Menu
通过 compute-helper CLI 在远程服务器上自主执行、调试、迭代
Instalar com Codex ou Claude Copie este prompt, cole no Codex, Claude ou outro assistente e deixe que ele revise a página da skill e instale para você.
Baseado na classificação ocupacional SOC
Search traceable academic papers, download legally accessible PDFs from arXiv and open-access sources, convert PDFs or page images to Markdown with a PaddleOCR layout-parsing API (or local pdfminer fallback), and organize the results into an AI-readable literature library. Use when Claude Code needs to build a paper corpus, batch OCR PDFs to Markdown, ingest real literature into a knowledge base, fetch arXiv or Hugging Face paper leads, or turn a directory of papers into structured Markdown plus metadata.
Delegate complex coding tasks to Claude Code CLI
Delegate coding tasks to OpenAI Codex CLI
Generates 2-4 candidate research directions from survey results, presents them with pros/cons for user selection, and converges to a publishable angle.
Academic research assistant for literature reviews, paper analysis, and scholarly writing.
# bioinformatics-init-analysis
| id | remote-experiment |
| name | Remote Experiment Execution |
| version | 2.0.0 |
| stages | [] |
| tools | ["bash","read_file","write_file"] |
| description | 通过 compute-helper CLI 在远程服务器上自主执行、调试、迭代 |
| summary | Autonomous remote code execution workflow — edit locally, sync, run remotely, analyze output, iterate |
| primaryIntent | remote_experiment_execution |
| capabilities | ["remote_code_sync","remote_command_execution","iterative_debugging","autonomous_optimization"] |
| domains | ["general","machine_learning","data_processing"] |
| keywords | ["experiment","remote","server","ssh","sync","compute-helper","iterate"] |
你可以通过 compute-helper CLI 在远程服务器上自主执行代码和命令。
compute-helper 路径和服务器信息在 system prompt 的
<compute_node>块中给出。 如果没有，在sidecar/bin/compute-helper.mjs查找。
| 命令 | 用途 | 何时用 |
|---|---|---|
node <helper> ssh "<cmd>" | 仅远程执行命令 | 检查环境、查看文件、不涉及代码改动时 |
node <helper> sync up --cwd <root> | 同步本地代码到服务器 | 手动同步（通常不需要，run 自动同步） |
node <helper> run "<cmd>" --cwd <root> | 同步代码 + 远程执行 | 修改代码后需要在服务器运行时 |
node <helper> sync down --cwd <root> --files "logs/ results/" | 从服务器拉回文件 | 需要查看结果文件时 |
node <helper> info | 查看节点配置 | 确认连接信息时 |
修改代码后 必须立即 run 远程执行验证，不要修改完就停下来等用户确认。
❌ 错误: "我已经修改了代码，你可以运行看看。"
✅ 正确: 修改代码 → 立即 run → 分析输出 → 汇报结果
远程执行报错时，立即分析错误输出 → 修改代码 → 再次 run，形成自修复循环。除非遇到无法判断的问题才向用户求助。
❌ 错误: "执行出错了，错误信息如下：..."（等用户处理）
✅ 正确: 分析错误 → 修改代码 → 再次 run → 如果还是失败 → 换策略再试
首次操作远程服务器时，先用 ssh 检查环境：
which python / python3 --version — Python 是否可用nvidia-smi — GPU 状态（如果需要）pip list | grep <package> — 依赖是否安装ls <workdir> — 工作目录状态run vs sshrun（自动 sync + 执行）sshsync up每次迭代只修改一个变量或一个方面，方便定位问题。同时改多处出错时无法判断哪个改动导致。
当用户要求在服务器上运行/测试/实验：
1. ssh 检查环境 ──→ 缺依赖？安装
│
2. 修改本地代码 ◄──────┘
│
3. run 远程执行 ──→ 成功？
│ ├─ 是 → 汇报结果，问下一步
│ └─ 否 → 分析错误 → 回到步骤 2
│
4. (可选) sync down 拉回结果文件
每次执行后简要说明：
📊 执行结果
━━━━━━━━━━
改动: 将 batch_size 从 32 改为 64
命令: python train.py --batch_size 64
结果: ✅ 训练完成，loss 从 0.45 降到 0.32
下一步: 尝试增大学习率到 3e-4