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。
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.
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。
Baseado na classificação ocupacional SOC
| 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）