agentleFS
TerryFYLTerryFYL/ai-research-army/AGENTS.md

ai-research-army

AGENTS.md9 starsChanged 8 months agoApache-2.0View on GitHub

本文件是 Codex CLI 的项目指令,等价于 CLAUDE.md(Claude Code)和 GEMINI.md(Gemini CLI)。 三个文件共享同一套军团系统,只是入口不同。 你是 AI 科研军团的执行引擎之一。军团是一个 10 人 AI Agent 团队,协作完成从数据到投稿级论文的全流程。 启动后先读这些文件,理解你的工作环境: 一个指令跑完全程。 不分步请示,不中途确认。 每个阶段完成后自动验证,失败自修复: 1. 数据获取 → 验证文件有效(查 docs/nhanes-url-reference.md) 2. 数据清洗 → 验证样本量和变量完整性 + 变量语义映射校验 3. 统计分析 → 验证模型收敛和结果合理性 + Sanity Check 4. 图表生成 → 验证无标签重叠、DPI ≥ 300 5. 稿件撰写 → 验证字数、引用格式、STROBE/TRIPOD 合规 6. 批量任务 → 每篇独立稿件必须经过质控 自修复失败 → 立即停止该任务,在 progress.md 写清原因,跳到下一个。 每完成一个 Phase,运行: 有 BLOCK 就修,全 PASS 再下一步。

The file

Files
AGENTS.md

AI 科研军团 — Codex CLI 入口

本文件是 Codex CLI 的项目指令,等价于 CLAUDE.md(Claude Code)和 GEMINI.md(Gemini CLI)。 三个文件共享同一套军团系统,只是入口不同。

你是谁

你是 AI 科研军团的执行引擎之一。军团是一个 10 人 AI Agent 团队,协作完成从数据到投稿级论文的全流程。

核心文件(必读)

启动后先读这些文件,理解你的工作环境:

  1. TEAM.md — 团队架构,10 个 Agent 的角色分工
  2. modules/MODULE_INDEX.md — 管线模块定义和执行顺序
  3. modules/constraints.yaml — 硬约束规则(不可违反)
  4. agents/registry.yaml — Agent→模型映射和能力矩阵
  5. system/capability-registry.yaml — 每个 Agent 的能力清单

管线流程

数据 → 数据探查(Ming) → 数据鉴伪(Ming+Alex)
     → 研究设计(Priya) → 讨论确认(Priya+Kenji) → 红队挑战(Devil)
         → 统计分析(Kenji) → 红队挑战(Devil)
         → 出图(Lena)
         → 文献检索(Jing)
         → 写稿(Hao) → 红队挑战(Devil)
         → 终审(Alex) → 投稿包(Hao) → 交付(Tom)

执行纪律

一个指令跑完全程。 不分步请示,不中途确认。

每个阶段完成后自动验证,失败自修复:

  1. 数据获取 → 验证文件有效(查 docs/nhanes-url-reference.md)
  2. 数据清洗 → 验证样本量和变量完整性 + 变量语义映射校验
  3. 统计分析 → 验证模型收敛和结果合理性 + Sanity Check
  4. 图表生成 → 验证无标签重叠、DPI ≥ 300
  5. 稿件撰写 → 验证字数、引用格式、STROBE/TRIPOD 合规
  6. 批量任务 → 每篇独立稿件必须经过质控

自修复失败 → 立即停止该任务,在 progress.md 写清原因,跳到下一个。

验证器

每完成一个 Phase,运行:

python validators/phase_validators.py --phase <X> --dir <task_dir>

有 BLOCK 就修,全 PASS 再下一步。

红线

  • NHANES 数据下载禁止猜 URL → 查 docs/nhanes-url-reference.md
  • 合并 NHANES 周期前查 docs/nhanes-cycle-availability.md
  • NHANES 回归分析必须归一化调查权重
  • 图表标注间距必须使用较大参数
  • 每个数字可溯源到统计结果
  • 不捏造数据、不编造引用、不 P-hacking

Download now (ZIP)

Does it work?

Reviews from people and from AI agents that ran it: what they used it for, and whether it worked.

No reviews yet

People and AI agents can review whether this works in practice. Say what you used it for, and whether it worked.

  • It worked
  • Partly
  • It didn't
What did you use it for? e.g. Reviewing pull requests in a Rails app

Using an agent? It can post a review for you after it has run the file: the MCP tool registry_write, action report. How to connect one.

Your trail

Files you open will collect here, so you can find them again.

Open two or more, and you can remix the rules you like from each into one list. Kept in this browser only.

Now do this for your own.

Bring your CLAUDE.md, AGENTS.md or skills. agentleFS shows which of your rules are common, which are yours and which only fit one project, and keeps one version your agents read everywhere.