auto-review-loop-minimax

自動レビュー・ループ（MiniMax 版）：自律的な研究改善

🔒 このスキルを /loop、/schedule、または CronCreate でラップしないでください。
/auto-review-loop と同様に、すでに内部でループ（レビュー → 修正 → 再レビュー）し、各ラウンドの前ラウンドの要約を次のレビュー用プロンプトに渡しています（バックエンドはスレッドを共有せず、ラウンドごとに状態を保持しない API 呼び出しです）。外部タイマーを使うと、実行のたびに最初からやり直し、蓄積したコンテキストが失われ、成果物の変更ではなく実時間を基準に判定が実行されます。新しいシグナルはゼロなのに、トークンコストは全額かかります。判定ではなく、判定に先立つ外部の待機をスケジュールしてください。詳しくは shared-references/external-cadence.md を参照してください。

外部レビュアーが肯定的な評価を出すか、MAX_ROUNDS に達するまで、自律的に反復します：レビュー → 修正を実装 → 再レビュー。

コンテキスト：$ARGUMENTS

定数

• MAX_ROUNDS = 4
• POSITIVE_THRESHOLD：スコア >= 6/10 かつ verdict ∈ {"ready", "almost"} — 以下の実際の STOP CONDITION と一致するよう、両方を満たす必要があります。verdict の語彙は {"ready", "almost", "not ready"} です。（以前の記述では or が使われ、古い verdict の一覧が記載されていましたが、AND 形式が正です。）
• REVIEW_DOC：review-stage/AUTO_REVIEW.md（累積ログ）(旧プロジェクトでは ./AUTO_REVIEW.md にフォールバックします)
• REVIEWER_MODEL = MiniMax-M3 — MiniMax API 経由で使用するモデル

API の設定

このスキルでは、外部レビューに MiniMax API を使用します。次の 2 つの方法がサポートされています。

方法 1：MCP ツール（優先）

mcp__minimax-chat__minimax_chat が利用可能な場合は、これを使用します：

mcp__minimax-chat__minimax_chat:
  prompt: |
    [Review prompt content]
  model: "MiniMax-M3"
  system: "You are a senior machine learning researcher..."

方法 2：curl（フォールバック）

MCP が利用できない場合は、curl を直接使用します：

curl -s "https://api.minimax.io/v1/chat/completions" \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $MINIMAX_API_KEY" \
  -d '{
    "model": "MiniMax-M3",
    "messages": [
      {"role": "system", "content": "You are a senior ML researcher..."},
      {"role": "user", "content": "[Review prompt]"}
    ],
    "max_tokens": 4096
  }'

API キー：~/.claude/settings.json の env.MINIMAX_API_KEY、または環境変数から読み取ります。

Codex MCP ではなく MiniMax を使う理由：Codex CLI は OpenAI の Responses API（/v1/responses）を使用しており、サードパーティープロバイダーには対応していません。参照先：https://github.com/openai/codex/discussions/7782

状態の永続化（コンパクト化からの復旧）

長時間実行するループでは、コンテキストウィンドウの上限に達し、自動的にコンパクト化されることがあります。この場合に備えて、各ラウンドの後に状態を review-stage/REVIEW_STATE.json に保存します：

{
  "round": 2,
  "status": "in_progress",
  "last_score": 5.0,
  "last_verdict": "not ready",
  "pending_experiments": ["screen_name_1"],
  "timestamp": "2026-03-13T21:00:00"
}

各 Phase E の終了時（ラウンドの記録後）にこのファイルを書き込みます。毎回上書きしてください。必要なのは最新の状態だけです。

完了時（肯定的な評価を得た場合、または最大ラウンド数に達した場合）は、今後の呼び出しで完了済みのループを誤って再開しないよう、"status": "completed" を設定します。

ワークフロー

初期化

1. review-stage/REVIEW_STATE.json の有無を確認します（見つからない場合は旧パスの ./REVIEW_STATE.json にフォールバックします）。
   • どちらのパスにも存在しない場合：新規開始（通常のケース）
   • 存在し、status が "completed" の場合：新規開始（前回のループは正常に終了しています）
   • 存在し、status が "in_progress" で、timestamp が 24 時間より前の場合：新規開始（中断または放棄された実行の古い状態です。ファイルを削除して最初から開始します）
   • 存在し、status が "in_progress" で、timestamp が 24 時間以内の場合：再開
     • 状態ファイルを読み取り、round、last_score、pending_experiments を復元します
     • review-stage/AUTO_REVIEW.md を読み取り、前のラウンドの完全なコンテキストを復元します（./AUTO_REVIEW.md にフォールバックします）
     • pending_experiments が空でない場合は、完了しているか確認します（例：画面セッションを確認します）
     • 次のラウンドから再開します（round = 保存された round + 1）
     • 次のように記録します："コンテキストのコンパクト化から復旧しました。Round N から再開します。"
2. プロジェクトの説明文書、メモリファイル、過去のレビュー文書を読みます
3. 最近の実験結果を読みます（出力ディレクトリやログを確認します）
4. 過去のレビューから、現在の弱点と未完了の TODO を特定します
5. ラウンドカウンターを 1 に初期化します（状態ファイルから復旧した場合を除きます）
6. ヘッダーとタイムスタンプを含めて review-stage/AUTO_REVIEW.md を作成または更新します

