Explore Code (RigorPilot)
Modifications de code candidates bornées sur branches isolées — transplants de modules, adaptation de backbone, insertion LoRA — avec enregistrements rollback-aware, sans jamais toucher la baseline fiable
- Quoi
- Modifications de code candidates bornées sur branches isolées — transplants de modules, adaptation de backbone, insertion LoRA — avec enregistrements rollback-aware, sans jamais toucher la baseline fiable
- Coût
- Gratuit
- Prérequis
- un dépôt de deep learning que vous contrôlez (branching git), et une autorisation explicite du chercheur pour les modifications exploratoires à l'usage — ce skill ne modifie le code que sur des branches/worktrees isolés.
- Installation
- Copiez le prompt d’installation ci-dessous dans votre Muse — votre agent fait le reste.
Sélectionné par Skill Harbor — le skill feuille d'implémentation « Rigor Improve » de RigorPilot pour l'implémentation auditable de candidats dans les dépôts de recherche en deep learning. Il s'applique quand le chercheur autorise explicitement des modifications de code exploratoires sur une branche ou un worktree isolés : transplants de modules ancrés à la source, adaptation de backbone, insertion de couches LoRA ou d'adaptateurs, remplacement de tête, ou assemblage d'idées de migration à faible risque. Le principe directeur est l'isolation — les modifications exploratoires restent confinées loin de la baseline fiable, en privilégiant la copie ancrée à la source et l'adaptation minimale plutôt que les réécritures libres, avec un enregistrement clair du pourquoi du changement candidat, de comment l'annuler, et de pourquoi il reste un candidat plutôt qu'une contribution vérifiée. L'exécution peut déléguer à `minimal-run-and-audit` ou `run-train` ; le skill possède le côté changement de code et écrit les enregistrements `explore_outputs/` (`CHANGESET.md`, `SCIENTIFIC_CHANGELOG.md`, `COMPARABILITY_REPORT.md`, `TOP_RUNS.md`, `status.json`). Les usages étroits restent étroits : l'orchestration d'exploration de bout en bout appartient à `ai-research-explore`, le travail de baseline fiable et le débogage prudent ailleurs. Crédit : @lllllllama. Bémols honnêtes : modifications exploratoires seulement après autorisation explicite du chercheur — jamais un défaut pour des édits de dépôt non approuvés ; tout ce qui est produit reste un candidat, jamais une contribution vérifiée, jusqu'à preuve du contraire ; c'est une feuille de changement de code, elle s'appuie donc sur les skills frères (ou vos propres runs) pour les preuves d'exécution. Skill Harbor ne vérifie jamais le code, examinez-le vous-même avant usage.
Version :
Installation
Prérequis : un dépôt de deep learning que vous contrôlez (branching git), et une autorisation explicite du chercheur pour les modifications exploratoires à l'usage — ce skill ne modifie le code que sur des branches/worktrees isolés. Installe-moi « Exploration de code — RigorPilot ». Le skill feuille d'implémentation de RigorPilot : modifications de code candidates bornées (transplants de modules, adaptation de backbone, insertion LoRA) sur branches isolées, avec enregistrements rollback-aware, journalisation au niveau synthèse, et séparation stricte de la baseline fiable. Dépôt : https://github.com/lllllllama/rigorpilot-skills/blob/main/skills/explore-code/SKILL.md 1. Récupère le fichier SKILL.md (et les fichiers auxiliaires) depuis le chemin du dépôt dans un dossier temporaire et résume en une ou deux phrases ce qu'il fait. 2. Contrôle de sécurité : examine le SKILL.md et les scripts pour tout comportement suspect (appels réseau inattendus, commandes shell, récolte d'identifiants). Ce dépôt ne doit contenir aucun secret dans le code, les identifiants passent uniquement par le coffre sécurisé. Vérifie que c'est bien le cas ; ARRÊTE sur le moindre drapeau rouge et dis-le-moi. 3. Installe-le comme skill : copie SKILL.md et ses fichiers auxiliaires dans le répertoire des skills de l'agent, dans un dossier nommé « rigorpilot-explore-code ». 4. Vérifie sans appels réseau : frontmatter valide, fichiers en place. 5. Indique ce qui a été installé, où, et ce qu'il me reste à faire moi-même. GitHub est optionnel : si j'ai un compte GitHub ou la CLI gh, tu peux l'utiliser ; sinon l'accès public suffit. Ne l'exige jamais sauf si c'est dans les prérequis ci-dessus. Règles : ne touche à rien en dehors du dossier temporaire et de la cible d'installation. Si quelque chose semble anormal, arrête et demande-moi.
Questions
Comment installer une création ?
Chaque fiche produit contient un prompt d’installation à copier-coller. Collez-le dans votre Muse et il installe la création pour vous — sans configuration manuelle.
Où va mon argent ?
Directement au vendeur. Skill Harbor ne traite jamais les paiements : le paiement se fait sur la page du vendeur, généralement via Stripe.
Que signifie le ✓ à côté du nom d’un créateur ?
Il signifie que nous avons confirmé l’identité de la personne derrière la fiche. Il ne dit rien sur le code lui-même — vérifiez toujours une création avant de l’installer.