пакет анализа
  • проверь значимость различий между baseline и нашей моделью по метрике accuracy
  • сделай ablation-анализ и построй графики по логам обучения

Как установить results-analysis

1Через Skills CLI (Vercel)

npx skills add Galaxy-Dawn/claude-scholar --skill results-analysis -a claude-code

2Вручную: положить файлы

~/.claude/skills/results-analysis/SKILL.md

Папка скилла целиком; для одного проекта — .claude/skills/results-analysis/

По шагам, с командами для каждой платформы: Как установить скилл в Claude Code: пять способов

Вопросы о results-analysis

Как установить results-analysis в Claude?

Выполните npx skills add Galaxy-Dawn/claude-scholar --skill results-analysis -a claude-code. Скилл окажется в ~/.claude/skills/results-analysis/SKILL.md.

Что делает results-analysis?

Проводит строгий статистический анализ ML-экспериментов и собирает пакет артефактов: отчёт, статистическое приложение, каталог фигур и сами фигуры.

Чем он отличается от написания раздела Results?

Скилл не пишет текст статьи и не упаковывает графики для публикации. Для этого он передаёт работу скиллам ml-paper-writing, results-report и publication-chart-skill.

Исходный текст

SKILL.md · MIT
---
name: results-analysis
description: This skill should be used when the user asks to "analyze experimental results", "run strict statistical analysis", "compare model performance", "generate scientific figures", "check significance", "do ablation analysis", or mentions interpreting experiment data with rigorous statistics and visualization. It focuses on strict analysis bundles, not Results-section prose.
tags: [Research, Analysis, Statistics, Visualization, Scientific Reporting]
version: 0.2.0
---

# Results Analysis

Run **strict, evidence-first experimental analysis** for ML/AI research.

Use this skill to produce a **strict analysis bundle**:
- `analysis-report.md`
- `stats-appendix.md`
- `figure-catalog.md`
- `figures/`

When the user asks for review, audit, no-write, dry-run, or when inputs are incomplete, use **read-only audit mode** instead of producing files or figures. In that mode, output only valid/invalid statistics, blockers, claim candidates, and what evidence is missing. If invoked by `/analyze-results`, the command layer may write a blocker summary, but this skill should not create figures, reports, or polished conclusions from incomplete evidence.

Do **not** use this skill to draft a paper `Results` section or a full experiment wrap-up report. Those belong to `ml-paper-writing` or `results-report`.

## Core contract

### This skill is responsible for
- validating experiment artifacts and comparison units,
- running rigorous descriptive and inferential statistics,
- generating **real scientific figures** when data/logs are available,
- writing figure purposes, caption requirements, and interpretation checklists,
- surfacing limits, blockers, and missing evidence explicitly.

### This skill is not responsible for
- paper-ready `Results` prose,
- manuscript narrative polishing,
- paper-ready figure/table packaging with `pubfig` / `pubtab`,
- project-level experiment retrospectives.

If the user wants the complete post-experiment summary report, hand off to `results-report` after this bundle is ready. If the user wants publication-grade figures/tables, export parameters, publication QA, or figure/table redesign, hand off to `publication-chart-skill`.

## Non-negotiable quality bar

1. **Prefer real figures over figure specs.**
   If the data can be read, generate real figures. Do not stop at “recommended visualization”.
   Exception: in read-only audit mode, do not generate figures; describe what figure would be valid after evidence is complete.
2. **Never fabricate statistics.**
   If sample size, seeds, or raw metrics are missing, state the blocker clearly.
3. **Report complete statistics.**
   Do not report only best scores or only p-values.
4. **Interpret every main figure.**
   Every major figure must have purpose, caption requirements, and post-figure interpretation notes.
5. **Separate evidence from prose.**
   This skill produces analysis artifacts; it does not write manuscript sections.

## Standard workflow

### 1. Inventory and validate artifacts

Start by identifying:
- metric tables (`csv`, `json`, `tsv`, logs),
- training curves and checkpoints,
- seeds / repeated runs,
- baselines, ablations, and comparison families,
- evaluation protocol metadata.

Validate:
- metric direction (higher/lower is better),
- unit of analysis (run, subject, fold, dataset, seed),
- number of runs / seeds,
- missing values or silent failures,
- comparability across methods.

