用途
minimal-run-and-audit 是 Rigor Run 技能，用于 README 优先的深度学习仓库复现工作，核心目标是在已存在复现目标与准备方案之后，执行并记录一次短时、非训练的验证性运行，使运行证据可审计，而不把每条命令都变成僵硬协议。安装 slug 仍保留 minimal-run-and-audit 以保持兼容。
该技能共享 ../ai-research-reproduction/references/agent-operating-principles.md 中的通用操作原则，并引用 references/reporting-policy.md、../ai-research-reproduction/references/research-rigor-principles.md、scripts/run_command.py 与 scripts/write_outputs.py。
适用时机
- 已存在复现目标与准备方案之后。
- 主技能需要执行证据与规范化输出时。
- 适合进行 smoke 测试、文档记录的推理运行、文档记录的评估运行或其他短时非训练验证时。
- 用户已明确知道要尝试哪个命令，只想执行并报告时。
不适用时机
- 初始仓库扫描阶段。
- 环境或资产仍不明确，执行没有意义时。
- 任务是文献查找而非仓库执行时。
- 用户仍在决定哪个复现目标应算作主运行时。
主要能力
- 对一次已尝试命令进行规范化报告。
- 可接收来自主技能或轻量辅助模块的执行证据。
- 输出执行结果摘要。
- 生成标准化的 repro_outputs/ 文件。
- 生成 SCIENTIFIC_CHANGELOG.md，记录科学含义变更与证据状态。
- 生成 COMPARABILITY_REPORT.md，记录 README、论文与基线的可比性。
- 明确区分已验证、部分完成与受阻三种状态。
- 当仓库文件发生变化时生成 PATCHES.md。
边界与限制
- 不自行选择总体复现目标。
- 不进行广泛的论文分析。
- 不负责训练启动、恢复或长时训练状态。
- 不应将高风险代码修改规范化为可接受做法。
- 不得隐藏会改变评估、预处理、检查点、指标或其他科学含义的改动。
输入与输出预期
输入预期包括：选定的复现目标、可运行命令或 smoke 命令、环境与资产假设、可选的补丁元数据。
输出预期包括：执行结果摘要、标准化的 repro_outputs/ 文件、SCIENTIFIC_CHANGELOG.md、COMPARABILITY_REPORT.md、明确的状态区分（已验证、部分完成、受阻），以及仓库文件变更时的 PATCHES.md。
补充说明
关于报告策略与科研严谨性原则，参见 references/reporting-policy.md 与 ../ai-research-reproduction/references/research-rigor-principles.md；命令执行与输出写入依托 scripts/run_command.py 与 scripts/write_outputs.py。