Версия 2.5.0 бета

Набор навыков Клода Кода для проведения научных исследований с агентами ИИ.

Он построен на одной предпосылке: ** работа с способными агентами ИИ — это проблема управления, а не проблема инструментов. Как только агенты могут проводить эксперименты, писать код и черновики документов, узкое место переходит к человеческой стороне: как направлять, анализировать и исправлять талантливую команду, чьи цели не совсем ваши, и кто знает больше о том, что она только что сделала, чем вы? Наука управления размышляла над этой проблемой в течение столетия. Эта структура применяет свои ответы к лаборатории ИИ с одним человеком.

Философия

Государственные намерения, а не инструкции. Делегируйте то, что делают хорошие командиры: скажите, почему, как выглядит то, что сделано, и что не должно быть принесено в жертву, а затем позвольте агенту выбрать средства. Каждое правило в этих рамках имеет свой разум, и агентам говорят: когда буква правила противоречит его разуму, бросайте вызов правилу, а не слепо подчиняйтесь ему. Правило, соблюдаемое без причины, приводит к абсурдным результатам, таким как полная реструктуризация папки контрольно-пропускного пункта, которую никто никогда не прочтет.

** Рисунки являются интерфейсом.

Vibe Research

Version 2.5.0 beta · 中文版

A set of Claude Code skills for doing scientific research with AI agents.

It is built on one premise: working with capable AI agents is a management problem, not a tooling problem. Once agents can run experiments, write code, and draft papers, the bottleneck moves to the human side: how do you direct, review, and correct a talented team whose goals are not exactly yours and who knows more about what it just did than you do? Management science has thought about that problem for a century. This framework applies its answers to the one-person AI lab.

The philosophy

State intent, not instructions. Delegate the way good commanders do: say why, what done looks like, and what must not be sacrificed, then let the agent choose the means. Every rule in this framework ships with its reason, and agents are told: when the letter of a rule conflicts with its reason, challenge the rule instead of obeying it blindly. A rule followed without its reason produces absurd results, like perfectly restructuring a checkpoint folder nobody will ever read.

Figures are the interface. Statistics are compression applied before you know what matters, so they silently discard the surprises. Every experiment must end in figures: full distributions, not summary numbers. Figures are also the one information channel that is not filtered through the agent’s own report of its work: they separate how it went from how the agent says it went. The human judges by looking; that judgment is deliberately never automated, because any fixed metric handed to an optimizer stops measuring what you meant (Goodhart’s law).

Decide by recovery cost, not by git. Agents get full autonomy where mistakes are cheap to undo: scratch space, small experiments, exploration branches. They must ask first where recovery is expensive, and expensive is measured in human terms, not repository terms. Rewriting a paper’s narrative is irreversible even though git can revert it, because once the author has read and absorbed a version, their mind does not roll back.

Organize by what the human reads. Directories the human reads are kept small and scannable; directories they never read (checkpoints, caches) have no tidiness rules at all. Every simplicity constraint in this framework is conditioned on a reader actually existing.