内容创作 · lllllllama/rigorpilot-skills
repo-intake-and-plan
Rigor Intake helper for README-first deep learning repo reproduction. Use when the task is specifically to scan a repository, read the README and common project files, extract documented commands, classify inference, evaluation, and training candidates, and return the smallest trustworthy reproduction plan to the main orchestrator. Do not use for environment setup, asset download, command execution, final reporting, paper lookup, or end-to-end orchestration.
L4 高权限 · 分级授权与审计V1 已固定执行命令Dual-pass Audit
管控等级描述 skill 的能力与建议配套的管控措施，不代表质量或安全认证，也不表示可用或不可用。是否使用由用户和管理者决定。不同 agent 宿主对权限的约束各不相同，请勿假定宿主一定会提供安全兜底。第三方 skill 版权归原作者，使用风险由使用者自行承担。
1实现原理 · 为什么它能做到
本 skill 的实底是两段确定性 Python：scan_repo.py 做结构/信号扫描，extract_commands.py 从 README 抽命令并分类；SKILL.md 只规定何时用、输出什么。命令抽取不是『让模型读 README 猜』，而是正则 + 标题归属 + 启发式分类的可复现流程。
skills/repo-intake-and-plan/scripts/extract_commands.py
"""Extract shell-like commands from README content and classify them."""
同一文件定义了四类分类词汇：inference / evaluation / training / other，并有 SCRIPT_CATEGORY_HINTS、SETUP_PREFIXES、ASSET_PREFIXES 三组优先级。把『抽命令』变成可测试的纯函数（extract_commands(readme_text, readme_dir)），是这套 skill 可被 CI 反复回归的前提。
扫描范围被白名单固定：只查 9 个关键文件与 7 个高信号目录，不做全仓遍历；其结果与警告直接由脚本产出（如缺 README 会显式告警），而非模型自由描述。
skills/repo-intake-and-plan/scripts/scan_repo.py
KEY_FILES = [ "README.md", "README", "requirements.txt", "environment.yml", "environment.yaml", "pyproject.toml", "setup.py", "setup.cfg", "Dockerfile", ]
SIGNAL_DIRS 为 configs/config/scripts/tools/examples/notebooks/checkpoints；warnings 里会写 'No README file was found at the repository root.' 与 'No common environment or packaging files were detected.'。输出含 readme_path、detected_files、detected_dirs、top_level 计数——都是可被编排器消费的结构化字段（run_json 解析 stdout）。
分类器有明确的优先级与辩解：setup/asset 语法先判（避免把安装写成推理），然后标题语义，再按入口脚本名判定（train*.py / eval*.py / sample|generate|infer*.py），最后才落到关键词扫描。
skills/repo-intake-and-plan/scripts/extract_commands.py
# Unambiguous setup/asset syntax outranks generic headings such as # "Basic Example", which otherwise makes installation look like inference. if lowered.startswith(SETUP_PREFIXES + ASSET_PREFIXES): return "other"
入口脚本名的判定权重写在注释里：'The entrypoint script name is the strongest category signal: flags like --eval_iters on a train.py command must not flip training into evaluation (that would bypass the training-authorization gate downstream).'——说明分类结果会喂给下游的训练授权闸门，误判有真实后果，所以规则刻意保守。
对 README 里引用的 .py 入口做结构级复核：读该脚本（≤512 KiB），按 optimizer.step(/backward(/train()/def train*/epoch 循环打分，≥4 分才把命令由原分类改判为 training，并记录 classification_source='entrypoint-structure' 与证据标签。
skills/repo-intake-and-plan/scripts/extract_commands.py
