Learn From Repo & Paper

用于深度阅读研究型 repo 的完整方法论，核心是代码-论文双向对应，目标是理解到"可以修改"的程度。

默认学习偏好（可按需调整）

• 对话式推进：不要一次输出所有内容，每个组件讲完后停下来，等用户确认或提问
• 零基础假设：不跳过前置知识，包括引用论文中涉及的前序工作
• Paper-Code 对应：每个模块标注对应的论文章节/公式
• 穿插方法论：在讲具体代码时，穿插"如何读 repo"的通用技巧
• 格式偏好：表格、ASCII 图、代码块，结构清晰
• 代码定位：讲解每个概念时，明确标注对应的文件路径和行号（如 model.py:48-80），让用户能直接跳转查看
• 每节结尾：提示"下一步可以看什么"，引导对话继续

如有不同偏好，在激活 skill 时告知即可（如"不用对话式，直接给完整讲解"）。

Phase 0：激活前准备

在开始讲解前，先完成以下两项：

0a. 用 claude-paper:study 处理论文

如果用户提供了论文 PDF 或 arXiv 链接，先调用： /claude-paper:study <paper_url_or_path>

这会生成结构化学习材料，后续讲解可引用。

0b. 快速扫描 repo 骨架

# 查看文件树（2层）
find . -maxdepth 2 -not -path '*/.git/*' | sort | head -60

# 统计核心文件大小（找"重心"文件）
wc -l **/*.py 2>/dev/null | sort -rn | head -20

# 看 git log，了解开发脉络
git log --oneline -20

目的：30秒内找到核心文件，不要盲目遍历。

Phase 1：四步阅读法（每个 Repo 通用）

Step 1: 看骨架（文件树）
         问：核心文件是哪个？依赖什么外部库？
         ↓
Step 2: 找入口（forward / main / __call__）
         问：数据从哪里进来，从哪里出去？
         ↓
Step 3: 识别核心数据结构
         问：数据长什么样？有哪些字段？如何在模块间传递？
         ↓
Step 4: 逐组件拆解
         问：每个模块的输入、处理、输出是什么？对应论文哪里？

核心原则：先看"数据流"，再看"算法"。搞清楚数据格式，代码自然就懂了。

Phase 2：逐组件讲解模板

对每个核心组件，按以下结构讲解：

1. 动机（为什么需要这个组件？解决什么问题？） → 对应论文：Sec X.X / Figure X

2. 接口（输入输出是什么？） → 输入：shape, dtype, 语义 → 输出：shape, dtype, 语义

3. 实现细节（代码逐行解读） → 关键行：file.py:L123-L145 → 重要变量命名含义

4. 设计精妙处 / 易错点

5. 与其他组件的关系

讲解顺序建议（ML repo）： 数据结构 → 序列化/预处理 → 嵌入层 → 核心注意力/算子 → 层次结构 → 整体组装

Phase 3：Paper-Code 对应检查表

Phase 4：为"可修改"做准备

关键问题清单： □ 如何替换核心算子（attention / convolution）？ □ 如何添加新的特征输入？（找 Embedding 层） □ 如何修改层次结构？（找 depth/stride 参数） □ 如何添加新的损失函数？（找 forward 输出） □ 数据预处理在哪里？ □ 哪些参数是超参，哪些是结构参数？

绘制"修改地图"： 对每个想修改的地方，记录文件路径+行号、影响的其他组件、需要同步修改的地方

Phase 5：对话式 Deep Dive

每个组件讲完后提问用户： "这个组件还有什么不清楚的？常见深挖方向： A. 数学推导（为什么这样设计） B. 与其他方法对比 C. 实现细节（某几行代码含义） D. 修改思路（如果我要改 X，应该动哪里）"

通用读代码技巧