skill
استنساخ أبحاث الذكاء الاصطناعي
Rigor Reproduce: اسم مهارة متوافق مع slug لإعادة إنتاج مستودعات التعلم العميق التي تعتمد على ملف README أولا. تستخدم عندما يرغب المستخدم في تدفق شامل وموثوق به بأقل قدر من الثقة، حيث يقرأ المستودع أولا، ويختار أصغر هدف استدلال أو تقييم موثق، وينسق عملية الإدخال، والإعداد، والتنفيذ الموثوق به، والتدريب الموثوق به الاختياري، وتحليل المستودع الاختياري، وحل فجوات الأوراق البحثية الاختياري، ويفرض قواعد تصحيح محافظة، ويسجل افتراضات الأدلة والانحرافات ونقاط القرار البشري، و...
نبذة
# ai-research-reproduction
## الغرض
توجيه استنساخ التعلم العميق الذي يعتمد على ملف README أولا نحو أصغر تشغيل موثوق به مع أدلة قابلة للتدقيق. الحفاظ على المعنى الموثق؛ تسجيل الافتراضات والانحرافات والعوائق بدلا من تغيير الدلالات لتصنيع النجاح. تحميل المراجع المتخصصة فقط عند وجود شك ملموس.
## المسار السريع
للتشغيل الروتيني المحدود، حافظ على مسار التحكم قصيرا:
1. اقرأ ملف README المستهدف وفقط الاختبار/التكوين/المصدر المستهدف اللازم لفهم الأمر الموثق. 2. قم بتشغيل `scripts/orchestrate_repro.py --repo <repo> --plan-only --agent-output` مع أي حد زمني صريح يحدده المستخدم (`--timeout` أو `--train-timeout`) تم توفيره بالفعل؛ راجع `command_candidates`، و`cmd-XX` المحدد، وعقد الآثار الجانبية، وبصمة التحديد، و`reviewed_run_args` المعادة. بدون `--output-dir`، تذهب الأدلة اللاحقة إلى `<repo>/repro_outputs` بغض النظر عن دليل العمل الحالي للمتصل. 3. قم بتشغيل المرشح المحدد، أو مرشح آخر تمت مراجعته، باستخدام `--run-selected --command-id <cmd-XX> --plan-fingerprint <fingerprint> --agent-output` بالإضافة إلى خيارات المهلة/المقياس/المصدر المجاورة المطلوبة. حافظ على حد زمني صريح لأمر المستخدم بدلا من جعله أكثر صرامة بصمت في تشغيل موثوق به روتيني. يحد `--timeout` من الأمر المستهدف؛ **لا** تقم بتغليف المنسق بأكمله في مهلة خارجية مساوية أو أقصر، لأنه لا يزال يحتاج إلى وقت لإنهاء العمليات الفرعية وكتابة الأدلة النهائية. تفشل مجموعة الأوامر المتغيرة بشكل مغلق؛ أوامر الإعداد/التنزيل ليست أبدا مرشحات مستهدفة. 4. قم بتشغيل `--verify-output --agent-output`؛ افحص ملفات الأدلة التفصيلية فقط عندما يفشل التحقق أو تكون النتيجة جزئية/معطلة. 5. قم بتسليم النتيجة المحدودة وتوقف.
بالنسبة لمضيف ذي مواعيد نهائية قصيرة لاستدعاء الأدوات، أعد تشغيل التخطيط باستخدام `--include-agent-handoff` واتبع `references/agent-job.md`؛ وإلا حافظ على المسار المباشر أعلاه. اكتمال المهمة ليس قبولا للمهمة، والحالة غير المؤكدة ليست أبدا سببا لإعادة التشغيل التلقائي.
**لا** تفحص `orchestrate_repro.py`، `annotate_readme.py`، `_bundled/`، الكتاب، أو الأجزاء الداخلية لوقت التشغيل في مسار نجاح عادي. افحص التنفيذ فقط عند وجود عائق ملموس، أو تأثير جانبي غير متوقع، أو فشل في سلامة الحزمة، أو سؤال أمان لم يتم حله. استخدم `scripts/doctor.py` لتشخيص بيئة/تثبيت الاستخدام الأول. تحتفظ الأوامر المنفذة بأدلة دورة الحياة/السجل الكاملة تحت `repro_outputs/_runtime/<run_id>/`.
## الملاءمة
استخدم هذه المهارة للاستنساخ الموثوق به متعدد المراحل والمستند إلى المستودع حيث يكون الهدف هو هدف صغير قابل للاستنساخ. لا تستخدمها لملخصات الأوراق البحثية، أو الإعداد العام، أو المسح المعزول، أو الأوامر المستقلة، أو تصميم البحث المفتوح، أو استكشاف المرشحين المصرح به صراحة.
## اختيار الهدف الموثوق به
اختر أصغر هدف يمكنه إظهار الاستنساخ المستند إلى المستودع بصدق:
1. الاستدلال الموثق 2. التقييم الموثق 3. بدء التدريب الموثق أو التحقق الجزئي 4. التدريب الكامل فقط بعد تأكيد صريح من المستخدم
تعامل مع إرشادات README على أنها النية الأساسية للاستنساخ. استخدم ملفات المستودع لتوضيح README، وليس لاستبداله بصمت. عندما يتعارض README والورقة البحثية، سجل التعارض واستخدم `paper-context-resolver` فقط للفجوة الحرجة الضيقة في الاستنساخ.
