mcpField
E
explore-code

explore-code

github.com/lllllllama测试与质量486339.4k 次安装5 周前更新
代码仓库

关于 explore-code

explore-code 是 Rigor Improve 的实现叶子 Skill，用于在研究者明确授权的前提下，在独立分支或工作树中进行有边界的候选代码改动。它偏好基于源码锚定的模块移植、骨干网络适配、LoRA 或 adapter 插入等小范围修改，而非自由重写。输出结果被定位为候选方案，而非已验证的贡献。

主要功能

  1. 01在隔离分支或工作树中修改代码
  2. 02基于源码锚定的模块移植
  3. 03LoRA 与 adapter 插入
  4. 04记录改动的科学意义与回滚方式
  5. 05输出变更集与比较性报告

适用场景

  1. 01将已有模块移植到基线模型中进行候选实验
  2. 02对骨干网络进行小范围适配
  3. 03在不影响可信基线的前提下尝试低风险的模块组合

安装

复制下面的命令，在终端中运行。

$npx skills add https://github.com/lllllllama/rigorpilot-skills --skill explore-code

安装后在 Claude Code 中输入/explore-code确认已加载。

包含的文件

除 SKILL.md 外，安装时一起下载的参考资料和脚本。

agents/
openai.yaml
references/
explore-policy.md
scripts/
plan_code_changes.py
write_outputs.py

详细介绍

explore-code

将此技能用作 Rigor Improve 实现叶技能。为保持兼容性，安装后的 slug 仍为 explore-code。

使用 ../ai-research-reproduction/references/agent-operating-principles.md 中的共享操作原则；此技能应指导范围明确的候选代码工作，而不过度规定实现细节。

适用场景

  • 研究人员明确授权在隔离分支或工作树上进行探索性代码更改时。
  • 任务涉及以源代码为依据的模块移植、骨干网络适配、LoRA 或适配器插入，或低风险模块组合时。
  • 只需记录概要，且结果是候选方案而非可信结论时。

不适用场景

  • 请求涉及可信基线工作、保守调试或常规训练执行时。
  • 用户未明确授权进行探索性修改时。
  • 任务涉及大规模重构或从零开始实现创意时。

明确边界

  • 此技能仅负责探索性代码修改。
  • 必须确保工作与可信基线隔离。
  • 如果任务同时涉及 current_research 协调和探索性运行，请改用 ai-research-explore。
  • 可将执行工作移交给 minimal-run-and-audit 或 run-train。
  • 应优先采用以源代码为依据的复制和最小化适配，而非自由改写。
  • 应记录候选更改为何有意义、如何回滚，以及为何它仍是候选方案而非已验证的贡献。

输出要求

  • explore_outputs/CHANGESET.md
  • explore_outputs/SCIENTIFIC_CHANGELOG.md
  • explore_outputs/COMPARABILITY_REPORT.md
  • explore_outputs/TOP_RUNS.md
  • explore_outputs/status.json

说明

使用 references/explore-policy.md、../ai-research-reproduction/references/research-rigor-principles.md、scripts/plan_code_changes.py 和 scripts/write_outputs.py。

评论

支持 Markdown