菜单
针对机器人 / VLA 领域建一个 datalake：数据集元数据 + 常用 API + 行话词典 + 已知坑。Biomni 模板。下次同领域 project 直接复用。Use when user says "datalake", "know-how", "领域词典", "常用 dataset 库", "domain library", "avoid known pitfalls".
用 Codex 或 Claude 帮你安装 复制这段 Prompt，粘贴到 Codex、Claude 或其他助手里，让它检查 Skill 页面并帮你完成安装。
基于 SOC 职业分类
大改动 (>3 文件) 之前先画依赖图 + 改动计划，确认后再动手。**所有外部 ref（line# / API / partition / env var）必须配 _verify 守门函数 runtime fail-loud**，不能盲信 WebFetch 结果。Use when user says "arch plan", "改动计划", "画依赖图", "重构前", "big change", "多文件改", "先规划", "monkey patch", "插入点".
Driver Claude（通常通过 /remote-drive 控制 sub-agent CC）跑实战发现新 bug / 配置问题 / 架构选择需重新拍板时，把 findings 标准化写到 .driver_findings_<round>_<context>.md，让 sub-agent 读了去 patch。比 send-keys 长 message 可靠 100 倍。Use when user says "driver findings", "findings file", "round N 反馈", "远程发现", "hpcc 验证发现", "driver patch", "sub-agent 修 bug".
用一个 Claude (driver) 通过 tmux 远程控制另一个 Claude Code session (sub-agent CC) 走完 pipeline。把 sub-agent 当 worker 用：driver brief 任务 → send-keys 输入 → capture-pane 监听 → 处理 AskUserQuestion → 等下次 idle。Use when user says "remote drive", "驱动另一个 cc", "sub-agent cc", "控制别的 claude", "tmux drive", "我已经开了 cc 你来控制".
起任何实验/sprint 前必须填 Karpathy 5-tuple: Goal / Scope / Metric / Verify / Guard。不填拒绝起训练。Stage 4 → 5 之间 RESOURCE gate 的一部分。用户说 'contract' / '5-tuple' / '签合同' / 'sprint plan' 时调用。
把本地 project 推到远程 compute host（hpcc / bcc / tasl-labserver）+ 远端 bootstrap auto-production framework + 验证 stubs import 通。给 driver 用，跟 /cross-host-sync (run sync) 互补——后者管 run state，本 skill 管 code state。Use when user says "sync to remote", "部署到 hpcc", "推到集群", "rsync project", "远程跑", "hpcc 上验证", "deploy 上去".
写完代码先用 AST parser 做静态分析（import 完整性、签名匹配、未定义符号），过了才执行。防 "跑了 30 秒才发现 ImportError"。Use when user says "ast validate", "静态分析", "先检查", "语法检查", "import 验证", "static check".
| name | datalake |
| description | 针对机器人 / VLA 领域建一个 datalake：数据集元数据 + 常用 API + 行话词典 + 已知坑。Biomni 模板。下次同领域 project 直接复用。Use when user says "datalake", "know-how", "领域词典", "常用 dataset 库", "domain library", "avoid known pitfalls". |
| argument-hint | [--domain robotics|nlp|cv] [--query 'foo'] |
| allowed-tools | Bash(*), Read, Write, Grep |
借鉴 Biomni (Stanford biomedical agent)。
datalake/<domain>/ 存：
datalake/robotics/
├── datasets.yaml # LIBERO/RoboMimic/Bridge/... 元数据
├── apis.md # OFT/π0/GR00T 常用 API 速查
├── glossary.md # SR / EEF / TCP / waypoint / ... 词典
├── known_pitfalls.md # 8-bit vs bf16 chunk, action norm 等坑
└── ref_papers.yaml # 必读 papers
可被任何 skill grep 当词典用。
--query 'foo'：grep 整个 datalake 出现 foo 的段
--add domain robotics --topic pitfall --content '...'：写一段进 known_pitfalls.md
--export：打包成 tarball
/idea-perspective 起步时先 query datalake 看有无现成/pivot 新发现的坑 append to known_pitfalls.md/meta-optimize 周末把 patterns 提炼成新 entry