fcakyon/phd-skills

是什麼

phd-skills 是為 Claude Code（Anthropic 的 AI 編碼助手）設計的外掛程式，為機器學習研究人員添加研究專用的防護機制與工作流程。它是一組命令、自動觸發技能、背景代理與安全腳本，讓 AI 助手在執行論文重現、訓練執行除錯與實驗對比等科學工作時更具可靠性。

解決的問題

作者（一名 ML 研究人員）發現，Claude Code 會犯下高成本的研究專屬錯誤：使用錯誤設定啟動訓練任務、分析錯誤的資料集分割、未驗證就聲稱測試通過、不查看圖表就信任生成的數字，甚至在幻覺出的路徑上執行破壞性命令。每次錯誤都可能浪費數週的計算資源。此外掛程式透過添加防護機制，在錯誤發生前就將其捕獲。

如何運作

三層結構，透過單一指令安裝，零外部依賴：

1. 命令（共 6 個）—— 明確的斜線命令，例如 /phd-skills:reproduce arxiv 2508.12345（從 arXiv 重現一篇論文）和 /phd-skills:xray（從 5 個維度審計論文與程式碼和資料的一致性）。

2. 技能（共 12 個）—— 當你以自然語言描述任務時自動觸發。說「為什麼我的損失在發散？」時，一個以證據為先的除錯技能會執行探查；說「將 run alpha 與基線進行比較」時，一個對比技能會先將實驗對齊到相同 epoch 再進行判斷。

3. 防護機制（共 11 個）—— 靜默的背景檢查。例如：一個新上下文的「研究同儕」會基於實際成果物審查結論；一個腳本會阻止在 AI 可能幻覺出的路徑上執行 rm -rf；另一個腳本會驗證生成的圖表是否真的被查看過；在長時間 ML 訓練啟動前執行預飛行檢查清單。

此外還有兩個背景 代理，Claude 會自動委派它們：一個 paper-auditor 會在隔離的工作樹中交叉核對論文主張與程式碼/資料；一個 experiment-analyzer 會讀取 wandb/neptune/tensorboard/mlflow 中的結果。

設計哲學

README 強調 方法論勝於腳本 —— 技能教授的是方法，Claude 會為你的具體環境（wandb、本地檔案等）生成程式碼，而不是提供僵化的工具。同時強調人工監督：每個技能都包含驗證檢查點，因為 AI 助手往往會過早下結論。

總結

對於使用 Claude Code 進行嚴謹 ML 研究的任何人來說，這是一個實用的安全層——它並未增加新的 AI 能力，而是讓現有的 AI 助手更不容易因可避免的錯誤而浪費你的計算資源。