TRAINING_STRUCTURE_SIGNALS = [ ("optimizer-step", re.compile(r"\boptimizer\s*\.\s*step\s*\(", re.IGNORECASE), 3), ("backward-pass", re.compile(r"\.\s*backward\s*\(", re.IGNORECASE), 3), ("model-train-mode", re.compile(r"\.\s*train\s*\(", re.IGNORECASE), 2), ("train-function", re.compile(r"\bdef\s+train\w*\s*\(", re.IGNORECASE), 1), ("epoch-loop", re.compile(r"\bfor\s+\w*epoch\w*\s+in\b", re.IGNORECASE), 1), ]
读文件前有护栏：referenced_python_script() 用 candidate.relative_to(root) 校验，越出仓库根的路径直接返回 None——杜绝用 README 里的 ../ 路径把脚本读到仓库外。这是本 skill 唯一会读仓库文件内容的代码路径。
『分类可以保守到承认无知』被写进 reference：证据不足时标注为 inferred，宁可记录歧义也不过度承诺；README 明确证据优先于文件名猜测。
skills/repo-intake-and-plan/references/repo-scan-rules.md
## Conservative behavior - prefer explicit README evidence over filename guesses - mark guessed classifications as inferred - record ambiguity instead of overcommitting
此处对应 SKILL.md 的 When to apply 第三条 'When inference, evaluation, and training candidates must be classified conservatively.'，两条互为印证。
职责边界被写死：只扫描与规划，不装环境、不下大资产、不跑实质命令、不决定高风险 patch；输出的是给主编排器的最小可信复现建议。
skills/repo-intake-and-plan/SKILL.md
## Clear boundaries - This skill scans and plans. - This skill is helper-tier and should usually be orchestrator-invoked. - It does not install environments. - It does not prepare large assets. - It does not execute substantive reproduction commands. - It does not decide high-risk patching.
Output expectations 进一步固定交付物：仓库结构摘要、已文档化命令清单、inference/evaluation/training/other 分类、最小可信复现建议、歧义与风险清单。
编排器真的会调用这两个脚本（不是文档里的摆设）：orchestrate_repro.py 解析 skill 目录后以子进程方式跑 scan_repo.py --repo … --json，再拿 readme_path 跑 extract_commands.py --readme … --json，并把结果并入复现流程。
skills/ai-research-reproduction/scripts/orchestrate_repro.py
scan_data = run_json(scan_script, ["--repo", str(repo_path), "--json"]) readme_path = scan_data.get("readme_path") command_data: Dict[str, Any] = {"commands": [], "counts": {}, "warnings": []} if readme_path: command_data = run_json(extract_script, ["--readme", readme_path, "--json"])
同一脚本还把这两个文件打包进 _bundled/skills/repo-intake-and-plan/（见 _bundled/MANIFEST.json 的 source/target/sha256 条目），使主 skill 单独安装也能运行这一阶段；ai-research-explore 的 orchestrate_explore.py 亦复用 scan_repo.py。
2核心能力
01仓库结构扫描（白名单关键文件 + 高信号目录 + 顶层计数 + 缺件告警）
02从 README 代码块/`$ ` 提示行抽取 shell 命令，含反斜杠续行合并与去重
03命令分类为 inference / evaluation / training / other，并另标 kind（setup/asset/smoke/run）
04占位符识别：含 <PATH/TO/DATASET> 之类尖括号占位符的命令被判定为不能原样运行
05Markdown 结构感知：行内代码块内的 # 注释不当标题、裸 > 不当命令提示符（避免把散文变命令）
06入口脚本结构复核 → 必要时把命令升级判为 training（带证据标签）
07输出给主编排的最小可信复现建议 + 歧义/风险清单
3外部依赖
| Kind | Dependency / Endpoint |
|---|---|
| cli | Python 3（脚本解释器；由宿主/编排器调用，脚本自身无子进程外呼） |
4管控建议与判定依据
建议配套管控措施
