agentleFS
wangyi0403wangyi0403/dl-research-workflow/AGENTS.md

dl-research-workflow

AGENTS.md4 starsChanged 39 days agoMITView on GitHub

本项目采用证据驱动的 Stage 0–6 科研与论文流程。系统、开发者、用户当前请求及全局约定优先于本文件。阶段判据、Gate 与失败路由集中在 docs/WORKFLOW.md;本文件只保留常驻硬规则和读取入口。 新科研项目先按 README.md 的初始化说明检查目录与计划,在授权范围内建立项目骨架和所需技能,再填写启动信息。已有项目从 docs/00_start.md 及现有成果定位阶段,保留既有修改,只补必要缺项,不重复初始化或机械从 Stage 0 重跑;接续前核验当前阶段所需的前置条件。 每轮只读 docs/00_start.md 的当前状态、授权和下一步,再定位所需材料。长任务恢复或交接先按 00 的恢复核对确认下一动作与冻结目标、协议及版本一致。阶段不明或需要定位记录时查 docs/README.md;详细阶段与 Gate 判据按需查 docs/WORKFLOW.md。主控依全局协作规则选择直接执行、子代理、独立任务或聊天端辅助,本文件不复制模型名单和协作流程。 论文规划、完整起草、图题编辑和投稿检查按需读取 docs/WRITING_STANDARD.md。研究型论文默认七章:引言、相关工作、方法、数据与实验设置、实验结果、深入分析、结论;在 docs/09_paper_plan.md 实化逐章字数/图/表预算,依据当前用户要求、已批准结构及已核验期刊要求调整。规范内的参考稿计数和编辑经验不替代项目证据或现行期刊要求。 不要在项目文件里复制全局插件、应用或 MCP 清单。每项任务根据当前会话实际可调用的工具和全局能力路由选择入口;只在 docs/00_start.md 记录会阻碍本项目的能力缺口,不维护会过期的全局工具快照。 .agents/skills/ 保存项目级核心技能。使用 python tools/project.py list 查看随仓库发布的技能,使用 python tools/project.py add <project-path> --profile <profile> 按阶段补充。兼容其他助手时按 SETUP.md 使用原生目录适配或显式读取,先核验当前工具能力,不安装或修改全局配置。 不得编造引文、实验结果、审批、作者身份、数据许可、标准、期刊要求或已完成工作。AI 不是作者、证据来源或审批者;负责人确认研究问题、方法、实验计划、提升后的论断、结论和投稿决定。将重要论断关联到 docs/03_idea_report.md 的 Claim / Evidence ID,并回到一手来源核验。 确认针对需要决定的对象与版本,复用仍有效的批准;已批准范围内的实施细化、证据核验和普通编辑自主推进,不要求每阶段新增一条批准。实质改变目标、需要确认的论断提升、最终科学结论和投稿决定仍由负责人确认;执行或算力授权不替代学术签认。 区分观测结果、解释、假设和推测;保留负结果、未解决冲突及适用边界。原始和受限数据不可变;不得覆盖原始数据或就地修改支撑已报告结果的配置、检查点和实验记录。 付费计算、云资源创建或删除、远程进程操作、外部上传或发布、投稿、发送邮件及其他高影响操作,按当前全局规则和项目 docs/00_start.md 的授权执行。新增费用、对象、数据或权限范围时先取得相应授权。第三方模型仅按用户当前授权和全局外部模型咨询规则使用,发送最小脱敏上下文,其意见仍需核验。 开始昂贵训练前,完成数据审计、最小 smoke test、基线和停止规则、成本估计及所需授权。每次实际运行使用新的 Experiment ID,即使配置相同;配置、数据版本、划分、种子、代码、环境、硬件、命令、日志和输出登记在 experiments/registry/experiments.csv,并通过 state_path 引用运行器的原始状态。CSV 是统一运行台账,state.json 保留进程与产物事实;07 中的 active-run 是派生绑定,冲突处理遵循其规则。 当前阶段、下一 Gate、授权、阻塞和最小下一步只维护在 docs/00_start.md;实验统一登记在 experiments/registry/experiments.csv 并引用原始运行记录。公共台账及监督绑定由主任务或唯一调度者串行更新,执行者返回各自 Experiment ID…

The file

Files
AGENTS.md

项目工作规则

目标与权威

本项目采用证据驱动的 Stage 0–6 科研与论文流程。系统、开发者、用户当前请求及全局约定优先于本文件。阶段判据、Gate 与失败路由集中在 docs/WORKFLOW.md;本文件只保留常驻硬规则和读取入口。

