提出物 事前検証 Skill

手順

1. 引数解析:

   • $ARGUMENTS から提出フォルダパスを取得（必須、例: submit/v001_baseline）
   • --platform フラグがあればそれを使う、なければ KAGGLE_DIRECTION.md から推定

2. 形式判定:

   • フォルダ内のファイル構成から判定:
     • notebook.py あり → (A) Kaggle CSV型
     • kernel-metadata.json + dataset-metadata.json あり → (A') Kaggle Code Competition 型
     • predict.py + run.sh あり → (B) 予測ファイル zip 型
     • Dockerfile + process.py あり → (C) Docker コンテナ型
     • agent.py / main.py / submit_agent.py 等のエージェントエントリがあり、上記いずれにも当てはまらない → (D) Simulation エージェント型

3. submission-validator agent を呼び出し:

   • 上で判定した形式と提出フォルダパスを渡して実行依頼
   • agent は自動で形式に応じた検証を行う
   • (A') の場合は submission-validator の「1'. Kaggle Code Competition 型のチェック」（kernel-metadata / dataset-metadata / self-contained notebook の検証）を実行させる
   • (D) の場合は submission-validator の「(D) Simulation エージェント型のチェック」（self-contained / 1エピソード完走 / タイムアウト・不正手・print 混入の検証）を実行させる

4. 検証結果を集約して報告:

   • Pass / Fail / Warning を上から順に表示
   • Fail があれば提出してはいけない旨を強調
   • 修正案を最後に提示

5. submit/SUBMISSIONS.md への記録準備:

   • メタ情報（実験フォルダ・モデル元パス・fold 定義・学習データ・主要パラメータ・前処理・CV）を agent の出力から抽出
   • SUBMISSIONS.md にまだ記載がなければ、追記用の行を提案する（自動コミットはしない）

注意

• 絶対に外部にアップロードしない。実アップロードはユーザーが手動で行う
• 検証中にモデルファイル / submission.csv / 予測 zip を .gitignore から外していないか確認
• Docker 検証では bash test.sh を実行する。長時間かかる場合は run_in_background で回す