wiki-query
PApaperclipai/paperclip112k近 7 天新增 2,549 个 star
science-reproducibility
Use before reporting any experiment result, when a result cannot be re-run, when writing the methods section, or when preparing a reproducibility package; covers run provenance, environment capture, seed handling, artifact hashing, and the clean-room re-run check.
- Star
- 952
- 分类
- 科研
- 许可证
- MIT
- 最近提交
- 2026年10月26日
dsh-science/skills/science/science-reproducibility/SKILL.md
在 GitHub 上查看可复现性（运行留痕与干净重跑）
何时用
- 每次要对外报告一个实验结论之前；
- 方法学部分动笔之前（先把该记的记下来）；
- 有人质疑结果、或自己发现两次运行不一致时。
前置检查
- 项目是否已
science_project_open（没有 project_id 的运行记录没有归属）； - 实验计划是否已
science_exp_plan（预注册式：假设、变量、n、分析计划、风险）； - 工作目录是否在 git 仓库内（能拿到 commit 才能谈复现）。
步骤
- 固定环境：记录解释器版本、关键依赖版本（
pip freeze/renv.lock/package-lock.json）并算一个依赖哈希；不要只写"用了 pandas"。 - 固定随机性：所有随机源显式 seed（Python
random、numpy、框架各自 seed、DataLoader worker seed）；记录 seed 值。 - 固定输入：输入数据算 sha256；外部数据写来源 + 拉取日期 + 许可。
- 一次运行一条记录：
science_exp_run记 command / cwd / env / seed / commit / 输入输出哈希 / exit_code / 起止时间。日志保留路径，不要只截屏。 - 产物哈希：模型文件、图表、结果表都算哈希；同一脚本两次运行哈希不同就要解释（时间戳、浮点非确定性、并发顺序）。
- 干净重跑：
science_repro_check在空目录里重跑，比对产物哈希与关键指标；不一致就列差异（数值容差、字段缺失、顺序变化）。 - 写清单：
science_provenance生成 manifest（代码 / 数据 / 环境 / seed / 许可 / 硬件），随稿件一起交付。
产出与落库
run表：command / env_json / seed / commit / dep_hash / inputs_json / outputs_json / exit_codeanalysis表：检验、统计量、效应量、CI、p、校正方法、前提检查- manifest.json：可复现包清单
常见失败与降级
- 拿不到 commit（不在 git 里）：至少对脚本目录做哈希快照，并在报告里标注"无版本控制"。
- 环境无法重建（老 CUDA / 私有镜像）：记录到能重建的最小描述 + 已知偏差，明确写"环境不可完全重建"。
- 结果对 seed 敏感：报告多 seed 的均值与区间，不要只报最好那一次。
- 硬件差异（GPU 非确定性）：开启确定性模式（如
torch.use_deterministic_algorithms）或声明容差。
相似的 Skill
官方
clinical-case-report
NEnexu-io/open-design107k近 7 天新增 1,289 个 star
academic-paper-review
BYbytedance/deer-flow85k近 7 天新增 340 个 star
systematic-literature-review
BYbytedance/deer-flow85k近 7 天新增 340 个 star
data-scientist
COcode-yeongyu/oh-my-openagent71k近 7 天新增 212 个 star
directory-submissions
COcoreyhaines31/marketingskills59k近 7 天新增 1,381 个 star