用途
ARA Compiler（Universal ARA Compiler）用于把各类研究输入编译为一份完整、可校验的 Agent-Native Research Artifact（ARA）。它被设计为 Claude Code 的一等智能体，直接使用原生工具（Read、Write、Edit、Bash、Glob、Grep），无需 API 包装层。
输入范围
编译器不设固定输入 schema，接受任何包含研究知识的材料，包括但不限于：PDF 论文与 arXiv 链接、GitHub 仓库（URL 或本地路径）、代码文件与脚本与 notebook（.py、.ipynb、.rs、.cpp 等）、实验日志与训练输出与评估结果、配置文件与超参数扫描、原始研究笔记与头脑风暴记录与会议记录、含结果与检查点与图表的数据目录、描述研究决策的 Slack/邮件线程、上述内容的组合、与用户关于研究的口头描述或对话，甚至完全没有输入、通过对话交互式构建 ARA。
参数按灵活方式解释：文件/目录路径则读取；URL 则抓取或克隆；--output <dir> 指定 ARA 输出位置（默认 ./ara-output/）；--rubric <path> 指定 PaperBench rubric 用于覆盖映射；其他内容视为上下文或向用户澄清。
主要能力与工作流
- 读取全部输入：PDF 需读每一页含附录；仓库优先 README → 核心算法文件 → 配置 → 环境文件。
- 四阶段认知链式推理：
- 阶段一 语义解构：剥离叙述框架，抽取数学公式、架构规格、实验配置、全部数值结果（精确值，绝不四舍五入）、引用依赖及其角色、负面结果与消融发现、实现技巧与收敛技巧与敏感性观察。并进行证据捕获：先记录原始来源标识与图注，转录原始表格/图内容，再作主张级摘要；过滤视图须存为派生子集，不得冒充原始表。
- 阶段二 认知映射：映射到 /logic/，包括 problem.md（观察→缺口→关键洞见→假设）、claims.md（可证伪主张与实验 ID 指针，区分直接证据基础与更高层解释）、concepts.md（≥5 个形式化定义）、experiments.md（≥3 个声明式验证计划，不含精确数字，仅方向性）、solution/（架构、算法、约束、启发式）、related_work.md（带类型的依赖图）。附录内容须路由到最合适的 ARA 层，不得静默丢弃。
- 阶段三 物理存根：生成 /src/，含 configs/（精确超参数值及理由与敏感性）、execution/（≥1 个实现新颖贡献的 Python 代码存根，带类型签名）、environment.md。有仓库时用真实代码提升存根精度；有 rubric 时生成 rubric/requirements.md 映射每个叶节点。
- 阶段四 探索图抽取：为 /trace/exploration_tree.yaml 重建研究 DAG，≥8 个节点，必须包含 dead_end 与 decision 类型，使用 also_depends_on 表示收敛点，每个节点声明 explicit 或 inferred，explicit 节点须带来源引用。
- 生成全部强制文件：PAPER.md（YAML frontmatter + Layer Index）、logic/problem.md、logic/claims.md、logic/concepts.md、logic/experiments.md、logic/solution/architecture.md、algorithm.md、constraints.md、heuristics.md、logic/related_work.md、src/configs/training.md、model.md、src/execution/{module}.py、src/environment.md、trace/exploration_tree.yaml、evidence/README.md、evidence/tables/.md、evidence/figures/.md。
- 覆盖检查循环（最多 3 轮）：重读来源、与 ARA 比对、修补缺口，零修补则提前退出。
- Seal Level 1 校验：检查强制目录与文件存在且非空、PAPER.md 的 YAML frontmatter 与 Layer Index、claims.md 的 C01+ 块字段、experiments.md 的 E01+ 块字段、heuristics.md 的 H01+ 块字段、concepts.md ≥5 个概念、experiments.md ≥3 个计划、exploration_tree.yaml 为合法 YAML 且 ≥8 节点并含 dead_end 与 decision 类型、Claim Proof 引用可解析到 experiments.md、Experiment Verifies 引用可解析到 claims.md、Heuristic Code ref 路径可解析到 src/execution/ 实际文件、证据文件含带 Source 字段的 Markdown 表格、证据文件名与来源标签与图注一致、原始表命名文件为忠实转录、主张只引用证据确实包含所比较行或测量的实验、主张措辞不超出证据类型、trace 节点声明 support_level 且 explicit 节点带来源引用。
- 修复与迭代：针对失败项做定向编辑（优先 Edit 而非整体重写），修复后重新校验，通常 2-3 轮收敛。
- 报告：输出产物位置、文件数量与总大小、校验结果、关键统计（主张、实验、启发式、概念、树节点、证据文件数量）。
适用场景
需要把论文、代码、实验日志、笔记等异构研究材料整理为结构化、可校验、可追溯的研究产物时；需要为研究复现、证据映射、探索轨迹重建建立统一目录结构时；需要在 Claude Code 环境中以智能体方式交互式构建研究档案时。
限制与规则
所有数值必须从来源精确复制，绝不四舍五入或近似；不得编造来源中不存在的主张、结果或启发式；experiments.md 只含方向性/相对预期结果，精确数字放入 evidence/；每条主张的 Proof 字段引用实验 ID（E01、E02）而非文件路径；Claims ↔ Experiments ↔ Evidence ↔ Code refs 必须全部可解析；必须包含失败方法、被拒替代方案与消融发现；信息确实不可用时写“Not specified in paper”，绝不猜测；不得把派生子集标为 Table N 或 Figure N；不得虚构决策、死胡同或实验，推断的轨迹须标注 inferred 或省略；措辞不得强于证据支持，须区分直接观察与解释。
参考文件
按需加载：references/ara-schema.md（完整 ARA 目录 schema 与每个文件的字段级格式）、references/exploration-tree-spec.md（探索树 YAML 规范与示例）、references/validation-checklist.md（Seal Level 1 全部检查项）。
暂未提供
该技能的收费方式、价格、支持平台范围、性能指标与效果数据在给定资料中暂未提供。