Learn from repo

Skill MaxLiuyy/Claude-Code-Skills/learn-from-repo

Some Claude Code skills created and used myself.

Install

npx -y skills add MaxLiuyy/Claude-Code-Skills --skill learn-from-repo

Assembled from the repository path, not quoted from the project. Check it against their README if it does not work.

2 things to look at

no licenseNo license file was found in the repository. Code published without one is not open source by default, so using it at work is a question for whoever answers licensing questions where you are.
1 stars1 stars. Stars are a popularity signal and not a quality one, but at this level it is likely that nobody has read this closely except its author, and you would be relying on your own review.

What its author says it does

Copied from the file, not written here

用于深度理解研究型代码仓库的方法论 skill。当用户想要学习一个新的 ML/AI repo、理解其实现与论文的对应关系、或为后续修改做准备时使用。结合对话式学习风格，逐组件拆解模型实现。

SKILL.md

4.9 KB, as published. Nobody here has run it

Learn From Repo & Paper

用于深度阅读研究型 repo 的完整方法论，核心是代码-论文双向对应，目标是理解到"可以修改"的程度。

默认学习偏好（可按需调整）

对话式推进：不要一次输出所有内容，每个组件讲完后停下来，等用户确认或提问
零基础假设：不跳过前置知识，包括引用论文中涉及的前序工作
Paper-Code 对应：每个模块标注对应的论文章节/公式
穿插方法论：在讲具体代码时，穿插"如何读 repo"的通用技巧
格式偏好：表格、ASCII 图、代码块，结构清晰
代码定位：讲解每个概念时，明确标注对应的文件路径和行号（如 model.py:48-80），让用户能直接跳转查看
每节结尾：提示"下一步可以看什么"，引导对话继续

如有不同偏好，在激活 skill 时告知即可（如"不用对话式，直接给完整讲解"）。

Phase 0：激活前准备

在开始讲解前，先完成以下两项：

0a. 用 claude-paper:study 处理论文

如果用户提供了论文 PDF 或 arXiv 链接，先调用： /claude-paper:study <paper_url_or_path>

这会生成结构化学习材料，后续讲解可引用。

0b. 快速扫描 repo 骨架

# 查看文件树（2层）
find . -maxdepth 2 -not -path '*/.git/*' | sort | head -60

# 统计核心文件大小（找"重心"文件）
wc -l **/*.py 2>/dev/null | sort -rn | head -20

# 看 git log，了解开发脉络
git log --oneline -20

目的：30秒内找到核心文件，不要盲目遍历。

Phase 1：四步阅读法（每个 Repo 通用）

Step 1: 看骨架（文件树）
         问：核心文件是哪个？依赖什么外部库？
         ↓
Step 2: 找入口（forward / main / __call__）
         问：数据从哪里进来，从哪里出去？
         ↓
Step 3: 识别核心数据结构
         问：数据长什么样？有哪些字段？如何在模块间传递？
         ↓
Step 4: 逐组件拆解
         问：每个模块的输入、处理、输出是什么？对应论文哪里？

核心原则：先看"数据流"，再看"算法"。搞清楚数据格式，代码自然就懂了。

Phase 2：逐组件讲解模板

对每个核心组件，按以下结构讲解：

动机（为什么需要这个组件？解决什么问题？） → 对应论文：Sec X.X / Figure X
接口（输入输出是什么？） → 输入：shape, dtype, 语义 → 输出：shape, dtype, 语义
实现细节（代码逐行解读） → 关键行：file.py:L123-L145 → 重要变量命名含义
设计精妙处 / 易错点
与其他组件的关系

讲解顺序建议（ML repo）：数据结构 → 序列化/预处理 → 嵌入层 → 核心注意力/算子 → 层次结构 → 整体组装

Phase 3：Paper-Code 对应检查表

检查项	说明
论文公式 → 代码行	每个关键公式能找到对应的实现
论文 Figure → 代码结构	架构图能映射到 init 中的模块
论文 Table（消融）→ 超参	消融实验对应 init 参数
论文贡献 → 代码创新点	每条 contribution 都有对应实现

Phase 4：为"可修改"做准备

关键问题清单： □ 如何替换核心算子（attention / convolution）？ □ 如何添加新的特征输入？（找 Embedding 层） □ 如何修改层次结构？（找 depth/stride 参数） □ 如何添加新的损失函数？（找 forward 输出） □ 数据预处理在哪里？ □ 哪些参数是超参，哪些是结构参数？

绘制"修改地图"：对每个想修改的地方，记录文件路径+行号、影响的其他组件、需要同步修改的地方

Phase 5：对话式 Deep Dive

每个组件讲完后提问用户： "这个组件还有什么不清楚的？常见深挖方向： A. 数学推导（为什么这样设计） B. 与其他方法对比 C. 实现细节（某几行代码含义） D. 修改思路（如果我要改 X，应该动哪里）"

通用读代码技巧

技巧	场景
从 forward() 开始，顺数据流走	任何 nn.Module
先看 init 参数，了解设计空间	理解超参含义
用 wc -l 找"重心"文件	快速定位核心代码
看 import，了解依赖关系	判断外部依赖的作用
搜索 assert，找隐含约束	理解数据格式要求
搜索 # TODO，找已知缺陷	了解作者的遗留问题
看 git log，了解演化脉络	理解为什么这样设计
消融实验 Table → 找对应参数	从论文反推代码

Gives 0 of the 12 instructions most learn study skills give

Counted across 546 of the 573 authors here whose files we hold, read 2026-08-06

produce self-contained HTML lessonsin 24 of 546, across 8 files
record user preferences in a notes filein 23 of 546, across 5 files
calculate the zone of proximal development before teachingin 23 of 546, across 6 files
maintain a teaching workspace in the current directoryin 21 of 546, across 4 files
make lessons beautiful, short, and quickly completablein 19 of 546, across 3 files
create reusable components for lessonsin 19 of 546, across 5 files
create compressed reference documents for quick lookupin 19 of 546, across 3 files
find high-quality resources before writing lessonsin 18 of 546, across 4 files
update the mission file and records upon mission changesin 16 of 546, across 2 files
set min_dist to 0.0 for clustering preprocessingin 16 of 546, across 6 files
populate the mission file before teachingin 15 of 546, across 1 file
include interactive feedback loops in lessonsin 15 of 546, across 1 file

Said here and by no other author read

proceed conversationally and pause after each component
assume zero baseline knowledge
map code modules to corresponding paper sections
use tables ascii diagrams and code blocks
prompt for next steps after each section
process the paper before explaining

Grouped from the skills themselves: near-identical wordings counted once, and counted by distinct author, so one author publishing three of these counts once.