Agent Research Aggregator

Scansiona i log della cache degli agenti AI e li formatta in PaperOrchestra idea.md + experimental_log.md

Promosso ★ 8.0/10

Cosa fa

Una skill di pre-elaborazione che scopre i log di sperimentazione nelle directory della cache degli agenti di codifica AI (.claude, .cursor, .antigravity, .openclaw) o in qualsiasi cartella data, quindi li estrae e sintetizza nella coppia di input strutturata idea.md e experimental_log.md che la pipeline di scrittura paper PaperOrchestra si aspetta. Si attiva quando l'utente chiede di aggregare i log degli agenti per la scrittura di paper, preparare input PaperOrchestra da una cache o trasformare storie di esperimenti sparse in una bozza di paper. Esegue come un pre-pass economico prima della skill paper-orchestra.

Rapporto di test

Clonato il repo e eseguita la pipeline in una HOME temporanea contro un progetto RL-experiment fabbricato (.claude/memory + results_doorkey.json + NOTES.md). discover_logs.py è uscito con 2 senza --project e 0 dopo --project (corrispondente a SKILL.md); la scansione generale dei file non ha ricorsione `**`, quindi ho dovuto puntare --search-roots direttamente alla directory del progetto prima che trovasse i 3 file. Ho creato synthesis.json secondo lo schema documentato della Fase 3 e format_po_inputs.py ha prodotto deterministicamente idea.md (schema Sparse), experimental_log.md (sezioni numerate + tabella risultati GFM allineata + cronologia iterazioni) e aggregation_report.md con avvisi sulla qualità dei dati e una checklist di input mancanti. Confrontato con un idea/log baseline ad-hoc che ho scritto dagli stessi log: l'output della skill è conforme allo schema e consumabile a valle, mentre la baseline è prosa sciolta con risultati come punti elenco. grep su tutti e tre gli script non ha trovato pattern network/exec/base64/exfil; gli script sono di sola lettura sulle directory della cache e saltano .env/credentials/keys. L'ID arXiv 2604.05018 citato è inverificabile.

Testato il: 2026-07-21 · Claude Code 2.x (agent harness)

Installazione

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.

Comandi e prompt di esempio

/agent-research-aggregatorScansiona i log della cache degli agenti AI e li formatta in PaperOrchestra idea.md + experimental_log.md

Gli skill si attivano con richieste in linguaggio naturale, senza comandi da ricordare. Dopo l'installazione, prompt come questi lo attivano (in inglese):

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

Rapporto completo →