Kaggle 解法研究 haoxuanjng-lang/kaggle-solutions-skills

kaggle-solutions-skills

English ·简体中文 ·日本語 ·

从历史解法中找到思路，把真实证据积累成可复用的 Skill。
离线知识库 · DeepSeek Harness 原生插件 · 多 Agent 研究 · 持续知识审核

快速开始 ·工作流程 · DeepSeek 插件 · Agent 协作 ·比赛场景 ·知识覆盖 ·研究示例 ·持续更新

Kaggle 解法散落在论坛、Notebook 和作者仓库里。找到一个冠军链接之后，还需要判断验证方式是否可靠、哪些决定适合当前数据、几个 Agent 的研究如何合并，以及下一场比赛怎样复用这些经验。

本项目以 faridrashidi/kaggle-solutions 为发现索引，把已读作者资料整理成带来源与适用条件的方法卡，并让 Codex 与 DeepSeek Harness 使用同一知识库，交付相似解法、验证风险和可比较的最小实验。

| 🔎 找到相关解法 | 🧩 用 Agent 协作研究 | 🌱 积累长期知识 |
| 按关键词与模态检索比赛；Codex Skill 与 Harness 原生工具复用同一知识库。 | 侦察、证据、验证、迁移、合成五个角色，传递来源与未知项，保留分歧。 | 经审核更新档案与方法卡；记录实际实验与反例，逐步改进可复用的研究知识。 |

⚡ 快速开始

1. 一条命令安装

需要 Node.js 20+。从公开 Release 安装完整 Skill，无需 GitHub token：

npx --yes --package=https://github.com/haoxuanjng-lang/kaggle-solutions-skills/releases/download/v0.2.2/haoxuanjng-lang-kaggle-solutions-skills-0.2.2.tgz kaggle-solutions-skills install

已有安装可追加 --force 更新；--destination <skill-folder> 可指定目录。

📦 GitHub Packages · 下载 npm 安装包 · 下载 Skill ZIP

完整安装与后续发布说明：Distribution。

从源码安装 / 使用 GitHub npm registry

需要 Python 3.10+。离线 search / show / patterns 只使用标准库；开发安装会提供更新与校验所需的 PyYAML。

git clone https://github.com/haoxuanjng-lang/kaggle-solutions-skills.git
cd kaggle-solutions-skills
python -m pip install -e .
python scripts/project.py install

GitHub Packages 的 npm 包为 @haoxuanjng-lang/kaggle-solutions-skills，发布在 npm.pkg.github.com。按 GitHub 官方说明 完成 registry 认证后：

npx --yes --registry=https://npm.pkg.github.com @haoxuanjng-lang/kaggle-solutions-skills@0.2.2 install

普通下载与安装可直接使用上方 Release 命令，无需配置 registry。Python 3.10+ 用于运行 Skill 内的研究工具；Node.js 只负责安装文件。

安装后，在新聊天中调用：

$kaggle-solutions-skills 为这场比赛查找类似问题和解法，提炼有依据的实验方向。

2. 检索知识

查看当前档案与研究覆盖
python skills/kaggle-solutions-skills/scripts/solutions.py stats

搜索相似问题
python skills/kaggle-solutions-skills/scripts/solutions.py search "医学影像" --modality vision --limit 5

查看指定比赛的解法线索
python skills/kaggle-solutions-skills/scripts/solutions.py show rogii-wellbore-geology-prediction --top-rank 5 --json

查询可迁移方法
python skills/kaggle-solutions-skills/scripts/solutions.py patterns "蒸馏" --json

3. 从研究走向实验

| 你想完成的事 | 可以这样调用 |
| 比较历史方案 | $kaggle-solutions-skills 比较 OTTO 冠军的候选召回和排序策略，给出最小对照实验。 |
| 沉淀比赛经验 | $kaggle-solutions-skills 把我这次实验的成功与失败整理为方法卡，保留真实结果。 |
| 更新知识库 | $kaggle-solutions-skills 更新解法索引，审核上游变化并检查安装版本。 |

📖 阅读 Skill 入口 · 查看 ROGII 研究交接示例

安装位置与 ZIP 分发

默认安装到 $CODEX_HOME/skills/kaggle-solutions-skills；未设置时为 ~/.codex/skills/kaggle-solutions-skills。可用 python scripts/project.py install --destination <skill-folder> 指定位置。

