rigorpilot-skills
以严谨证据为导向的AI代理技能，用于深度学习的实验复现与探索。
安装使用
复制下面这段提示词发给你的 AI（Claude / Cursor / TRAE / Codex / WorkBuddy 等），它会自动帮你完成安装：
帮我安装这个 AI Skill：rigorpilot-skills。 它的用途是：以严谨证据为导向的AI代理技能，用于深度学习的实验复现与探索。 完整的 Skill 内容见：https://321skill.com/skills/rigorpilot-skills/raw/index.md 请读取该页面内容，如果是 SKILL.md 格式直接安装，如果是 README 提炼核心 prompt 后安装。
提示词包含完整的 Skill 内容链接，AI 读取后即可完成安装。你也可以 查看完整内容 确认无误。
使用示例
“请帮我复现这篇论文《XXX》中的核心实验。”，它会自动解析项目，设置环境，运行训练，并最终生成一份带注释的README，其中每个实验步骤和结果都链接到具体的输出证据。或者，当你有新想法时，可以说：“我授权探索使用Transformer替换CNN的可行性。”，它会在隔离的环境中设计实验、运行对比，并记录所有变更。
介绍
RigorPilot Skills 旨在解决AI辅助深度学习研究中常见的不可复现、证据缺失和变更不可追溯的问题。它不是一个追求更高评分的通用编码框架，而是通过一套严谨的工作流技能，确保研究过程建立在可比较、可复现的证据和可审计的变更之上。
使用时，AI代理将遵循“默认可信”的核心规则，将模糊的请求引导至复现、设置、训练、分析或安全调试等安全路径。只有当研究者明确授权后，才会启动探索性工作。每次复现实验都会生成一份“带注释的README”，将原始README逐字重放，并附上颜色编码、链接了证据的每节结果。
这套技能非常适合那些在深度学习领域进行严肃研究，并希望借助AI代理提高研究效率、同时保证过程严谨性和结果可信度的学术研究者、算法工程师和高校学生。
建议用户从安装核心复现入口技能开始，熟悉其严谨的工作流。在需要探索新想法时，务必使用明确的探索授权指令，以确保所有探索性变更都被隔离和记录。
核心特点
核心区别在于其“研究优先”和“证据锚定”的哲学：它强制要求所有AI辅助的研究活动都必须产出可比较、可复现的证据，并通过“带注释的README”将结果与原始研究文档直接关联，而非仅仅生成代码或追求指标分数。
注意事项
不适合需要快速原型设计、不关心过程可复现性、或追求单一指标分数最大化的轻量级实验场景。
常见问题
RigorPilot Skills 能帮我自动调参刷榜吗？
不能，它的设计目标是确保研究过程的严谨和可复现，而非自动化地追求分数。探索性调参需要研究者明确授权，并在证据锚定的循环中进行公平比较。
它支持哪些AI开发工具？
遵循 Agent Skills 开放标准，支持 Claude Code、Cursor、VS Code 等多种支持 AGENTS.md 规范的AI编码代理和IDE。
给 AI 助手的安装指引
如果你的 AI 编程助手（Claude Code、Cursor、TRAE 等）能看到这个页面，把下面这段发给它即可自动完成安装：
请访问 https://321skill.com/skills/rigorpilot-skills/raw/index.md 读取 rigorpilot-skills 的原始 Skill 定义（Markdown 格式），按其中说明在我的环境里完成安装和配置。
AI 可直接读取的原始 Markdown 地址：/skills/rigorpilot-skills/raw/index.md（查看排版版本）