skill

استكشاف أبحاث الذكاء الاصطناعي

Rigor Explore: اسم تعريف (slug) لمهارة متوافقة مع مرشحي أبحاث التعلم العميق الهادفة والتي يحتمل أن تكون جديدة. تستخدم عندما يختار الباحث عائلة المهام، ومجموعة البيانات، والمعيار، وطريقة التقييم، ويقدم مراجع SOTA، ويرغب في استكشاف المرشحين فقط بالإضافة إلى `current_research` مع فهم مستودع قابل للتدقيق، وتحديد الأفكار، والمقارنة العادلة، والتجارب المحكومة المكتوبة في `explore_outputs/`. لا تستخدم للاستنساخ الموثوق به الذي يبدأ بملف README، أو إيجاد الاتجاهات المفتوحة، أو التضييق...

lllllllama311,340+ تثبيتموثوق

نبذة

# ai-research-explore

## الغرض

استخدم هذا كمعرف مهارة (slug) متوافق مع Rigor Explore بعد أن يأذن الباحث صراحة بالعمل المرشح فقط بناء على مرساة `current_research` دائمة. يبقى معرف المهارة المثبت هو `ai-research-explore` للتوافق. Rigor Explore مخصص لمرشحي أبحاث التعلم العميق الهادفة والتي قد تكون جديدة، مع الحفاظ على الدقة العلمية، وقابلية المقارنة، وقابلية الاستنساخ، والتعاون القابل للتدقيق. تظل الحداثة والأهمية فرضيات قبل مقارنة الأدبيات، وأدلة الإزالة، والمقارنة العادلة. لا تعد المهارة بالاكتشاف الذاتي، أو اكتمال المعايير العالمية، أو إثبات الحداثة، أو نجاح الاستنساخ الموثوق به.

ابدأ من مبادئ التشغيل المشتركة في `../ai-research-reproduction/references/agent-operating-principles.md`، ثم قم بتحميل `../ai-research-reproduction/references/research-rigor-principles.md` لمطالبات البحث و `../ai-research-reproduction/references/deep-learning-experiment-principles.md` عندما تؤثر تفاصيل التجربة على قابلية المقارنة أو الاستنساخ.

## الملاءمة

استخدم هذه المهارة فقط عندما يتضمن الطلب كلا من:

- إذن استكشاف صريح مثل العمل المرشح فقط، أو فرع معزول أو شجرة عمل (worktree)، أو مسح (sweep)، أو عدة متغيرات، أو ترتيب استكشافي. - سياق `current_research` دائم مثل فرع، أو التزام (commit)، أو نقطة تحقق (checkpoint)، أو سجل تشغيل، أو حالة نموذج محلي تم تدريبه بالفعل.

احتفظ بالطلبات الضيقة التي تتضمن التعليمات البرمجية فقط على `explore-code`. احتفظ بالطلبات الضيقة التي تتضمن التشغيل فقط على `explore-run`. احتفظ بتحليل المستودع السلبي على `analyze-project`. احتفظ بالاستنساخ الذي يبدأ بملف README على `ai-research-reproduction`.

## إيقاع البحث

استخدم إيقاعا من حلقتين:

- الحلقة الخارجية: فهم المستودع، وتجميد المهمة/مجموعة البيانات/التقييم/الميزانية، والحفاظ على أفكار المستخدم، وتعيين المصادر، وتقييم الأفكار، وتحديد ما إذا كانت التجربة التالية تستحق التشغيل. - الحلقة الداخلية: إجراء تغيير مرشح واحد محدود أو تشغيل واحد، والتحقق منه مبدئيا (smoke-check)، وجمع الأدلة، وترتيبه مقابل المرساة الحالية، ثم التوقف أو العودة إلى الحلقة الخارجية بالأدلة الجديدة.

هذا الإيقاع هو دليل، وليس حلقة ذاتية صارمة. توقف عند المعوقات الصريحة، أو المعنى العلمي غير الواضح، أو استنفاد الميزانية، أو فقدان المرساة/التقييم، أو نقطة تحقق بشرية.