安装只复制 Skill 及离线知识；缓存、上游 checkout 和私人比赛文件留在源项目。

python scripts/project.py package

导出 ZIP 包含 Skill、离线知识、MIT 与上游许可，并校验 CRC 和文件字节。也可从 Releases 获取已发布版本。

🧭 工作流程

从比赛问题到方法卡、实验交接与知识回流的工作流程

| 阶段 | 产出 | 需要保留的依据 |
| 检索 | 相似比赛与候选解法 | 比赛、链接、排名线索、上游版本 |
| 阅读 | 原文与代码证据 | 作者表述、代码位置、访问状态 |
| 提炼 | 有条件的方法卡 | 适用前提、失败条件、来源关联 |
| 交接 | 最小对照实验 | 目标假设、验证方式、资源约束 |
| 回流 | 新证据与反例 | 实际结果、运行环境、版本 |

真正训练、运行和取得 Kaggle 官方分数时，将研究结果交给用户选定的比赛 workflow；已有 agentic-kaggle-skill 时按它执行。

证据边界：档案链接、作者报告、迁移假设、本地实验和官方分数分别记录。历史排名可以帮助发现解法；目标比赛中的收益需要实际验证。

🐋 DeepSeek Harness 原生插件

当前痛点与插件能帮你做的事

| 当前痛点 | 在 Harness 中怎样解决 | 交付什么 |
| 找到很多方案，难以判断与当前问题是否相似 | 按问题、模态和历史比赛检索，并查看对应解法线索 | 相似比赛、作者来源和待核实项 |
| 冠军方案里有很多技巧，迁移时容易忽略验证与数据边界 | 查询条件化方法卡，让证据 Agent 与验证 Agent 分别研究 | 适用条件、泄漏风险、失败条件与最小对照 |
| 多 Agent 重复搜索、上下文丢失，汇总时混淆作者报告与实际实验 | 生成独立任务包、依赖图和来源上下文，由 reviewer 合成 | 可交接的研究结果、未解决分歧与实验建议 |

可以让 Harness 为新比赛找相似问题、比较某场比赛的解法、组织研究团队，或将实际实验反馈沉淀成知识。离线检索与任务生成直接可用；新的模型分析沿用你的 Harness 配置，实验与官方成绩由比赛执行 workflow 产生。

同一份 npm 包包含 Cordis 插件、bundle patch、双语元数据和工具图标。已在本机 Harness 0.1.0-rc.6 完整 Web host 中成功调用六个工具，插件管理页显示已挂载、已启用；同时用官方 0.2.0-rc.2 工具运行时 验证注册、调用、错误传播与卸载。见 本机验证记录与截图。

从 Release 下载 .tgz 后，在文件所在目录执行：

npx @deepseek-ai/dsh@0.2.0-rc.2 plugin --profile kaggle add ./haoxuanjng-lang-kaggle-solutions-skills-0.2.2.tgz
npx @deepseek-ai/dsh@0.2.0-rc.2 --profile kaggle --dump-config

| 检索工具 | 证据工具 | 协作工具 |
| kaggle_solutions_search | kaggle_solutions_show | kaggle_research_scenarios |
| kaggle_solutions_stats | kaggle_solutions_patterns | kaggle_research_plan |

离线工具无需额外 API key；模型对话沿用 Harness 自身配置。插件生成任务包，实际分派使用宿主的 subagent/workflow 能力。官方 Harness 仍处于 developer preview，兼容范围和 workspace 配置见 插件指南。

社区发现：已收录至 1024Store（收录 PR 已合并）。这是社区目录收录，不代表 DeepSeek 官方认证。安装请使用上方已验证的 Release 包。

🤖 多 Agent 协作研究

五角色研究团队的依赖图与证据交接

python skills/kaggle-solutions-skills/scripts/research_team.py plan --scenario otto --output workspaces/otto-research
python skills/kaggle-solutions-skills/scripts/research_team.py validate workspaces/otto-research

每个角色拿到独立任务、固定来源上下文、结果契约和前置结果路径。证据阅读与验证审查可以并行；迁移分析等待二者完成，最后由 reviewer 汇总可追溯发现、分歧和最小实验。

在 Codex 中可以直接提出：

$kaggle-solutions-skills 用多 Agent 分析 OTTO 的召回与排序方案，审查验证泄漏，给出最小迁移实验。缺失的目标指标保持未知。

任务包生成 ≠ Agent 已执行。 宿主实际运行后，通过 validate <研究目录> --results 检查角色结果与来源关联。格式通过仍需要研究者判断事实是否得到来源支持。协作流程 · 实际研究使用说明

已完成一次 OTTO 真实研究试用：五个角色按依赖完成研究，其中 evidence / validation 由独立 Agent 并行执行，审读缓存作者正文后输出迁移实验简报。该记录验证研究流程，尚未验证比赛收益。