If the comparison is not statistically valid, say so before continuing. Do not treat repeated `subject × task` rows, folds, windows, trials, or seeds as independent units unless the design justifies it.
Common blocker: a `subject × task` summary table is usually a repeated-measure summary, not an independent subject-level sample. If subjects have multiple task rows or missing task cells, state that before any significance or winner claim.

### 2. Lock the comparison questions

Before running statistics, define the exact comparison questions:
- Which method is compared to which baseline?
- What is the primary metric?
- What is the repeated-measure unit?
- Which ablation or robustness questions matter?
- Which findings are decision-changing?

Do not mix unrelated comparisons into one undifferentiated table.

### 3. Run strict statistics

Always produce:
- descriptive statistics: `mean ± std` when appropriate,
- `95% CI` or another clearly justified interval,
- run/seed counts,
- significance tests with assumptions stated,
- effect sizes,
- multiple-comparison handling when several contrasts are reported.

Default expectation:
- check parametric assumptions first,
- use non-parametric fallback when assumptions fail,
- state exactly what was tested and on what samples.

See:
- `references/statistical-methods.md`
- `references/statistical-reporting.md`

### 4. Generate real scientific figures

Produce actual figures whenever artifacts are available.

Minimum expectation for a non-trivial analysis bundle:
- **one main comparison figure**,
- **one supporting figure** (training dynamics / ablation / breakdown / error analysis),
- **one exact numeric summary table** in markdown.

Every main figure must define:
- figure purpose,
- plotted variables,
- error bar meaning,
- caption requirements,
- interpretation checklist.

See:
- `references/visualization-best-practices.md`
- `references/figure-interpretation.md`

### 5. Write analysis artifacts

#### `analysis-report.md`
Summarize:
- the analysis question,
- key findings,
- strongest supported comparisons,
- main caveats,
- what changed in the experimental understanding,
- claim candidates that may later be used in reports or manuscript writing.

Each claim candidate should use this shape:

```md
## Claim Candidates

- Claim:
  - Source evidence:
  - Allowed wording:
  - Forbidden stronger wording:
  - Uncertainty:
  - Next check:
  - Decision: keep | weaken | revise | discard
```

#### `stats-appendix.md`
Record:
- descriptive statistics,
- test choices,
- assumptions checked,
- effect sizes,
- confidence intervals,
- multiple comparison corrections,
- explicit blockers and limitations.

#### `figure-catalog.md`
For each figure, record:
- filename,
- purpose,
- data source,
- caption draft requirements,
- key observation,
- interpretation checklist,
- known caveats.

### 6. Final QA gate

Do not finish until all are true:
- [ ] the primary comparison question is explicit,
- [ ] sample size / seed count is stated,
- [ ] inferential tests are justified,
- [ ] effect sizes are reported for major contrasts,
- [ ] real figures exist when data exists,
- [ ] each figure has an interpretation note,
- [ ] limitations and blockers are explicit,
- [ ] each supported or strong claim candidate has evidence, uncertainty, and allowed wording,
- [ ] over-strong manuscript wording is explicitly blocked when evidence is insufficient,
- [ ] no manuscript-style `Results` draft is included.

## Output structure

```text
analysis-output/
├── analysis-report.md
├── stats-appendix.md
├── figure-catalog.md
└── figures/
    ├── figure-01-main-comparison.pdf
    ├── figure-02-ablation.pdf
    └── ...
```

## Figure interpretation rule

For every major figure, answer all three questions:
1. **Why does this figure exist?**
2. **What exactly should the reader notice?**
3. **What does that observation change in our belief or next decision?**

If a figure cannot answer question 3, it is probably decorative rather than scientific.

## Read-only audit mode

Use this mode when:
- the user asks to audit or review existing artifacts,
- the environment is read-only,
- the user forbids file writes or figure generation,
- core evidence is missing.

Return:
- analysis questions,
- valid statistics,
- invalid or unsafe statistics,
- claim candidates with allowed and forbidden wording,
- blockers before report/figure generation.

Do not create `analysis-output/`, figures, or reports in this mode.
Quarantine any statistics file whose interpretation contradicts its own p-value, test method, unit of analysis, or comparison family. Do not reuse that file for claim wording until provenance is checked.

## Failure mode policy

When inputs are incomplete, say so explicitly.