## سير العمل

1. تأكيد `current_research` وإذن المسار الاستكشافي الصريح. 2. قبول إما `variant_spec` القديم أو `research_campaign` عالي المستوى. 3. في وضع الحملة، قم بتجميد المهمة، ومجموعة البيانات، والمعيار، ومصدر التقييم، والمرجع الأفضل في فئته (SOTA)، والميزانية قبل العمل المرشح. 4. قم ببناء عناصر فهم المستودع اللازمة فقط للحملة الحالية، عادة من خلال `analyze-project`. 5. قم بتشغيل بحث محدود عن المصادر يعتمد على التخزين المؤقت أولا عندما يكون دعم المصدر مهما؛ فضل الأدبيات المحلية المنسقة مثل Zotero إذا كانت متاحة، ثم المصادر الأولية، ومحددات المواقع المحلية للمستودع، ومحددات المواقع العامة، أو البحث الاختياري على الويب. تعامل مع البحث على أنه حل للمصادر، وليس بحثا مفتوحا في الأدبيات. 6. احتفظ بالأفكار التي قدمها الباحث، وأضف اختياريا مجموعة صغيرة ومحدودة من الأفكار الأولية ذات المتغير الواحد، ورتب الأفكار ببوابات صريحة وتفاصيل نقاط. 7. فضل مرشحا واحدا واضحا في كل مرة. استخدم `explore-code` لتكييف التعليمات البرمجية المحدود و `explore-run` للتجارب قصيرة الدورة أو المسوحات. 8. استخدم `minimal-run-and-audit` أو `run-train` فقط عندما تتطلب الخطة الاستكشافية دليل تنفيذ حقيقي. 9. اكتب المخرجات المرشحة فقط إلى `analysis_outputs/` و `sources/` و `explore_outputs/` حسب الاقتضاء؛ لا تقدم أبدا المكاسب الاستكشافية على أنها نجاح استنساخ موثوق به. قم بتضمين `SCIENTIFIC_CHANGELOG.md` و `COMPARABILITY_REPORT.md` للمعنى العلمي للمرشح وحدود المقارنة.

## الترتيب والأدلة

- قبل التنفيذ، رتب المرشحين حسب المكاسب المتوقعة، والتكلفة، واحتمال النجاح، ومساحة التعديل (patch surface)، وسحب التبعيات، ومخاطر التقييم، وسهولة التراجع. - بعد التنفيذ، رتب حسب الأدلة الحقيقية أولا: حالة الأمر، والمقاييس المرصودة، والعناصر، والمسارات المتغيرة، ونتائج الفحص المبدئي، وملاحظات قابلية الاستنساخ. - حافظ على تجميد `evaluation_source` و `sota_reference` التي قدمها الباحث للحملة؛ لا تدعي أنها مكتملة عالميا. - إذا كانت الأفكار العليا متقاربة جدا أو لا يمكن تقسيم التنفيذ إلى وحدات قابلة للتدقيق، فتوقف عند نقطة تحقق بدلا من الاختيار بصمت.

## مدخلات الحملة

يفضل `research_campaign` لحملات Rigor Explore، ولكن يجب أن يظل بسيطا. يتكون الجوهر الدائم من:

- `current_research` - `task_family` - `dataset` - `benchmark` - `evaluation_source` - `sota_reference` - `compute_budget`

استخدم `candidate_ideas`، `variant_spec`، `research_lookup`، `idea_policy`، `idea_generation`، `source_constraints`، `feasibility_policy`، `baseline_gate`، و `execution_policy` كإرشادات اختيارية، وليس كحقول يجب على الوكيل ملؤها لكل حملة. راجع `references/research-campaign-spec.md` للمخطط المتقدم وتوقعات العناصر.

## تحميل المراجع

- قم بتحميل `references/ai-research-explore-policy.md` لسلامة المسار ودلالات المرشح. - قم بتحميل `re`

التثبيت

شغل هذا الأمر

npx skills add lllllllama/rigorpilot-skills

يعمل مع

claude appclaude codeclaude apicursorcodexwindsurfclinezed

خطوات التثبيت

ثبت باستخدام `npx skills add lllllllama/rigorpilot-skills`، أو استنسخ المستودع وانسخ مجلد `skills/ai-research-explore` إلى دليل مهارات Claude الخاص بك.

