ERL Research Skills
28 скиллов и три контракта поведения для исследований в робототехнике и ИИ: литература, эксперименты, статья, ответы рецензентам.
- 51 ★ репозитория
- Последний коммит
- MIT
Расширенный доступ
Почему такой уровень
- Скиллы читают файлы статей и репозиториев и готовят правки рукописи, а контракты меняют поведение агента во всех задачах проекта.
Установка
- Работает в
В терминале, через SkillFoxx CLI
npx skillfoxx add skills/erl-research-skillsОпределит агенты на машине, покажет уровень доступа и зафиксирует версию.
Другие способы установки
Доступ и проверки
Как мы проверяемРасширенный доступИнструмент запускает код или ходит в сеть, а внешние данные только читает.
- Скиллы читают файлы статей и репозиториев и готовят правки рукописи, а контракты меняют поведение агента во всех задачах проекта.
Это чужой код. Посмотрите файлы в репозитории перед установкой.
Что делает
ERL Research Skills — публичный набор лаборатории ERL при UCL для исследовательских задач агента. Репозиторий делит возможности на скиллы, которые задают сценарий работы, и контракты поведения, задающие, как агент ведет себя на протяжении всей работы. Контракты — постоянные инструкции в `AGENTS.md` и `CODEX.md`, их выбирают по руководству и копируют в проект. Каталог `catalog.json` описывает 28 скиллов. Главные сценарии: от литературы к направлению исследования, от экспериментов к статье, от статьи к подаче. В них входят карточки чтения, матрица доказательств, аудит ссылок и структуры рукописи, красная команда, ответ рецензентам и проверка LaTeX перед подачей. Есть три режима проверки статьи: `quick`, `standard` и `deep`. К скиллам приложены примеры и правила отбора.
Для кого. Аспирантам и исследователям в робототехнике и ИИ, которые пишут статьи и готовят эксперименты вместе с агентом.
Подходит, если
- Нужно войти в новую область и составить обзор по литературе с матрицей доказательств.
- Результаты удаленных экспериментов надо собрать в досье и сверить с кодом статьи.
- Перед подачей нужен аудит ссылок, структуры рукописи и проверка LaTeX.
- Неясный план исследования хочется проверить допросом.
Не подходит, если
- Нужна статья вне робототехники и ИИ без адаптации.
- Нужен автономный генератор статьи без проверки автором.
- Агент не имеет доступа к файлам статьи и репозитория.
Пример запроса к агенту
Используй rai-paper-flow в режиме deep для моей статьи и подготовь аудит ссылок, структуры и список замечаний перед подачей.Ограничения
Репозиторий не содержит единой команды установки: скиллы подключают способом, который поддерживает ваш клиент агента. Контракты поведения нужно выбрать и слить с проектом вручную, они не вызываются как скиллы. Результаты опираются на источники, которые вы даете агенту, а выводы аудитов надо перепроверять: скиллы не заменяют научного руководителя. Набор развивает научная лаборатория, и часть материалов ориентирована на Codex.
Как отключить. Удалите скопированные папки скиллов и контракты `AGENTS.md` или `CODEX.md` из проекта. Клонированный репозиторий можно удалить целиком.
Частые вопросы
Как начать работу?
Клонируйте репозиторий, подключите папки скиллов способом вашего клиента и вызовите скилл по имени, например `rai-research-flow`.
Чем скилл отличается от контракта поведения?
Скилл задает сценарий работы, а контракт постоянно определяет, как агент ведет себя. Контракты лежат в `agent-instructions` и копируются в проект.
Какие режимы у rai-paper-flow?
`quick` для ежедневных правок, `standard` для обычной правки нескольких разделов и `deep` для подачи, ответа рецензентам и полной проверки.
С чего начать исследование?
С `rai-research-flow`: он ведет от поиска статей и карточек чтения к матрице доказательств и выбору направления.
Как проверить репозиторий?
Выполните `python scripts/validate_catalog.py` и `python scripts/validate_forward_tests.py` после клонирования.
Обсуждение
Вопросов и отзывов пока нет.
Похожие
СкиллыБолее 280 скиллов для науки: поиск литературы, дизайн эксперимента, анализ, проверка ссылок и подготовка статьи
Скилл для магистрантов и аспирантов ведет исследование через ворота новизны и реальности, от обзора до проверки выводов
Research Skills дает Claude Code, Codex и Copilot CLI плагины для науки: литература, гранты, статьи, рисунки и слайды.
Маркетплейс из пяти плагинов Claude Code для исследователя: литература, дизайн исследования, память проекта и рукопись
Скилл сверяет рукопись с практиками 883 Oral-статей ICLR, ICML и NeurIPS и советует правки по структуре и экспериментам
Набор скиллов для Claude Code: исследование, написание статьи, рецензирование и проверка цитат по шагам
Сравнение с похожими
Карточки с тем же главным запросом: чем они отличаются.
| Инструмент | Официальный | Звезды репозитория | Главное отличие |
|---|---|---|---|
| ERL Research Skills (эта карточка) | нет | 51 | |
| Nature-Paper-Skills | нет | 671 | 27 скиллов по логике статьи от гипотезы до отправки |
| Claude Scientific Writer | нет | 2 571 | плагин пишет статьи и гранты по найденной литературе |
Коротко о README
Репозиторий разделяет скиллы и контракты поведения и описывает три главных потока работы. Каталог ведется в `catalog.json`, есть правила отбора, примеры и схемы проверки.
Бейдж для README
Исходный SKILL.md
--- name: robotics-ai-coding-flow description: Applies Robotics & AI code quality checks for Python, C++, ROS, simulation, ML experiments, and reproducibility. Use when implementing, debugging, testing, or reviewing Robotics and AI research code. --- # Robotics AI Coding Flow Use this as a Robotics & AI layer on top of normal coding skills. ## Inputs - User request, codebase, failing logs/tests, issue description, or desired feature. - Runtime constraints: Python/C++, ROS version if relevant, simulator/hardware, dataset, compute, and safety boundary. - Expected artifact: patch, debug diagnosis, test, review findings, reproduction instructions, or experiment-quality check. If hardware or simulator access is unavailable, use the smallest offline verification loop and state what remains unvalidated. ## Workflow 1. Read the repo's existing setup, tests, configs, and domain terminology. 2. Identify the code layer: - algorithm; - ML training/evaluation; - simulator; - ROS node/package; - hardware interface; - data processing; - plotting/reporting. 3. Choose the smallest verification loop that can fail for the current change. 4. Implement or debug with tests where practical. 5. Run Robotics-specific checks from `references/robotics-code-checks.md`. 6. Report what was verified and what still needs simulation or hardware validation. ## Verification Matrix ```markdown | Layer | Likely checks | Hardware/sim caveat | | --- | --- | --- | | Algorithm | unit tests, property checks, toy cases | May miss timing and integration failures. | | ML training/evaluation | smoke run, config diff, metric recomputation | May miss full-scale variance and compute limits. | | Simulator | deterministic scenario, asset/config check | May not transfer to real hardware. | | ROS node/package | build/test, launch/config check, topic contract | May miss live timing and transport issues. | | Hardware interface | dry-run guards, bounds checks, log replay | Real hardware requires explicit user approval and safety context. | | Plotting/reporting | artifact trace, metric source check | Plot correctness depends on upstream logs. | ```