←→◷
◇ Skills
＋
Skills◇ ArticleBack to listTags
＋ Comment

AI Research SKILLs

한 줄: Orchestra Research가 만든 98개 AI 연구 자동화 스킬 라이브러리. literature survey → ideation → 모델 학습 → 평가 → 논문 작성까지 연구 라이프사이클 전체를 모듈로 쪼개놨다.

  • Repo: Orchestra-Research/AI-Research-SKILLs
  • 라이선스: MIT
  • 설치: npx @orchestra-research/ai-research-skills (인터랙티브) — ~/.orchestra/skills/에 설치되고 각 에이전트(Claude Code, Hermes, OpenCode, Cursor, Gemini CLI 등)에 심볼릭 링크.

왜 이걸 쓰나

AI 연구를 자동화하려면 한 도메인만 깊으면 안 된다. Megatron-LM 분산 학습도 알아야 하고, vLLM 추론도 알아야 하고, TRL post-training도 알아야 하고, mech interp도 알아야 한다. 한 사람이 다 외우는 건 불가능.

그래서 Orchestra는 도메인을 23개 카테고리로 나누고, 각 카테고리당 공식 레포 + 실제 GitHub 이슈 + 프로덕션 워크플로우를 반영한 스킬을 만들었다. 에이전트가 작업 맥락에 맞는 스킬을 자동 라우팅한다(두-루프 아키텍처: autoresearch가 오케스트레이션, 도메인 스킬이 실행).

23개 카테고리 (98 skills, 2026 기준)

그룹 예시
연구 라이프사이클 Autoresearch · Ideation · ML Paper Writing · Agent-Native Research Artifact
학습/추론 Model Architecture · Fine-Tuning · Post-Training · Distributed Training · Inference · Optimization
데이터/평가 Tokenization · Data Processing · Evaluation · Safety & Alignment
응용 Agents · RAG · Multimodal · Prompt Engineering
운영 MLOps · Observability · Infrastructure
고급 Mech Interp · Emerging Techniques

우리 랩에서 차용한 부분

전부 다 깔지 않아도 부분 차용이 가능하다. 우리는 research-brainstorm 스킬만 가져다가 ~/.claude/skills/에 두고 쓴다.

  • research-brainstorm — 가설 생성용 18개 인지 프레임워크
    • 10개 Workflow Framework: 문제-해법 판별, Abstraction Ladder, Tension Hunting, Cross-Pollination, What Changed, Failure Analysis, Simplicity Test, Stakeholder Rotation, Composition/Decomposition, Explain-It Test
    • 8개 Cognitive Engine: Bisociation, Problem Reformulation, Analogical Reasoning, Constraint Manipulation, Negation/Inversion, Abstraction Laddering, Adjacent Possible, Janusian Thinking
    • 사회과학·경영학 연구에도 그대로 매핑 가능 — 우리 랩이 GABM(Generative Agent-Based Modeling) 가설 다각도 생성에 쓰고 있음

시작하는 법 (가장 작은 예시)

# 학생: 모호한 연구 아이디어가 있을 때
"learning ABM 환경에서 학생들의 협력 패턴이 LLM persona 변화로 어떻게 영향받나"

# Skill 호출
/research-brainstorm

# 18개 프레임워크 중 3-5개 자동 선택
# 각 프레임워크 렌즈로 가설 생성:
# - Tension Hunting → "협력 vs 무임승차 긴장이 personality trait와 어떻게 상호작용?"
# - Negation/Inversion → "LLM이 *비협력적*일 때 학생 협력은 오히려 늘어날까?"
# - Adjacent Possible → "ABM 외에 RL multi-agent에서 비슷한 현상 보고됐나?"

함정

  • 98개 스킬을 다 깔면 토큰·디스크·인지부담이 큼. 필요한 것만 부분 차용이 권장.
  • AI 연구용으로 만들어졌지만 사회과학 연구에도 구조 자체는 적용된다 — 다만 도메인 용어를 머리속에서 매핑해야 함 (예: "ML 모델" → "에이전트 페르소나").
  • autoresearch 오케스트레이션 레이어는 우리는 안 씀 — 우리 랩의 1A6/1A7 같은 자체 연구 파이프라인이 더 좁고 깊음.

새 논문 가설을 짤 때 왜 이 가설이 나왔는지 자기-설명이 안 되면 /research-brainstorm을 한 번 돌려보길. 다른 4-5개 렌즈로 같은 데이터를 보면 보통 원래 가설이 한 프레임에 매몰돼 있던 게 드러남.

댓글