عرض المصدر

أسئلة شائعة

ما هي مهارة استكشاف أبحاث الذكاء الاصطناعي؟

Rigor Explore: اسم تعريف (slug) لمهارة متوافقة مع مرشحي أبحاث التعلم العميق الهادفة والتي يحتمل أن تكون جديدة. تستخدم عندما يختار الباحث عائلة المهام، ومجموعة البيانات، والمعيار، وطريقة التقييم، ويقدم مراجع SOTA، ويرغب في استكشاف المرشحين فقط بالإضافة إلى `current_research` مع فهم مستودع قابل للتدقيق، وتحديد الأفكار، والمقارنة العادلة، والتجارب المحكومة المكتوبة في `explore_outputs/`. لا تستخدم للاستنساخ الموثوق به…

كيف أثبت استكشاف أبحاث الذكاء الاصطناعي؟

شغل هذا الأمر في الطرفية:

npx skills add lllllllama/rigorpilot-skills
مع أي أدوات ذكاء اصطناعي تعمل استكشاف أبحاث الذكاء الاصطناعي؟

تعمل مع claude_app، claude_code، claude_api، cursor، codex، windsurf، cline، zed.

من طور استكشاف أبحاث الذكاء الاصطناعي؟

طورها lllllllama.

هل استكشاف أبحاث الذكاء الاصطناعي مجانية؟

نعم، يمكنك استخدامها مجانا.

أصول ذات صلة

مختارات أخرى في التطوير والبرمجة.

كل بدائل استكشاف أبحاث الذكاء الاصطناعي ←
skillclaude_appclaude_codeclaude_api
git clone https://github.com/anthropics/skills && cp -r skills/skills/claude-api ~/.claude/skills/
واجهة برمجة تطبيقات Claude
مرجع ل Claude API / Anthropic SDK — معرفات النماذج، التسعير، المعاملات (params)، البث (streaming)، استخدام الأدوات، MCP، الوكلاء (agents)، التخزين الم…★ 4.8 · 2,500+
skillclaude_appclaude_codeclaude_api
npx skills add heygen-com/hyperframes
واجهة سطر الأوامر Hyperframes
واجهة سطر الأوامر (CLI) ل HyperFrames من job - لإنشاء الهياكل، والتحقق من الإطارات، وعرضها، وتعديل الجدول الزمني، والمعاينة، والتصيير محليا أو سحابيا،…1,214,920+
skillclaude_appclaude_codeclaude_api
npx skills add mattpocock/skills
تطوير مدفوع بالاختبار
التطوير الموجه بالاختبار. يستخدم عندما يرغب المستخدم في بناء ميزات أو إصلاح أخطاء بأسلوب "الاختبار أولا"، أو يذكر "red-green-refactor"، أو يريد اختبار…1,046,962+
skillclaude_appclaude_codeclaude_api
npx skills add mattpocock/skills
الشواء
استجوب المستخدم بلا هوادة حول خطة أو قرار أو فكرة. استخدمها عندما يرغب المستخدم في اختبار مدى متانة تفكيره، أو يستخدم أي عبارات تحفيزية مثل "استجواب".869,010+
skillclaude_appclaude_codeclaude_api
npx skills add mattpocock/skills
تشخيص الأخطاء
حلقة تشخيص للأخطاء الصعبة وتراجعات الأداء. تستخدم عندما يقول المستخدم "شخص/صحح هذا"، أو يبلغ عن شيء معطل/يصدر أخطاء/فاشل/بطيء.746,030+
skillclaude_appclaude_codeclaude_api
npx skills add mattpocock/skills
مراجعة الكود
راجع التغييرات منذ نقطة ثابتة (التزام، فرع، وسم، أو قاعدة دمج) على محورين: المعايير (هل يتبع الكود معايير الترميز الموثقة لهذا المستودع؟) والمواصفات (…696,572+

افحص قبل التثبيت

شغل أي مصدر عبر فحوصاتنا - الظهور في الذكاء الاصطناعي والأمان والأداء واكتشاف التقنيات.

المزيد في التطوير والبرمجة