ループ（MAX_ROUNDS まで繰り返す）

フェーズ A：レビュー

外部レビュアーに包括的なコンテキストを送信します。

まず MCP が利用可能か確認してください。次に適切な方法を使用します。

MCP が利用可能な場合（優先）：

Use mcp__minimax-chat__minimax_chat tool with:
- system: "You are a senior machine learning researcher serving as a reviewer for top-tier conferences like NeurIPS, ICML, and ICLR. Provide rigorous, constructive feedback."
- prompt: [Full review prompt with context]
- model: "MiniMax-M3"

MCP が利用できない場合（フォールバック）：

curl -s "https://api.minimax.io/v1/chat/completions" \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $MINIMAX_API_KEY" \
  -d '{
    "model": "MiniMax-M3",
    "messages": [
      {
        "role": "system",
        "content": "You are a senior machine learning researcher serving as a reviewer for top-tier conferences like NeurIPS, ICML, and ICLR. Provide rigorous, constructive feedback."
      },
      {
        "role": "user",
        "content": "[Round N/MAX_ROUNDS of autonomous review loop]\n\n[Full research context: claims, methods, results, known weaknesses]\n[Changes since last round, if any]\n[For round 2+: Summary of previous review feedback and what was addressed]\n\nPlease act as a senior ML reviewer (NeurIPS/ICML level).\n\n1. Score this work 1-10 for a top venue\n2. List remaining critical weaknesses (ranked by severity)\n3. For each weakness, specify the MINIMUM fix (experiment, analysis, or reframing)\n4. State clearly: is this READY for submission? Yes/No/Almost\n\nBe brutally honest. If the work is ready, say so clearly."
      }
    ],
    "max_tokens": 4096
  }'

注意：各ラウンドは独立した API 呼び出しです。ラウンド 2 以降では、過去のレビューと変更の要約をプロンプト自体に含めてください。

フェーズ B：評価の解析

重要： 外部レビュアーからの完全な生の応答をそのまま保存してください（フェーズ E で使うため、変数に格納します）。破棄したり要約したりしないでください。生のテキストが一次記録です。

次に、構造化フィールドを抽出します。

• スコア（数値、1〜10）
• 判定（「ready」／「almost」／「not ready」）
• 対応項目（修正内容の優先順位付きリスト）

停止条件：スコアが 6 以上、かつ判定が {"ready", "almost"} に含まれる場合（一致するのは完全一致のみ。「not ready」は対象外です）、ループを停止し、最終状態を記録します。

フェーズ C：修正の実施（停止しない場合）

各対応項目について（優先度の高い順に）：

1. コードの変更：実験スクリプト、モデルコード、解析スクリプトを作成・変更します
2. 実験の実行：SSH と screen/tmux を使用して GPU サーバーにデプロイします
3. 解析：評価を実行し、結果を収集して、図表を更新します
4. ドキュメント：プロジェクトのメモとレビュー文書を更新します

優先順位のルール：

• 過剰な計算リソースを必要とする修正はスキップし、手動でのフォローアップ事項として記録します
• 利用できない外部データやモデルを必要とする修正はスキップします
• どちらでも懸念に対応できる場合は、新しい実験よりも再解釈や解析を優先します
• 指標の追加は必ず実施します（低コストで効果が大きいため）

フェーズ D：結果を待つ

実験を開始した場合：

• リモートセッションを監視し、完了を確認します
• 出力ファイルとログから結果を収集します

フェーズ E：ラウンドの記録

review-stage/AUTO_REVIEW.md に追記します。

## Round N (timestamp)

### Assessment (Summary)
- Score: X/10
- Verdict: [ready/almost/not ready]
- Key criticisms: [bullet list]

### Reviewer Raw Response

<details>
<summary>Click to expand full reviewer response</summary>

[Paste the COMPLETE raw response from the external reviewer here — verbatim, unedited.
This is the authoritative record. Do NOT truncate or paraphrase.]

