Agent Research Aggregator

Skannar AI-agentens cacheloggar och formaterar dem till PaperOrchestra idea.md + experimental_log.md.

Testad · Fungerar ★ 8.0/10

Vad den gör

En förbehandlingsskill som upptäcker experimentloggar i AI-kodningsagentens cachekataloger (.claude, .cursor, .antigravity, .openclaw) eller någon given mapp, extraherar och syntetiserar dem sedan till det strukturerade idea.md och experimental_log.md-ingångsparet som PaperOrchestra-pappersskrivningspipelinen förväntar sig. Utlöses när användaren ber att aggregera agentloggar för pappersskrivning, förbereda PaperOrchestra-ingångar från en cache, eller omvandla spridda experimenthistoriker till ett pappersutkast. Körs som ett billigt för-pass före paper-orchestra-skillen.

Testrapport

Klonade repot och körde pipelinen i en temporär HOME mot ett fabricerat RL-experimentprojekt (.claude/memory + results_doorkey.json + NOTES.md). discover_logs.py avslutades med 2 utan --project och 0 efter --project (matchar SKILL.md); den allmänna filskanningen har ingen ** rekursion, så jag var tvungen att peka --search-roots direkt på projektkatalogen innan den hittade de 3 filerna. Jag författade synthesis.json till det dokumenterade Fas-3-schemat och format_po_inputs.py producerade deterministiskt idea.md (Sparse schema), experimental_log.md (numrerade sektioner + justerad GFM-resultattabell + iterationshistorik), och aggregation_report.md med datakvalitetsvarningar och en checklista för saknade ingångar. Jämfördes med en ad-hoc baslinjeidé/logg jag skrev från samma loggar: skill-utdata är schema-konform och nedströms-konsumerbar där baslinjen är lös prosa med resultat som punkter. grep över alla tre skript hittade inga nätverks-/exec-/base64-/exfil-mönster; skript är skrivskyddade på cachekataloger och hoppar över .env/credentials/keys. arXiv-ID 2604.05018 som citeras genomgående är overifierbart.

Testad: 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.

Kommandon och exempelprompter

/agent-research-aggregatorSkannar AI-agentens cacheloggar och formaterar dem till PaperOrchestra idea.md + experimental_log.md.

Skills triggas av vanliga förfrågningar — inga kommandon att memorera. Efter installationen aktiverar prompter som dessa skillen (på engelska):

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

Läs hela rapporten →