Agent Research Aggregator

Escanea registros de caché de agentes de IA y los formatea en PaperOrchestra idea.md + experimental_log.md

Probado · Funciona ★ 8.0/10

Qué hace

Una habilidad de preprocesamiento que descubre registros de experimentación en directorios de caché de agentes de codificación de IA (.claude, .cursor, .antigravity, .openclaw) o cualquier carpeta dada, luego los extrae y sintetiza en el par de entrada estructurado idea.md y experimental_log.md que espera la pipeline de escritura de artículos PaperOrchestra. Se activa cuando el usuario pide agregar registros de agentes para escribir un artículo, preparar entradas de PaperOrchestra desde una caché o convertir historiales de experimentos dispersos en un borrador de artículo. Se ejecuta como un pre-paso económico antes de la habilidad paper-orchestra.

Informe de la prueba

Se clonó el repositorio y se ejecutó la pipeline en un HOME temporal contra un proyecto de experimento RL fabricado (.claude/memory + results_doorkey.json + NOTES.md). discover_logs.py salió con 2 sin --project y 0 después de --project (coincidiendo con SKILL.md); el escaneo de archivos generales no tiene recursión **, por lo que tuve que apuntar --search-roots directamente al directorio del proyecto antes de que encontrara los 3 archivos. Autoré synthesis.json según el esquema documentado de Fase 3 y format_po_inputs.py produjo determinísticamente idea.md (esquema Sparse), experimental_log.md (secciones numeradas + tabla de resultados GFM alineada + historial de iteraciones) y aggregation_report.md con advertencias de calidad de datos y una lista de verificación de entradas faltantes. Comparado con una idea/registro de referencia ad-hoc que escribí a partir de los mismos registros: la salida de la habilidad es conforme al esquema y consumible aguas abajo, mientras que la referencia es prosa suelta con resultados en viñetas. grep en los tres scripts no encontró patrones de red/ejecución/base64/exfiltración; los scripts son de solo lectura en los directorios de caché y omiten .env/credentials/keys. El ID de arXiv 2604.05018 citado en todo el texto es inverificable.

Probado el: 2026-07-21 · Claude Code 2.x (agent harness)

Instalación

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.

Comandos y prompts de ejemplo

/agent-research-aggregatorEscanea registros de caché de agentes de IA y los formatea en PaperOrchestra idea.md + experimental_log.md

Los skills se activan con peticiones en lenguaje natural, sin comandos que memorizar. Tras instalarlo, prompts como estos lo activan (en inglés):

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

Informe completo →