mcpField
P
paper-to-code

paper-to-code

github.com/lingzhi227开发4401.6k 次安装35 周前更新
代码仓库

关于 paper-to-code

paper-to-code 是一项将研究论文转化为完整可运行代码仓库的技能。它分阶段规划、分析论文、按依赖顺序实现并调试代码，配置仅取自论文明确提供的内容。

主要功能

  1. 01提取方法与实验细节
  2. 02规划架构和文件依赖
  3. 03按依赖顺序生成代码
  4. 04将设置写入 config.yaml
  5. 05通过最小修改调试

适用场景

  1. 01用代码复现论文方法
  2. 02根据论文内容规划代码仓库
  3. 03实现训练与评估模块
  4. 04排查复现过程中的错误

安装

复制下面的命令，在终端中运行。

$npx skills add https://github.com/lingzhi227/agent-research-skills --skill paper-to-code

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

附带文件references/paper-to-code-prompts.md

详细介绍

论文转代码

将研究论文转换为完整、可运行的代码仓库。

输入

  • $0 — 论文 PDF 路径、论文文本或论文 URL

参考资料

  • Paper2Code 提示词（规划、分析、编码阶段）：~/.claude/skills/paper-to-code/references/paper-to-code-prompts.md

工作流（来自 Paper2Code）

阶段 1：规划

通过四轮对话制定全面的计划：

  1. 总体计划：提取方法、实验、数据集、超参数和评估指标
  2. 架构设计：生成文件列表、Mermaid 类图和时序图
  3. 任务分解：分析各文件的逻辑，按依赖关系排列任务清单，并列出所需软件包
  4. 配置：将训练细节提取到 config.yaml 中
阶段 2：分析

按依赖顺序处理任务清单中的每个文件：

  1. 详细分析逻辑
  2. 将论文方法映射到代码结构
  3. 所有设置均参考 config.yaml
  4. 严格遵循 UML 类图中的接口
阶段 3：编码

按依赖顺序处理每个文件：

  1. 生成代码时，可使用所有先前生成的文件
  2. 严格遵循设计中的数据结构和接口
  3. 参考 config.yaml——绝不捏造配置值
  4. 编写完整代码——不得包含 TODO 或占位符
阶段 4：调试（如有需要）

如果执行失败：

  1. 收集错误消息
  2. 使用 SEARCH/REPLACE diff 格式确定根本原因
  3. 在保留原始意图的前提下进行最小限度的修复
  4. 重新运行，直至成功

输出结构

reproduced_code/
├── config.yaml        # Training configuration
├── main.py            # Entry point
├── model.py           # Model architecture
├── dataset_loader.py  # Data loading
├── trainer.py         # Training loop
├── evaluation.py      # Metrics and evaluation
├── reproduce.sh       # Run script
└── requirements.txt   # Dependencies

关键约束

  • 依赖顺序：生成每个文件时，均可使用所有先前生成的文件
  • 接口契约：Mermaid 图在所有阶段中充当严格的接口定义
  • 不得捏造：仅使用论文中明确说明的配置
  • 完整代码：每个函数都必须完整实现

规则

  • 严格遵循论文的方法——不得擅自改进
  • 按依赖顺序生成代码（数据加载 → 模型 → 训练 → 评估 → 主程序）
  • 使用 config.yaml 管理所有超参数和设置
  • UML 图中的每个类和方法都必须在代码中实现
  • 生成 reproduce.sh 脚本，以便通过单条命令运行
  • 如果论文细节含糊不清，请明确注明

相关技能

评论

支持 Markdown