fcakyon/phd-skills

무엇인가요

phd-skills는 Claude Code (Anthropic의 AI 코딩 어시스턴트)를 위한 플러그인으로, 기계학습 연구자들을 위한 연구 전용 가드레일과 워크플로우를 추가합니다. 논문 재현, 트레이닝 실행 디버깅, 실험 비교와 같은 과학적 작업에서 AI 어시스턴트의 신뢰성을 높이기 위해, 명령어, 자동 트리거 스킬, 백그라운드 에이전트, 안전 스크립트의 세트를 제공합니다.

해결하는 문제

저자(ML 연구자)는 Claude Code가 고비용의 연구 전용 실수를 범한다는 것을 발견했습니다: 잘못된 설정으로 트레이닝 실행, 잘못된 데이터셋 분할 분석, 검증 없이 테스트 성공이라고 주장, 그림을 확인하지 않고 생성된 수치 신뢰, 환각된 경로에서 파괴적인 명령 실행 등. 각 실수는 수주에 걸친 컴퓨팅 자원을 낭비합니다. 이 플러그인은 이러한 실수를 미리 감지하는 가드레일을 추가합니다.

작동 방식

외부 종속 없이 단일 명령어로 설치 가능한 3단계 구조입니다:

1. 명령어 (총 6개) — 명시적인 슬래시 명령어 예: /phd-skills:reproduce arxiv 2508.12345 (arXiv에서 논문 재현) 및 /phd-skills:xray (코드와 데이터에 대해 5차원으로 논문 감사).

2. 스킬 (총 12개) — 평문으로 작업을 설명하면 자동 트리거됩니다. "내 손실이 왜 발산하고 있나요?"라고 말하면 증거 중심의 탐색을 수행하는 디버그 스킬이 실행; "run alpha를 베이스라인과 비교"라고 말하면 판단 전에 동일한 에포크에서 실험을 정렬하는 비교 스킬이 작동합니다.

3. 가드레일 (총 11개) — 조용한 백그라운드 검사. 예: 새 컨텍스트의 "연구 동료"가 실제 결과물에 기반해 결론을 검토; AI가 환각한 경로에서 rm -rf를 차단하는 스크립트; 생성된 그림이 실제로 확인되었는지 검증하는 스크립트; 긴 ML 트레이닝 시작 전에 프리플라이트 체크리스트 실행.

또한 두 개의 백그라운드 에이전트가 자동으로 Claude에 위임됩니다: paper-auditor는 격리된 워크트리에서 논문 주장과 코드/데이터를 교차 검증하고, experiment-analyzer는 wandb/neptune/tensorboard/mlflow에서 결과를 읽어 분석합니다.

디자인 철학

README는 스크립트보다는 방법론을 강조합니다 — 스킬은 접근 방식을 가르치며, Claude가 특정 환경(wandb, 로컬 파일 등)에 맞춰 코드를 생성하도록 하며, 고정된 도구를 제공하지 않습니다. 또한 인간의 감시를 강조합니다: AI 어시스턴트는 조기 결론을 내기 쉬우므로 모든 스킬에 검증 체크포인트가 포함되어 있습니다.

결론

Claude Code를 사용해 진지한 ML 연구를 수행하는 모든 사람에게 실용적인 안전 계층입니다 — 새로운 AI 기능을 추가하는 것이 아니라, 기존 AI 어시스턴트가 피할 수 있는 실수로 인해 컴퓨팅 자원을 낭비하지 않도록 합니다.