用途：把机器学习研究论文转成完整、可运行的代码仓库，按 Paper2Code 的多阶段流水线执行。输入参数 $0 为论文 PDF 路径、论文文本或论文 URL。
主要能力：阶段一规划，通过四轮对话产出总体计划（提取方法、实验、数据集、超参数、评估指标）、架构设计（文件列表、Mermaid 类图与序列图）、任务分解（逐文件逻辑分析、按依赖排序的任务清单与所需包）以及把训练细节写入 config.yaml。阶段二分析，按依赖顺序对每个文件做详细逻辑分析，将论文方法映射到代码结构，参照 config.yaml，并严格遵循 UML 类图接口。阶段三编码，按依赖顺序生成代码，生成时可见此前所有已生成文件，严格遵循设计的数据结构与接口，引用 config.yaml，不虚构配置值，必须写出完整代码而非 TODO 或占位符。阶段四调试（按需），若执行失败则收集错误信息，用 SEARCH/REPLACE diff 格式定位根因，做保留原意的最小修复并重跑直至成功。
输出结构：reproduced_code/ 下含 config.yaml（训练配置）、main.py（入口）、model.py（模型架构）、dataset_loader.py（数据加载）、trainer.py（训练循环）、evaluation.py（指标与评估）、reproduce.sh（运行脚本）、requirements.txt（依赖）。
关键约束与规则：按依赖顺序生成文件；Mermaid 图作为跨阶段的刚性接口定义；只使用论文中明确说明的配置；每个函数须完整实现；严格遵循论文方法，不做自作主张的改进；生成顺序为数据加载→模型→训练→评估→main；UML 图中的每个类与方法都必须存在于代码中；生成 reproduce.sh 以支持一键执行；论文细节有歧义时须显式标注。
相关技能：上游为 literature-search，下游为 experiment-code，另见 code-debugging 与 algorithm-design。
限制：资料未提供具体运行环境要求、支持论文范围、失败率或性能保证；阶段细节与提示词参考位于 ~/.claude/skills/paper-to-code/references/paper-to-code-prompts.md。