
سير عمل إعادة إنتاج أبحاث الذكاء الاصطناعي
سير عمل متكامل لإعادة إنتاج أبحاث الذكاء الاصطناعي — من تحليل ملف README وإعداد البيئة إلى تنفيذ الأوامر وإخراج تدقيق منظم.
تثبيت
شغّل هذا الأمر لتثبيت جميع المهارات في هذا الحزمة:
npx skillstore add @ai-paper-reproduction-workflow تكتشف CLI مجلدات Codex وClaude Code تلقائيًا وتثبّت فيهما عند توفرهما.
نظرة عامة
دليل الاستخدام
محسّن بالذكاء الاصطناعيدليل مفصل
## نظرة عامة إعادة إنتاج أبحاث الذكاء الاصطناعي بشكل متكامل من مستودع موثّق — تحليل ملف README، وإعداد بيئة محافظة، وتنفيذ الحد الأدنى من الأوامر الموثوقة، وإصدار تقرير تدقيق منظم للنتائج. تتسلسل ثلاث مهارات فرعية معًا لتغطية مرحلة الاستيعاب والإعداد والتنفيذ. ## البداية السريعة 1. ثبّت الإضافة في مساحة عمل OpenClaw الخاصة بك: ``` npx skillstore add @ai-paper-reproduction-workflow ``` 2. استخدم **repo-intake-and-plan** لمسح المستودع الهدف، وقراءة ملف README بالإضافة إلى ملفات المشروع الشائعة، واستخراج أوامر الاستدلال/التقييم/التدريب الموثّقة كخطة إعادة إنتاج. 3. استخدم **env-and-assets-bootstrap** لإعداد بيئة تعتمد على conda أولاً، وحل افتراضات مسارات نقاط التجميع (checkpoint) والبيانات، وإبراز تلميحات مواقع التخزين المؤقت قبل أي تشغيل. 4. استخدم **minimal-run-and-audit** لتنفيذ أصغر مسار إعادة إنتاج موثوق وإنشاء تقرير تدقيق موحد للنتائج. ## الأوامر الرئيسية - **repo-intake-and-plan** — يفحص مستودعًا، ويحلّل ملف README وملفات المشروع، ويصنّف الأوامر المرشحة إلى استدلال/تقييم/تدريب، ويعيد خطة إعادة إنتاج دنيا. - **env-and-assets-bootstrap** — يهيّئ بيئة conda محافظة، ويتحقق من مسارات نقاط التجميع/البيانات، ويترك ملاحظات الإعداد للخطوات اللاحقة. - **minimal-run-and-audit** — ينفذ الأوامر المخططة في مسار موثوق ويُصدر خرجًا منظمًا لإمكانية التدقيق. ## نصائح - وصِّل المهارات الثلاث بالترتيب — intake → bootstrap → run — للحفاظ على محاولات إعادة الإنتاج قابلة للتكرار والتدقيق. - اقرنها بـ **openclaw-browser-automation** عندما ترتبط الورقة البحثية بواجهة بيانات خارجية يجب تنزيلها يدويًا قبل مرحلة bootstrap. - احتفظ بمخرج التدقيق تحت نظام التحكم بالإصدارات حتى يكون أثر إعادة الإنتاج كاملاً قابلاً للمراجعة من قبل المتعاونين.
المهارات
3repo-intake-and-plan
مخاطر منخفضة 80تخطيط عمليات إعادة إنتاج موثوقة للمستودعات
غالبا ما تخفي مستودعات أبحاث الذكاء الاصطناعي أكثر مسارات إعادة الإنتاج أمانا بين العديد من أوامر الإعداد والتدريب والتقييم. تقرأ هذه المهارة المستودع أولا وتنتج خطة محافظة قبل بدء التنفيذ.
env-and-assets-bootstrap
مخاطر متوسطة 75تحضير بيئات وأصول إعادة الإنتاج
غالبًا ما تحتوي مستودعات أبحاث الذكاء الاصطناعي على ملاحظات إعداد غير مكتملة ومسارات أصول غير واضحة. تحوّل هذه المهارة أدلة README إلى أوامر بيئة محافظة، وبيانات أصول، ومخاطر إعداد قبل التشغيل.
minimal-run-and-audit
مخاطر متوسطة 79تشغيل أوامر إعادة الإنتاج وتدقيقها
غالبا ما تفتقر إعادة إنتاج الأكواد البحثية إلى أدلة واضحة على ما تم تشغيله وما الذي تغير. تشغل هذه المهارة أمرا قصيرا محددا وتكتب مخرجات موحدة للمراجعة.
حزم مشابهة

أدوات حاويات Docker
حاويات Docker من البداية للنهاية — تدقيق Dockerfiles، تنسيق بناءات الخدمات المتعددة، والنشر إلى Kubernetes. مجموعة أدوات واحدة لسير عمل الحاويات الخاص بك.
3 مهارات

أتمتة إصدارات Git
توحيد عملية الالتزام، وإنشاء سجلات التغيير، ونشر الإصدارات من خلال سير عمل Git قابل للتكرار
3 مهارات

OpenClaw للفحص الصحي الآلي
فحص تلقائي لحالة صحة البنية التحتية وإنشاء تنبيهات/تقارير يومية
3 مهارات