Agent Research Aggregator

Scannt AI-Agent-Cache-Logs und formatiert sie in PaperOrchestra idea.md + experimental_log.md

Getestet · Funktioniert ★ 8.0/10

Was es kann

Ein Vorverarbeitungs-Skill, der Experimentier-Logs in AI-Coding-Agent-Cache-Verzeichnissen (.claude, .cursor, .antigravity, .openclaw) oder einem beliebigen Ordner entdeckt, diese dann extrahiert und zu dem strukturierten idea.md- und experimental_log.md-Eingabepaar synthetisiert, das die PaperOrchestra-Papiererstellungs-Pipeline erwartet. Wird ausgelöst, wenn der Benutzer darum bittet, Agent-Logs für das Schreiben von Papieren zu aggregieren, PaperOrchestra-Eingaben aus einem Cache vorzubereiten oder verstreute Experimentierhistorien in einen Papierentwurf umzuwandeln. Läuft als günstiger Vorlauf vor dem paper-orchestra Skill.

Testbericht

Das Repo geklont und die Pipeline in einem temporären HOME gegen ein fabriziertes RL-Experiment-Projekt (.claude/memory + results_doorkey.json + NOTES.md) ausgeführt. discover_logs.py beendete sich mit 2 ohne --project und mit 0 nach --project (passend zu SKILL.md); der allgemeine Dateiscan hat keine ** Rekursion, daher musste ich --search-roots direkt auf das Projektverzeichnis zeigen, bevor es die 3 Dateien fand. Ich habe synthesis.json nach dem dokumentierten Phase-3-Schema erstellt und format_po_inputs.py erzeugte deterministisch idea.md (Sparse-Schema), experimental_log.md (nummerierte Abschnitte + ausgerichtete GFM-Ergebnistabelle + Iterationshistorie) und aggregation_report.md mit Datenqualitätswarnungen und einer Checkliste für fehlende Eingaben. Verglichen mit einem Ad-hoc-Baseline-Idea/Log, das ich aus denselben Logs geschrieben hatte: Die Skill-Ausgabe ist schema-konform und nachgelagert konsumierbar, wo die Baseline lose Prosa mit Ergebnissen als Aufzählungszeichen ist. grep über alle drei Skripte fand keine Netzwerk-/Exec-/Base64-/Exfil-Muster; Skripte sind read-only auf Cache-Verzeichnissen und überspringen .env/credentials/keys. Die durchgehend zitierte arXiv-ID 2604.05018 ist unüberprüfbar.

Getestet am: 2026-07-21 · Claude Code 2.x (agent harness)

Installation

git clone --depth 1 https://github.com/Ar9av/PaperOrchestra.git /tmp/agent-research-aggregator-src
mkdir -p ~/.claude/skills
cp -R /tmp/agent-research-aggregator-src/skills/agent-research-aggregator ~/.claude/skills/agent-research-aggregator
# Deps: python3 only (stdlib argparse/json/pathlib — no pip install needed for the deterministic scripts).
# Phases 2 & 3 (extraction + synthesis) are LLM calls the host agent performs; no API key wired into the scripts.
# The skill's scripts reference paths as skills/agent-research-aggregator/scripts/*.py — run them from a repo checkout
#   or adjust to ~/.claude/skills/agent-research-aggregator/scripts/*.py
# Downstream paper-orchestra also needs user-supplied template.tex + conference_guidelines.md.

Befehle & Beispiel-Prompts

/agent-research-aggregatorScannt AI-Agent-Cache-Logs und formatiert sie in PaperOrchestra idea.md + experimental_log.md

Skills reagieren auf normale Anfragen — keine Slash-Befehle nötig. Nach der Installation aktivieren Prompts wie diese den Skill (auf Englisch):

Aggregate my Claude agent logs for paper writing
Extract experiments from my coding agent history
Prepare PaperOrchestra inputs from my .cursor cache

Vollständiger Testbericht (Englisch) →