新科研项目先按 README.md 的初始化说明检查目录与计划,在授权范围内建立项目骨架和所需技能,再填写启动信息。已有项目从 docs/00_start.md 及现有成果定位阶段,保留既有修改,只补必要缺项,不重复初始化或机械从 Stage 0 重跑;接续前核验当前阶段所需的前置条件。

每轮只读 docs/00_start.md 的当前状态、授权和下一步,再定位所需材料。长任务恢复或交接先按 00 的恢复核对确认下一动作与冻结目标、协议及版本一致。阶段不明或需要定位记录时查 docs/README.md;详细阶段与 Gate 判据按需查 docs/WORKFLOW.md。主控依全局协作规则选择直接执行、子代理、独立任务或聊天端辅助,本文件不复制模型名单和协作流程。

论文规划、完整起草、图题编辑和投稿检查按需读取 docs/WRITING_STANDARD.md。研究型论文默认七章:引言、相关工作、方法、数据与实验设置、实验结果、深入分析、结论;在 docs/09_paper_plan.md 实化逐章字数/图/表预算,依据当前用户要求、已批准结构及已核验期刊要求调整。规范内的参考稿计数和编辑经验不替代项目证据或现行期刊要求。

动态工具与技能

不要在项目文件里复制全局插件、应用或 MCP 清单。每项任务根据当前会话实际可调用的工具和全局能力路由选择入口;只在 docs/00_start.md 记录会阻碍本项目的能力缺口,不维护会过期的全局工具快照。

.agents/skills/ 保存项目级核心技能。使用 python tools/project.py list 查看随仓库发布的技能,使用 python tools/project.py add <project-path> --profile <profile> 按阶段补充。兼容其他助手时按 SETUP.md 使用原生目录适配或显式读取,先核验当前工具能力,不安装或修改全局配置。

证据与学术责任

不得编造引文、实验结果、审批、作者身份、数据许可、标准、期刊要求或已完成工作。AI 不是作者、证据来源或审批者;负责人确认研究问题、方法、实验计划、提升后的论断、结论和投稿决定。将重要论断关联到 docs/03_idea_report.md 的 Claim / Evidence ID,并回到一手来源核验。

确认针对需要决定的对象与版本,复用仍有效的批准;已批准范围内的实施细化、证据核验和普通编辑自主推进,不要求每阶段新增一条批准。实质改变目标、需要确认的论断提升、最终科学结论和投稿决定仍由负责人确认;执行或算力授权不替代学术签认。

区分观测结果、解释、假设和推测;保留负结果、未解决冲突及适用边界。原始和受限数据不可变;不得覆盖原始数据或就地修改支撑已报告结果的配置、检查点和实验记录。

授权与运行安全

付费计算、云资源创建或删除、远程进程操作、外部上传或发布、投稿、发送邮件及其他高影响操作,按当前全局规则和项目 docs/00_start.md 的授权执行。新增费用、对象、数据或权限范围时先取得相应授权。第三方模型仅按用户当前授权和全局外部模型咨询规则使用,发送最小脱敏上下文,其意见仍需核验。

开始昂贵训练前,完成数据审计、最小 smoke test、基线和停止规则、成本估计及所需授权。每次实际运行使用新的 Experiment ID,即使配置相同;配置、数据版本、划分、种子、代码、环境、硬件、命令、日志和输出登记在 experiments/registry/experiments.csv,并通过 state_path 引用运行器的原始状态。CSV 是统一运行台账,state.json 保留进程与产物事实;07 中的 active-run 是派生绑定,冲突处理遵循其规则。

目录与状态

当前阶段、下一 Gate、授权、阻塞和最小下一步只维护在 docs/00_start.md;实验统一登记在 experiments/registry/experiments.csv 并引用原始运行记录。公共台账及监督绑定由主任务或唯一调度者串行更新,执行者返回各自 Experiment ID 下的产物。docs/README.md 规定其他记录归属。experiments/ 是唯一远程计算边界,结果写入 results/。未经项目理由,不创建竞争的顶层 src、configs、scripts、tests、reports 或 artifacts。

阶段完成、运行启动或终态、阻塞及授权改变时,更新权威状态文件和对应阶段文档。详细 Gate 判据、阶段目标、运行监督与完成条件见 docs/WORKFLOW.md。

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.