explore-code

深層学習リポジトリは、変更を加える前に理解するのが困難です。このスキルはコードを変更せずに、エントリポイント、設定、評価経路、レビュー上のリスクを整理します。

AI の再現作業は、コマンドやエントリーポイントが不明確だと停滞しがちです。このスキルはリポジトリ内のエビデンスを調査し、保守的な再現計画を返します。

研究リポジトリでは、実行前に環境とアセットの慎重なセットアップが必要になることがよくあります。このスキルは、保守的な conda 優先の計画、キャッシュに関する前提、セットアップメモを作成します。

トレーニングの失敗は、根本原因が明らかになる前にエージェントをリスクのあるパッチ適用へ進ませる可能性があります。このスキルは、保守的な診断、セーブポイント計画、承認に基づく修正をガイドします。

研究チームには、信頼済みベースラインを汚染しない探索的実行が必要です。このスキルは、範囲を限定したバリアントスイープを計画し、候補をランク付けし、結果を限定的な根拠として位置づけます。

AIリポジトリの再現は、READMEファイルに重要な論文の詳細が1つ欠けているだけで行き詰まることがよくあります。このスキルは、問いを絞り込み、主要な論文ソースを確認し、READMEの指針を置き換えることなく矛盾を記録します。

PyTorchプロジェクトは、一貫してトレーニングしスケールさせることが難しくなる場合があります。このスキルは、LightningModules、trainers、data modules、callbacks、logging、distributed trainingをガイドします。

コードレビューのフィードバックは、不明確だったり、誤っていたり、タスクの範囲を超えていたりすることがあります。このスキルは、Claude、Codex、Claude Code がコメントを検証し、意図を明確にし、焦点を絞った変更を行えるよう支援します。

大規模なコード変更は、要件、ファイル、検証手順が不明確な場合に失敗します。このスキルは、Claude、Codex、Claude Code が作業開始前に構造化された実装計画を作成できるように支援します。

大規模なコーディング変更を、依存関係のミスなく複数のエージェントに分割するのは困難です。このスキルは、調査、確認、レビュー、並列実行グループを含む、依存関係を考慮した実装計画を作成します。

複雑なソフトウェアタスクは、スコープ、順序、検証が不明確な場合に失敗することがあります。このスキルは、アトミックなタスク、チェックポイント、リスク、レビュー手順を含む段階的な計画を作成します。

複雑な実装計画では、レビューなしにタスクが進むと品質が低下する可能性があります。このスキルは、仕様とコード品質のチェックを組み込みながらサブエージェントの実行を調整します。