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
Скилл

Расширенный доступ

Почему такой уровень

  • Скиллы читают файлы статей и репозиториев и готовят правки рукописи, а контракты меняют поведение агента во всех задачах проекта.
Все причины и проверки

ucl-erl/skills

Установка

Работает в

В терминале, через SkillFoxx CLI

npx skillfoxx add skills/erl-research-skills

Определит агенты на машине, покажет уровень доступа и зафиксирует версию.

Другие способы установки

Доступ и проверки

Как мы проверяем

Расширенный 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.

Скиллы

Более 280 скиллов для науки: поиск литературы, дизайн эксперимента, анализ, проверка ссылок и подготовка статьи

СкиллРасширенный доступ124Звезды репозитория

Скилл для магистрантов и аспирантов ведет исследование через ворота новизны и реальности, от обзора до проверки выводов

СкиллМинимальный доступ71Звезды репозитория

Research Skills дает Claude Code, Codex и Copilot CLI плагины для науки: литература, гранты, статьи, рисунки и слайды.

ПлагинРасширенный доступ55Звезды репозитория

Маркетплейс из пяти плагинов Claude Code для исследователя: литература, дизайн исследования, память проекта и рукопись

ПлагинШирокий доступ655Звезды репозитория

Скилл сверяет рукопись с практиками 883 Oral-статей ICLR, ICML и NeurIPS и советует правки по структуре и экспериментам

СкиллМинимальный доступ580Звезды репозитория

Набор скиллов для Claude Code: исследование, написание статьи, рецензирование и проверка цитат по шагам

СкиллРасширенный доступ56,7 тыс.Звезды репозитория

Сравнение с похожими

Карточки с тем же главным запросом: чем они отличаются.

ИнструментОфициальныйЗвезды репозиторияГлавное отличие
ERL Research Skills (эта карточка)нет51
Nature-Paper-Skillsнет67127 скиллов по логике статьи от гипотезы до отправки
Claude Scientific Writerнет2 571плагин 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. |
```

Сообщить о проблеме