Claude Skill MartKhám phá skillCâu dùng ngayHọc qua videoDùng terminalSkill là gì?
Về danh sách

Bộ tạo gói thí nghiệm (Experiment Suite)

Từ một câu hỏi nghiên cứu, skill tạo trọn gói: tài liệu thiết kế, mã chạy được, results.json, hình vẽ chuẩn xuất bản và báo cáo có cấu trúc.

Dữ liệu · Phân tíchNâng cao17617Điểm AI 9/10Cập nhật lần cuối: 28 thg 7, 2026

Skill này làm gì

Nhận một câu hỏi nghiên cứu và xây gói thí nghiệm hoàn chỉnh:

  • experiment_design.md: động lực → giả thuyết → tập dữ liệu → baseline → chỉ số → ablation → ngân sách tính toán (≥ 700 từ)
  • data_contract.md: nguồn dữ liệu, cách truy cập, phiên bản, phân chia train/test, giới hạn tái sử dụng
  • experiment/: model.py, data.py, train.py, evaluate.py, config.yaml — chạy được bằng python train.py --config config.yaml
  • results.json: kết quả theo từng seed, mean/std cho từng phương pháp và chỉ số, trường provenance (đo thật / mô phỏng / minh hoạ)
  • figures/: 3–6 hình chuẩn xuất bản (so sánh phương pháp, ablation…) kèm script và manifest.json
  • experiment_report.md: báo cáo ≥ 6 mục, từ phát biểu vấn đề đến hạn chế

Khi chưa có số đo thật, skill cho phép dùng dữ liệu mô phỏng nhưng buộc ghi nhãn "simulated" trong JSON, chú thích hình và báo cáo. Kèm theo là các playbook trong references/, cổng kiểm tra chất lượng và quy tắc thực thi từng đợt để không mất công việc.

Phù hợp với ai

  • Nghiên cứu sinh, nhà nghiên cứu thường xuyên thiết kế và báo cáo thí nghiệm
  • Kỹ sư ML/khoa học dữ liệu cần tài liệu hoá thí nghiệm cho cả nhóm
  • Người cần so sánh nhiều phương pháp và có hình vẽ đạt chuẩn hội nghị
  • Ai muốn chuyển tiếp kết quả sang skill paper-writer

Ví dụ sử dụng

  1. "Transformer có tốt hơn LightGBM cho dự báo chuỗi thời gian?" → sinh data contract, mã PyTorch, results.json 3 seed, hình so sánh + ablation, báo cáo
  2. Có log đo thật: chạy chế độ measured → simulated: false, provenance trỏ tới đường dẫn dữ liệu, hình vẽ dựng lại theo số thật
  3. Giai đoạn lên ý tưởng, chưa có GPU: chạy chế độ mô phỏng để có khung gói thí nghiệm, mọi hình đều có watermark "simulated"

· · · Hướng dẫn cài đặt · · ·

Dùng thử ngay, không cần cài

Dán đoạn dưới vào Claude là dùng được skill này mà không cần cài đặt.

Hãy đọc hướng dẫn trong tệp này và làm theo để giúp mình:
https://raw.githubusercontent.com/ai4s-research/ai4s-skills/HEAD/skills/experiment-suite/SKILL.md

Mình muốn: (viết việc bạn cần ở đây)

Nếu Claude không mở được liên kết, hãy mở liên kết và copy nội dung vào rồi dán.

Thấy hữu ích thì tải ZIP bên dưới và cài. Sau đó skill tự chạy, không phải dán lại mỗi lần.

Cài vào ứng dụng Claude (không cần terminal)
  1. Tải tệp ZIP bằng nút bên dưới.
  2. Trong Claude, mở Settings → Capabilities và bật 'Code execution and file creation'. (chỉ một lần)
  3. Vào Customize → Skills → + → 'Upload a skill' rồi tải tệp ZIP lên.
Tải ZIP
Cài vào Claude Code

Để Claude làm — dán câu dưới đây vào Claude Code

Hãy cài skill mình tìm thấy trên Claude Skill Mart.
Copy thư mục skills/experiment-suite từ repo GitHub ai4s-research/ai4s-skills vào ~/.claude/skills/experiment-suite/ của mình.
Sau khi cài xong, cho mình biết skill này làm được gì trong một câu.

Cài bằng lệnh thủ công

git clone https://github.com/ai4s-research/ai4s-skills.git && mkdir -p ~/.claude/skills && cp -r ai4s-skills/skills/experiment-suite ~/.claude/skills/

Đây là skill do người khác tạo. Hãy kiểm tra repo gốc trước khi cài.

  1. Mở terminal.
  2. Tải mã nguồn: git clone https://github.com/ai4s-research/ai4s-skills.git
  3. Tạo thư mục skill: mkdir -p ~/.claude/skills
  4. Sao chép skill: cp -r ai4s-skills/skills/experiment-suite ~/.claude/skills/
  5. Kiểm tra hai thư mục references/figure_examples/ đã được sao chép (đây là phần quyết định chất lượng thiết kế và hình vẽ).
  6. Vào thư mục dự án, chạy claude và yêu cầu: "Dùng skill experiment-suite để tạo gói thí nghiệm cho câu hỏi ...".
  7. Kết quả nằm trong output/experiment-suite/<slug>/latest/. Cần cài sẵn Python 3, matplotlib và framework ML (PyTorch…) nếu muốn chạy mã.