</details>

### Actions Taken
- [what was implemented/changed]

### Results
- [experiment outcomes, if any]

### Status
- [continuing to round N+1 / stopping]

現在のラウンド、スコア、判定、保留中の実験を記載した review-stage/REVIEW_STATE.json を書き込みます。

ラウンドカウンターを増やし、フェーズ A に戻ります。

終了条件

ループが終了したら（肯定的な評価を得た場合、または最大ラウンド数に達した場合）：

1. review-stage/REVIEW_STATE.json の "status": "completed" を更新します
2. 最終要約を review-stage/AUTO_REVIEW.md に書き込みます
3. 結論をプロジェクトのメモに反映します
4. 肯定的な評価を得ないまま最大ラウンド数で停止した場合：
   • 残っている阻害要因を列挙します
   • それぞれに必要な作業量を見積もります
   • 手動で続行するか、方針を転換するかを提案します

重要なルール

• 大きなファイルの取り扱い：ファイルサイズが原因で Write ツールが失敗した場合は、直ちに Bash（cat << 'EOF' > file）を使ってチャンク単位で書き込む方法を再試行します。ユーザーに許可を求めず、そのまま実行してください。

• 幻覚を防ぐための引用ルール：参考文献を追加する場合、BibTeX を決して捏造しないでください。DBLP → CrossRef → [VERIFY] の順で確認してください。記憶に基づいて BibTeX を生成しないでください。

• 正直に記録し、否定的な結果や失敗した実験も含めます

• 肯定的なスコアを得るために、弱点を隠さないでください

• 再レビューの前に修正を実施します（修正を約束するだけにしないでください）

• 実験に 30 分以上かかる場合は開始し、待っている間にほかの修正を進めます

• すべてを記録します。レビューのログだけで内容が完結するようにします

• 最後だけでなく、各ラウンドの後にプロジェクトのメモを更新します

• ラウンド 2 以降では、必ず過去のレビューのコンテキストをプロンプトに含めます

• 利用可能な場合は、curl より MCP ツールを優先します（より信頼性が高いため）

ラウンド 2 以降のプロンプトテンプレート

MCP の方法（優先）：

mcp__minimax-chat__minimax_chat:
  model: "MiniMax-M3"
  system: "You are a senior machine learning researcher serving as a reviewer for top-tier conferences like NeurIPS, ICML, and ICLR. Provide rigorous, constructive feedback."
  prompt: |
    [Round N/MAX_ROUNDS of autonomous review loop]

    ## Previous Review Summary (Round N-1)
    - Previous Score: X/10
    - Previous Verdict: [ready/almost/not ready]
    - Previous Key Weaknesses: [list]

    ## Changes Since Last Review
    1. [Action 1]: [result]
    2. [Action 2]: [result]
    3. [Action 3]: [result]

    ## Updated Results
    [paste updated metrics/tables]

    ## Current Research Context
    [brief summary of claims, methods, current state]

    Please re-score and re-assess:
    1. Score this work 1-10 for a top venue
    2. List remaining critical weaknesses (ranked by severity)
    3. For each weakness, specify the MINIMUM fix
    4. State clearly: is this READY for submission? Yes/No/Almost

    Be brutally honest. If the work is ready, say so clearly.

curl のフォールバック：

curl -s "https://api.minimax.io/v1/chat/completions" \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $MINIMAX_API_KEY" \
  -d '{
    "model": "MiniMax-M3",
    "messages": [
      {
        "role": "system",
        "content": "You are a senior machine learning researcher serving as a reviewer for top-tier conferences like NeurIPS, ICML, and ICLR. Provide rigorous, constructive feedback."
      },
      {
        "role": "user",
        "content": "[Round N/MAX_ROUNDS of autonomous review loop]\n\n## Previous Review Summary (Round N-1)\n- Previous Score: X/10\n- Previous Verdict: [ready/almost/not ready]\n- Previous Key Weaknesses: [list]\n\n## Changes Since Last Review\n1. [Action 1]: [result]\n2. [Action 2]: [result]\n3. [Action 3]: [result]\n\n## Updated Results\n[paste updated metrics/tables]\n\n## Current Research Context\n[brief summary of claims, methods, current state]\n\nPlease re-score and re-assess:\n1. Score this work 1-10 for a top venue\n2. List remaining critical weaknesses (ranked by severity)\n3. For each weakness, specify the MINIMUM fix\n4. State clearly: is this READY for submission? Yes/No/Almost\n\nBe brutally honest. If the work is ready, say so clearly."
      }
    ],
    "max_tokens": 4096
  }'

出力プロトコル

すべての出力ファイルに、以下の共通プロトコルを適用してください。

• 出力バージョン管理プロトコル — まずタイムスタンプ付きファイルを書き込み、その後、固定名のファイルにコピーします
• 出力マニフェストプロトコル — すべての出力を MANIFEST.md に記録します
• 出力言語プロトコル — プロジェクトの言語設定に従います