## سير العمل
1. تعامل مع إرشادات README على أنها أساسية؛ استخرج وحدد الحد الأدنى من الهدف الموثوق به. 2. استخدم الإعداد/الأصول فقط للمتطلبات الأساسية الخاصة بالهدف واستخدم `analyze-project` فقط عند الحاجة إلى توضيح هيكلي. 3. استخدم `minimal-run-and-audit` للاستدلال/التقييم/التشغيل التجريبي واستخدم `run-train` لبدء التدريب أو إطلاقه أو استئنافه؛ التنفيذ المباشر هو الافتراضي. 4. توقف مؤقتا قبل التدريب الكامل أو التغييرات على مجموعة البيانات، أو التقسيم، أو نقطة التحقق، أو المعالجة المسبقة، أو المقياس، أو الخسارة، أو دلالات النموذج، أو التفسير. 5. امنح `result-match` فقط مقابل المقاييس المتوقعة الصريحة والتسامح؛ نجاح العملية وحده ليس نجاحا في الاستنساخ. 6. اكتب حزمة الأدلة، وأعد النتيجة المحدودة المطلوبة، وتوقف؛ المراحل الاختيارية ليست عمل متابعة تلقائيا.
## حدود التصحيح
تفضل عدم إجراء أي تعديلات على المستودع. إذا كانت هناك حاجة إلى تعديلات، فاجعلها محافظة وقابلة للتدقيق:
- جرب وسائط سطر الأوامر، ومتغيرات البيئة، وإصلاحات المسار، وإصلاحات إصدار التبعية، أو إصلاحات ملف التبعية قبل تغييرات التعليمات البرمجية. - يسمح بإصلاحات الاستنساخ عند الحاجة، ولكن يجب ألا تكون مخفية. اذكر ما تم تغييره، ولماذا كان ضروريا، وما إذا كان يغير المعنى العلمي، وما إذا كان يؤثر على قابلية المقارنة مع الورقة البحثية، أو README، أو خط الأساس. - تجنب تغيير بنية النموذج، أو دلالات الاستدلال الأساسية، أو منطق التدريب، أو وظائف الخسارة، أو معنى التجربة. - إذا كان يجب تغيير ملفات المستودع، فأنشئ فرعا باسم `repro/YYYY-MM-DD-short-task`، واحتفظ بالتزامات التصحيح التي تم التحقق منها متفرقة، وسجل تأثير دقة README في `PATCHES.md`.
راجع `references/patch-policy.md`.
## المخرجات
استهدف دائما `repro_outputs/`: ```text SUMMARY.md COMMANDS.md LOG.md SCIENTIFIC_CHANGELOG.md COMPARABILITY_REPORT.md status.json ANNOTATED_README.md # or ```
التثبيت
شغل هذا الأمر
npx skills add lllllllama/rigorpilot-skillsيعمل مع
خطوات التثبيت
ثبت باستخدام `npx skills add lllllllama/rigorpilot-skills`، أو استنسخ المستودع وانسخ مجلد `skills/ai-research-reproduction` إلى دليل مهارات Claude الخاص بك.
أسئلة شائعة
ما هي مهارة استنساخ أبحاث الذكاء الاصطناعي؟
Rigor Reproduce: اسم مهارة متوافق مع slug لإعادة إنتاج مستودعات التعلم العميق التي تعتمد على ملف README أولا. تستخدم عندما يرغب المستخدم في تدفق شامل وموثوق به بأقل قدر من الثقة، حيث يقرأ المستودع أولا، ويختار أصغر هدف استدلال أو تقييم موثق، وينسق عملية الإدخال، والإعداد، والتنفيذ الموثوق به، والتدريب الموثوق به الاختياري، وتحليل المستودع الاختياري، وحل فجوات الأوراق البحثية الاختياري، ويفرض قواعد تصحيح محافظة، ويسج…
كيف أثبت استنساخ أبحاث الذكاء الاصطناعي؟
شغل هذا الأمر في الطرفية:
npx skills add lllllllama/rigorpilot-skillsمع أي أدوات ذكاء اصطناعي تعمل استنساخ أبحاث الذكاء الاصطناعي؟
تعمل مع claude_app، claude_code، claude_api، cursor، codex، windsurf، cline، zed.
من طور استنساخ أبحاث الذكاء الاصطناعي؟
طورها lllllllama.
هل استنساخ أبحاث الذكاء الاصطناعي مجانية؟
نعم، يمكنك استخدامها مجانا.
npx skills add vercel-labs/skills
npx skills add heygen-com/hyperframes
npx skills add mattpocock/skills
npx skills add mattpocock/skills
npx skills add mattpocock/skills
npx skills add mattpocock/skills
افحص قبل التثبيت
شغل أي مصدر عبر فحوصاتنا - الظهور في الذكاء الاصطناعي والأمان والأداء واكتشاف التقنيات.
مختبر وكلاء الذكاء الاصطناعي
اختبار الذكاء الاصطناعي
فحص أمني تلقائي للموقع
الأمان
اختبار جودة المحتوى العربي بالذكاء الاصطناعي
جودة المحتوى
كاشف منصة الموقع
الترحيل
محلل سرعة الصفحة
الأداء
تدقيق الظهور في محركات الذكاء الاصطناعي
الظهور في الذكاء الاصطناعي
مولد ملف llms.txt
الظهور في الذكاء الاصطناعي
منشئ البيانات المنظمة
الظهور في الذكاء الاصطناعي
مقياس سهولة القراءة بالعربية
جودة المحتوى
حاسبة تكاليف الذكاء الاصطناعي
اختبار الذكاء الاصطناعي
محلل العناوين العربية
جودة المحتوى