档案事实现在使用独立的固定版本来源 ID 和 archive_metadata；作者观察保留作者来源 ID。校验器会拒绝混用这两类声明。见引用契约。

🏁 真实比赛研究场景

| 场景 ID | 原比赛 | 研究重点 | 最小实验方向 |
| otto | OTTO | Session 边界、候选召回与排序 | 固定候选生成，单独比较排序阶段 |
| birdclef-2024 | BirdCLEF 2024 | 音频上下文、来源质量、伪标签隔离 | 相同 split 和预算下改变一种上下文或伪标签策略 |
| rogii | ROGII | 跨井验证、对齐与可靠性路由 | 固定基线，比较单项对齐或路由变化 |
| amex | American Express | 客户隔离、历史特征与指标对齐 | 保留客户 split，新增一组历史统计特征 |
| m5 | M5 | 预测窗口、递归推理与层级指标 | 相同窗口与训练成本下比较直接/递归预测 |

五个场景关联真实比赛、已记录阅读的作者资料和方法卡，用于研究与协作回归检查。它们是历史解法研究场景，没有在本项目中复现冠军训练方案或产生新的官方分数。

python skills/kaggle-solutions-skills/scripts/research_team.py scenarios --json

📚 知识覆盖

v0.1.0 · 2026-10-04 导入快照。档案与方法卡徽章及下表均为本版本的固定统计；更新后的实时数量以 stats 输出为准。

| 档案索引 | 已阅读资料 | 已审核知识 |
| 717 场比赛 | 13 篇解法正文 | 21 张方法卡 |
| 4,724 条解法链接记录 | 1 份作者代码 README（Santa 2024） | 作者报告与待验证的迁移假设 |
| 4,708 个不同 URL | 7 份 Skill 设计参考文件，来自 6 个 GitHub 项目 | 适用条件、失败风险与来源关联 |

部分已读正文只提供局部方法或指向代码；125 场比赛暂无解法链接。上述数量表示档案与研究覆盖，4,708 个 URL 的可访问性、正文阅读和复现状态仍需逐项确认。本项目尚未运行这些冠军训练方案。

查看快照来源与可追溯记录

上游仓库：faridrashidi/kaggle-solutions。

固定上游版本：6414951ae88d252a6c92d4489ba389b2b7cb40c7。

- 本版本验证记录
- 知识字段与证据状态
- 来源与第三方许可

📥 读取解法正文

可选择现有浏览器、MCP、官方 CLI，或安装本项目的可选读取依赖：

python -m pip install -e ".[kaggle-read]"
python skills/kaggle-solutions-skills/scripts/fetch_source.py https://www.kaggle.com/competitions/birdclef-2024/discussion/512197 --cache cache/sources

读取工具使用现有 API token，不打印或写出凭据。Modern writeup 和旧论坛正文分别处理，并验证取得的是原帖。它不提交、不上传、不启动云端 notebook。Kaggle 内部读取接口可能变化；访问失败会留下明确状态，应转到其他读取方式。

🌱 持续更新与知识审核

项目跟踪上游解法档案的变化，经审核后更新索引，并结合作者资料与实际实验证据完善方法卡。项目版本与上游快照分别记录，更新保留已有方法卡，不会自动覆盖已安装的 Skill。

查看 版本记录 和 Releases 获取更新；已有安装可使用安装命令追加 --force 更新。具体维护机制、调度与配置见 维护文档。

项目结构

kaggle-solutions-skills/
├── skills/kaggle-solutions-skills/ # 可安装与分发的 Skill │ ├── SKILL.md # Agent 入口与研究流程 │ ├── references/ # 知识、来源与维护约定 │ └── scripts/ # 检索、校验与正文读取 ├── docs/ # 示例、路线与验证记录 ├── integrations/deepseek-harness/ # 原生插件、bundle 与双语资源 ├── config/daily-agent-prompt.md # 已授权的每日项目维护说明 ├── scripts/project.py # 项目检查、安装与打包 ├── tests/ # 脚本行为检查 └── .github/workflows/ # CI 与上游更新检查

🤝 参与维护

欢迎补充可追溯的解法资料、方法适用条件、失败案例与实际实验结果。提交前请阅读 贡献约定 和 维护流程。

| 开始贡献 | 了解方向 | 查看演进 |
| CONTRIBUTING | Roadmap | Changelog |

基于 Farid Rashidi 的 Kaggle 解法档案，感谢解法作者的公开分享。
核心代码与新写指令采用 MIT；上游档案保留原 MIT 许可，链接内容遵循各自许可。
独立维护的社区项目 · 非 Kaggle 官方项目