用途：把机器学习研究论文转成完整、可运行的代码仓库。输入可以是论文 PDF 路径、论文文本或论文 URL（$0）。参考资料位于 ~/.claude/skills/paper-to-code/references/paper-to-code-prompts.md。
工作流程（来自 Paper2Code）： 阶段1 规划：通过四轮对话制定计划，包括总体计划（提取方法、实验、数据集、超参数、评估指标）、架构设计（生成文件列表、Mermaid classDiagram 与 sequenceDiagram）、任务拆解（逐文件逻辑分析、按依赖排序的任务列表、所需包）、配置（把训练细节提取到 config.yaml）。 阶段2 分析：按依赖顺序对任务列表中每个文件进行详细逻辑分析，把论文方法映射到代码结构，参照 config.yaml 的全部设置，严格遵循 UML 类图接口。 阶段3 编码：按依赖顺序为每个文件生成代码，可访问此前生成的所有文件；严格遵循设计的数据结构与接口；参照 config.yaml，绝不编造配置值；写出完整代码，不留 TODO 或占位符。 阶段4 调试（如需要）：执行失败时收集错误信息，以 SEARCH/REPLACE diff 格式定位根因，做保留原意的最小修复，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：按依赖顺序生成，每个文件可访问此前生成的所有文件；Mermaid 图作为跨阶段固定接口契约；不编造，只用论文中明确说明的配置；每个函数必须完整实现。
规则：严格遵循论文方法，不自行发明改进；按依赖顺序生成代码（数据加载→模型→训练→评估→主程序）；所有超参数与设置使用 config.yaml；UML 图中每个类/方法都必须存在于代码中；生成 reproduce.sh 支持一条命令运行；论文细节含糊时须明确标注。相关技能：上游 literature-search，下游 experiment-code，另见 code-debugging、algorithm-design。限制：资料未提供具体运行环境、支持语言及收费信息。