Agent Research Aggregator

Scant AI agent cache logs en formatteert ze naar PaperOrchestra idea.md + experimental_log.md

Getest · Werkt ★ 8.0/10

Wat het doet

Een pre-processing skill die experimentatielogs ontdekt in AI coding-agent cache directories (.claude, .cursor, .antigravity, .openclaw) of een willekeurige map, en deze vervolgens extraheert en synthetiseert tot het gestructureerde idea.md en experimental_log.md invoerpaar dat de PaperOrchestra paper-writing pijplijn verwacht. Activeert wanneer de gebruiker vraagt om agent logs te aggregeren voor paper writing, PaperOrchestra inputs voor te bereiden vanuit een cache, of verspreide experimentgeschiedenissen om te zetten in een paperconcept. Draait als een goedkope pre-pass vóór de paper-orchestra skill.

Testrapport

De repo gekloond en de pijplijn uitgevoerd in een tijdelijke HOME tegen een gefabriceerd RL-experiment project (.claude/memory + results_doorkey.json + NOTES.md). discover_logs.py eindigde met exit 2 zonder --project en 0 na --project (overeenkomend met SKILL.md); de algemene bestandsscan heeft geen ** recursie, dus ik moest --search-roots direct naar de projectmap wijzen voordat het de 3 bestanden vond. Ik heb synthesis.json opgesteld volgens het gedocumenteerde Fase-3 schema en format_po_inputs.py produceerde deterministisch idea.md (Sparse schema), experimental_log.md (genummerde secties + uitgelijnde GFM resultaten tabel + iteratiegeschiedenis), en aggregation_report.md met data-kwaliteitswaarschuwingen en een ontbrekende-inputs checklist. Vergeleken met een ad-hoc baseline idee/log die ik schreef vanuit dezelfde logs: de skill output is schema-conform en downstream-consumeerbaar waar de baseline los proza is met resultaten als opsommingstekens. grep over alle drie de scripts vond geen netwerk/exec/base64/exfil patronen; scripts zijn alleen-lezen op cache dirs en slaan .env/credentials/keys over. De arXiv id 2604.05018 die overal wordt genoemd, is onverifieerbaar.

Getest op: 2026-07-21 · Claude Code 2.x (agent harness)

Installatie

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.

Commando's en voorbeeldprompts

/agent-research-aggregatorScant AI agent cache logs en formatteert ze naar PaperOrchestra idea.md + experimental_log.md

Skills reageren op gewone verzoeken — geen commando's om te onthouden. Na installatie activeren prompts zoals deze de skill (in het Engels):

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

Volledig rapport (Engels) →