面向 Agent
分级或逐次授权，建议在沙箱运行
面向管理者
审批流程、可回滚、全程审计
判定依据（文件路径与关键语句摘要）
- scripts/: 执行本地脚本或命令: python3 scripts/scan_repo.py --repo <path> --json（本 skill 自带；只读目录枚举）
审计说明： 。两个脚本均为标准库只读分析器：全目录 token 扫描（https?://、urllib、requests、socket、subprocess、os.environ、open( 写作模式）零命中；不联网、不读环境变量/凭证、不写任何文件、不执行被抽出的命令。路径处理有相对根校验，越界即放弃。唯一需注意的是它读的是不可信仓库的文本与少量源码：清单与分类可被恶意 README 误导（例如把训练命令标成推理），但该结果只是待人工/编排器审阅的建议，真正执行需下游授权闸门，因此判绿。
5第二遍独立确认
- [ok] skill 路径（任务书标『待定位』） — 实际相对路径 skills/repo-intake-and-plan；SKILL.md 位于该目录根。
- [ok] 『helper 脚本』确实存在且被调用（非文档装饰） — orchestrate_repro.py:1162-1167 设定 scan_script/extract_script 并在 1173-1178 以 run_json(...) 执行；_bundled/MANIFEST.json 记录两文件打包目标与 sha256；references/skill-registry.json 的 required_files 列出两者。
- [discrepancy] SKILL.md 未给出脚本调用示例 — SKILL.md 仅在 Notes 写 'Use `references/repo-scan-rules.md` and helper scripts under `scripts/`.'，没有给命令行/参数示例；实际 CLI 契约（--repo/--json、--readme/--json）只能从脚本 argparse 与编排器调用点得到。对模型自助调用不够友好，属可改进项；不影响机制结论，已在 capabilities/how_it_works 中改用编排器调用点为证据。
- [ok] 无网络/无凭证/无写入 — 两脚本 import 仅 argparse/json/re/pathlib/datetime/typing（scan_repo 另有 timezone）；全目录 URL/urllib/requests/socket/subprocess/os.environ 扫描零命中；无写文件调用（仅 print 到 stdout）。
- [ok] 路径越界防护 — referenced_python_script() 先 (root / path).resolve() 再 candidate.relative_to(root)，越界抛 ValueError 返回 None；并有 is_file() 与 524_288 字节上限。
- [ok] 分类优先级与注释一致 — classify() 实际顺序为 setup/asset 前缀 → 章节语义 → SCRIPT_CATEGORY_HINTS → 关键词，与文件内注释 'Unambiguous setup/asset syntax outranks generic headings' 一致；command_kind() 独立返回 setup/asset/run/smoke（--help/-h → smoke）。
- [ok] README 定位与姊妹 helper 分工 — README.md:160 'Two helpers support orchestration: `repo-intake-and-plan` and `paper-context-resolver`.'；tests/trigger_cases.json 中 'expected_top': 'repo-intake-and-plan' 的用例存在（repo_scan_only_en：'Do not run anything yet.'），与 SKILL.md 的『不执行实质命令』一致。
- [ok] 元数据 — 本地 git HEAD bd91195ad73199b95e24532b581ff12c07dcce09（= 任务书 pin）；LICENSE MIT / Copyright (c) 2026 Chengkun Rao；gh api → stars 487、last_push 2026-09-13T13:16:25Z。
6结论
适合： 适合任何 README-first 的 AI/深度学习仓库复现前置：想在动手前拿到一份可信的结构摘要与已文档命令清单、并保守区分推理/评测/训练入口的场合；尤其适合作为复现编排器（ai-research-reproduction）或探索流程（ai-research-explore）的第一个确定性阶段，也适合想给自己仓库做『README 命令可用性』体检的人（用 --json 直接拿机器可读结果）。
不适合： 不适合要装环境、下权重的场景（该用 env-and-assets-bootstrap）；不适合已经开始执行、只想跑某条命令的场景（该用 minimal-run-and-audit / run-train）；不适合只想要论文解读的场景（该用 paper-context-resolver）；不适合把它当作端到端复现器——它只扫描与规划，且不写最终报告。
Install Agent-Ready
① Verified Mirror 2026-09-15
Option A · Direct DownloadDownload repo-intake-and-plan.tar.gz
sha256:
Option B · Copy Guide for Agent1953a875072a9f35…agent 读 JSON 指南后会自动从本站下载安装，无需更多说明。
② Upstream GitHub
GitHub Repo ↗
Pinned to commit bd91195ad7.