複数リポジトリの境界ルールと依存関係を契約文書やチェック用スクリプトで点検し、ゲームロジックや表示層、FFIの逸脱を見つけます。
- ゲーム処理の追加前に配置先を確認
- 表示層とゲーム処理の境界をレビュー
- 依存関係の契約違反を調べる
機械学習やAIの論文を読み解き、推論・学習・適応ランタイムのどこに知見を活かすか整理し、研究メモや実装計画にまとめます。
Research workflow for distilling ML/AI papers into modelless inference primitives, freeze/thaw runtime patterns, latent-space operations, AND model-based training plans across the multi-repo stack. Use when reading arxiv papers, deciding which repo a paper belongs in, creating .research/ notes or .plans/ files, implementing modelless inference primitives, or routing training-vs-inference insights. Enforces the commercial strategy (public engine / private runtime / private chain / private neuron-db / private training / private SDK facade / private product-domain / public inference-substrate riir-infer / public decision-serving riir-reflex), three-track system (modelless inference + self-adaptive runtime + model-based trained weights — all three exist across the stack, not just riir-train), latent-to-latent preference, and freeze/thaw-over-fine-tuning rule. Every task ends with a mandatory Claude verdict ping-pong (§5) before any file is committed.
実行スコア 未検証
インストール方法を見る機械学習・AI・システム分野の論文を読み、知見を研究メモや実装計画にまとめるための手順を示します。論文の中心が学習方法、学習済み重みの実行、モデルレスな判断の提供、潜在空間の操作、状態の凍結・再開を伴うランタイムのどれにあるかを整理し、適切なリポジトリや実装先を検討します。既存の研究メモやコードも調べ、単一論文の転記にとどまらず、複数の知見を組み合わせる可能性を探ります。対象の構成や既存実装を確認し、研究上の主張と実装計画を結びつける進め方が含まれます。
arXivなどの論文をプロジェクトに取り入れたいとき、研究テーマの置き場所を判断したいときに向いています。モデルレス推論、適応型ランタイム、学習済み重みを扱う計画の違いを整理したい場合や、凍結・再開や潜在空間操作の設計を検討する場合にも使えます。通常のバグ修正や研究要素のないリファクタリングは対象外です。
資料に記載された手順では、論文の先行研究をウェブ検索し、作業前に関連するリポジトリや研究メモを確認します。ファイルをコミットする前に Claude による判定の往復を行う要件があります。
この紹介文は、公開されている SKILL.md をもとに AI(OpenAI Codex)が作成しました。正確な仕様は下の原文を確認してください。
インストールする前に、エージェントに与えられる指示の中身を確認できます。
まだレビューはありません。使ってみた感想をお寄せください。
ログインなしで書き込めます。使ってみた感想、質問、動かなかった環境などを気軽にどうぞ。
まだコメントはありません。最初のコメントを書いてみませんか。
複数リポジトリの境界ルールと依存関係を契約文書やチェック用スクリプトで点検し、ゲームロジックや表示層、FFIの逸脱を見つけます。
Rustのビルド時間や成果物のサイズ、編集から実行までの時間を測り、プロファイルや開発手順の見直し方を整理します。
調整値やしきい値の検証を、事前に決めた評価基準とグループ別の証拠に基づいて進め、結果を判定・記録するスキルです。
Claudeの作業の一部を、agent-mail経由でZed上のGLMエージェントに依頼し、別の視点やまとまった処理を受け取るためのスキルです。
作業領域やキャッシュ、モデル保存先の容量を調べ、再生成できるキャッシュの整理と、削除候補の分類・報告を行うスキルです。
Gitに記録された計画・課題・ベンチマークの完了状況を確認し、各リポジトリのREADMEや`.docs/`を実装内容に合わせて更新します。