Menu
新しい実験フォルダを reference/ から雛形コピーして作成する。SESSION_NOTES.md と run.sh も自動生成。Claude用は expA00, A01, ...、人間用は exp200, 201, ... の連番で命名する。
Install with Codex or Claude Copy this prompt, paste it into Codex, Claude, or another assistant, and let it review the skill page and install it for you.
Based on SOC occupation classification
コンペ開始時の7項目チェックリストを対話的に埋め、survey/competition/overview.md として保存する。新しいコンペに着手するときに最初に使う。
提出物の事前検証を実行する。Kaggle CSV / Kaggle Code Competition / 予測ファイル zip / Docker コンテナ / Simulation エージェントの5形式に対応。submission-validator agent を呼び出して機械的にチェックする。提出直前に必ず使う。
Walks through the 7-item competition onboarding checklist interactively and saves it to survey/competition/overview.md. Use first when starting a new competition.
Run pre-submission validation. Handles 5 formats — Kaggle CSV / Kaggle Code Competition / prediction-file zip / Docker container / Simulation agent. Delegates to the submission-validator agent for mechanical checks. Use right before any submission.
今日の daily_reports/YYYYMMDD.md を、前日のレポートと未完了TODO・直近の実験結果を引き継いで作成する。セッション開始時に使う。
コンペ戦略の横断synthesis を実行する。competition-strategist agent を起動し、daily_reports/* と全 SESSION_NOTES.md / claudeSummary.md / submit/SUBMISSIONS.md / KAGGLE_DIRECTION.md を一括ロードして「次の一手」を出力する。週1回や局面の変わり目で使う。
| name | exp-new |
| description | 新しい実験フォルダを reference/ から雛形コピーして作成する。SESSION_NOTES.md と run.sh も自動生成。Claude用は expA00, A01, ...、人間用は exp200, 201, ... の連番で命名する。 |
| argument-hint | <実験名> [--human で人間用 exp200_xxx 形式] |
引数解析:
$ARGUMENTS から実験名を取得（必須）--human フラグ有無を判定フォルダ名決定:
workspace/expA00_<name> から始め、既存を見て A01, A02, ..., B00, B01, ... と進めるworkspace/exp200_<name> から始め、既存を見て 201, 202, ... と進めるls workspace/ で既存フォルダを確認してから次の番号を決定雛形コピー:
cp -r reference/ workspace/<新フォルダ名>/
SESSION_NOTES.md を生成（既にあれば追記しない、上書きしない）:
# SESSION_NOTES — <実験フォルダ名>
## セッション情報
- 日付: YYYY-MM-DD
- 作業フォルダ: workspace/<実験フォルダ名>
- 目標: <実験名から推定 or ユーザーに確認>
## ベース
- ベース: reference/ (PyTorch Lightning + timm + smp)
- 親 exp（あれば）: ...
## 試したアプローチと結果
<!-- 実験を回したら追記 -->
## ファイル構成
- train.py
- src/
- config.yaml
- run.sh
## 重要な知見
<!-- 学習中に得られた知見 -->
## 次のステップ
- [ ] ...
## 性能変化の記録
| 試行 | 変更点 | CV | LB | 備考 |
|------|--------|-----|-----|------|
## コマンド履歴
<!-- 実行した主要コマンド -->
#!/bin/bash
# 学習・推論を一発で回すスクリプト
# 重要: cd "$(dirname "$0")" で実験フォルダに移動してから python を呼ぶ。
# これがないと results/ がリポジトリルートや別の場所に生成されてしまう。
# 使い方: bash run.sh data.fold=0 trainer.max_epochs=30
# 引数は OmegaConf dotlist 形式で config.yaml を上書きする（--config フラグは存在しない）
set -e
cd "$(dirname "$0")"
# 学習（train.py は実験フォルダ直下。引数はそのまま渡す）
python train.py "$@"
# 推論（必要に応じて）
# python predict.py ckpt_path=results/<実験名>/fold0/last.ckpt
config.yaml の experiment.name を新フォルダ名に書き換え
results/ の出力先を実験フォルダ基準にする:
train.py の出力先が cwd 依存になっていないか確認output_dir = Path(__file__).resolve().parent / 'results' / experiment_name / f'fold{fold}' のように実験フォルダ基準の絶対パスに書き換える（train.py は実験フォルダ直下にあるため parent 1段）workspace/<新フォルダ名>/results/... に出力されることを確認してからユーザーに報告報告:
bash workspace/<新フォルダ名>/run.sh）.gitignore 対象）