Examples:
- no seed-level data -> descriptive summary only; inferential claims blocked,
- no comparable baseline outputs -> no significance claim,
- no readable logs -> cannot generate dynamics figure,
- too few runs -> effect size may be unstable; report this limitation.
- unclear unit of analysis -> no winner claim or significance claim,
- analysis file with contradictory interpretation -> quarantine it until provenance is checked.

Never replace missing evidence with confident prose.

## Reference files

Load only what is needed:
- `references/statistical-methods.md` - test selection and assumptions
- `references/statistical-reporting.md` - minimum reporting standard
- `references/visualization-best-practices.md` - publication-quality figure rules
- `references/figure-interpretation.md` - how to explain figures with evidence
- `references/analysis-depth.md` - move from observation to mechanism and decision
- `references/common-pitfalls.md` - common analysis and reporting failures
- `../research-ideation/references/research-contract.md` - shared claim candidate and claim strength contract

## Example files

- `examples/example-analysis-report.md`
- `examples/example-stats-appendix.md`
- `examples/example-figure-catalog.md`

© Galaxy-Dawn · MIT · Galaxy-Dawn/claude-scholar

Похожие скиллы

Всё по теме «ИИ и ML» →
analyze-results wanshuiyin Скилл читает JSON и CSV с результатами экспериментов, строит таблицы сравнения и считает статистику. Пригодится, когда прогонов много и надо понять, что из них следует. CX Codex +1 547установок data-analysis claude-office-skills Скилл разбирает Excel и CSV: считает статистику, ищет закономерности, предлагает графики и формулы. Пригодится, когда нужно быстро понять, что в таблице. CX Codex +1 7 900установок measure-survey-analysis product-on-purpose Разбирает результаты опросов в выводы для продакт-менеджера: сегменты, темы в открытых ответах, проверка гипотез и честные пометки о том, чего данные не показывают. CX Codex +1 634установок statistical-analysis K-Dense-AI Проводит статистические тесты с проверкой предпосылок, расчётом размера эффекта и отчётом в формате APA. Покрывает t-тесты, ANOVA, корреляцию, регрессию, непараметрику и байесовские методы. CX Codex +1 2 300установок tooluniverse-image-analysis mims-harvard Скилл для количественного анализа микроскопии и таблиц из ImageJ или CellProfiler. Считает морфометрию колоний, интенсивность флуоресценции и тест Даннетта. CX Codex +1 653установок seaborn K-Dense-AI Скилл для Claude Code и других агентов: тот строит статистические графики на seaborn из pandas DataFrame, с готовыми рецептами под распределения, регрессии и тепловые карты. CX Codex +1 2 100установок

Из того же набора29

writing-anti-ai Скилл находит в прозе штампы ИИ и переписывает их по-человечески. Пригодится перед публикацией статьи или отчёта. CX Codex +1 737установок paper-self-review Проверяет структуру научной статьи, доказательность выводов, ссылки, таблицы и ясность текста перед отправкой. CX Codex +1 684установок research-ideation Скилл структурирует старт научного исследования: помогает сформулировать гипотезу по 5W1H, разобрать статьи, найти пробелы в публикациях и настроить выгрузку в Zotero. CX Codex +1 566установок review-response Разбирает комментарии рецензентов по классам и собирает структурированный ответ с опорой на артефакты статьи. Пригодится при подготовке rebuttal к конференции. CX Codex +1 555установок ui-ux-pro-max Превращает расплывчатое «сделай красиво» в конкретную дизайн-систему: палитра, типографика, правила компонентов и подсказки под ваш стек. CX Codex +1 506установок results-report Собирает итоговый отчёт по завершённому эксперименту: что проверили, что подтвердилось, что делать дальше. Работает после скилла results-analysis. CX Codex +1 490установок zotero-obsidian-bridge Связывает заметки по статьям из Zotero с базой знаний проекта. Задаёт правила для источников, синтеза литературы и проверяемых утверждений. CX Codex +1 473установок skill-quality-reviewer Проверяет структуру, описания и стиль написания локальных скиллов по четырём шкалам. Пригодится авторам агентов перед публикацией или для ревизии каталога наработок. CX Codex +1 457установок

Спонсоры проекта

Компании, которые помогают держать аналитику открытой