Oh My Paper – vollständiger Leitfaden: Von der Literaturrecherche bis zur Veröffentlichung – alles in einem Terminal erledigen

In 20 Minuten einsatzbereit｜5 Agent-Zusammenarbeit + 34 Forschungsmethoden｜Mach Claude Code zu deinem eigenen Forschungs-Labor

---

Projektüberblick

Oh My Paper ist ein Open-Source-Plugin für Claude Code. Es löst ein ganz konkretes Problem: Claude Code kann dir beim Programmieren helfen – aber wissenschaftliche Arbeit ist weit mehr als nur Code schreiben. Du brauchst auch Literaturrecherche, die Bewertung von Innovationen, Versuchsdesign, das Verfassen von Papers und das Prüfen von Zitaten. Für all diese Schritte gibt es bisher kein richtig gutes Werkzeug, das sie sinnvoll miteinander verbindet.

Oh My Paper stattet Claude Code mit einer strukturierten Forschungs-Pipeline aus: 5 spezialisierte Agent-Rollen kümmern sich jeweils um einen Teil, 34 Forschungskompetenzen werden bedarfsgerecht geladen, und systemseitige Hooks merken im Hintergrund automatisch den Projektstatus. Sobald alles eingerichtet ist, fragt dich Claude Code bei jedem Start: „Welche Rolle soll ich heute übernehmen?“ Danach lädt es automatisch die passenden Erinnerungsdateien und setzt direkt dort fort, wo du zuletzt aufgehört hast. Kein GUI nötig – alle Schritte erledigst du ausschließlich im Terminal.

---

Zielgruppe

Dieser Artikel richtet sich an folgende Entwickler:

• 1–5 Jahre Entwicklungserfahrung, bereits mit (oder gerade in) der Phase, in der man Paper schreibt und Forschung betreibt
• KI fürs wissenschaftliche Arbeiten nutzen wollen, aber keine Lust haben, ständig zwischen verschiedenen Tools hin- und herzuschalten
• Interesse an Agent-Zusammenarbeit und Konzepten wie dem isolierten Speicher mehrerer Rollen haben und echte Praxisbeispiele suchen

Wenn du bereits ein klares Forschungsziel hast (z. B. CV, NLP, Systemarchitektur) oder in deinem Unternehmen interne technische Recherchen machst, dann ist die Pipeline von Oh My Paper genau passend.

---

Wichtige Abhängigkeiten & Umgebung

Bevor du startest, stelle sicher, dass deine Umgebung diese Voraussetzungen erfüllt:

---

Vollständiger Projekt-Strukturbaum

Nach dem Ausführen von /omp:setup sieht die Verzeichnisstruktur so aus:

my-research/
├── paper/                     # LaTeX-Paper-Arbeitsbereich
│   ├── main.tex
│   ├── sections/              # Einzelne Kapitel als .tex-Dateien
│   └── refs/                 # Bib-Datei für Literaturangaben (.bib)
├── experiment/                # Experimentcode und Skripte
├── survey/                    # Ergebnisse der Literaturrecherche
├── ideation/                  # Innovationsideen & Bewertungsergebnisse
├── promotion/                 # Folien, Demos und Material zur Veröffentlichung
├── skills/                    # Projektlokale benutzerdefinierte Skills
├── .pipeline/
│   ├── tasks/
│   │   └── tasks.json        # Aufgabenbaum über alle Phasen
│   ├── docs/
│   │   └── research_brief.json
│   └── memory/               # Agent-Erinnerungsdateien
│       ├── project_truth.md   # Projektbasis + Fortschrittslog
│       ├── orchestrator_state.md
│       ├── execution_context.md
│       ├── experiment_ledger.md
│       ├── result_summary.md
│       ├── review_log.md
│       ├── literature_bank.md
│       ├── agent_handoff.md
│       └── decision_log.md
├── .claude/
│   └── settings.json         # SessionStart-Hook-Registrierung
├── CLAUDE.md
└── AGENTS.md

---

Schritt-für-Schritt-Installation

Schritt 1: Plugin-Marktplatz hinzufügen

Führe in Claude Code den folgenden Befehl aus, um die Plugin-Marktplatz-Adresse von Oh My Paper zu registrieren:

/plugin marketplace add LigphiDonk/Oh-my--paper

Dieser Schritt erfordert kein Klonen des gesamten Repos. Claude Code lädt stattdessen die Plugin-Liste direkt aus dem Marktplatz.

Schritt 2: Plugin installieren

/plugin install omp@oh-my-paper

Nach der Installation kannst du mit /plugin prüfen:

/plugin
# Erwartete Ausgabe enthält: omp @ oh-my-paper, Status: Enabled

Schritt 3: Claude Code neu starten

Schließe das aktuelle Claude-Code-Fenster vollständig und öffne es danach erneut.

Schritt 4: Forschungsprojekt initialisieren

Wechsle in dein Forschungsprojektverzeichnis und führe aus:

/omp:setup

Dieser Befehl erledigt drei Dinge:

1. Erstellt das Verzeichnis .pipeline/ inkl. aller Unterordner und Erinnerungsdateien
2. Registriert den SessionStart-Hook in .claude/settings.json
3. Generiert standardmäßig tasks.json und research_brief.json

Nach der Initialisierung entspricht die Verzeichnisstruktur der oben gezeigten „vollständigen Projektstruktur“.

Verifizieren, ob die Installation erfolgreich war

Öffne Claude Code erneut (im initialisierten Projektordner). Du solltest das Rollen-Auswahlmenü sehen, in dem Claude fragt, mit welcher Rolle du heute starten möchtest. Wenn du das siehst, war die Installation vollständig erfolgreich.

---

Detaillierte Erklärung der 5-Phasen-Forschungs-Pipeline

Oh My Paper teilt den gesamten Forschungsprozess in 5 Phasen ein. Jede Phase entspricht einem Befehl und einer Gruppe empfohlener Skills.

Phase 1｜Survey: Literaturrecherche

Auszuführender Befehl:

/omp:survey

Dieser Abschnitt macht Folgendes: Claude sucht – basierend auf deinem Forschungsfokus – nach relevanten Papers, extrahiert Abstracts und Kernaussagen und fasst daraus am Ende eine literature_bank.md zusammen.

Häufig verwendete Skills:

• paper-finder — Sucht relevante Arbeiten in ArXiv und Semantic Scholar
• paper-analyzer — Extrahiert Kernaussagen, Methoden und Grenzen einer Arbeit
• biorxiv-database — Wenn du im biomedizinischen Bereich arbeitest: Suche in BioRxiv

Zentrales Ausgabe-Dateiformat: survey/literature_bank.md

Typischer Workflow:

Du: /omp:survey
→ Claude fragt nach Suchbegriffen bzw. Keywords für deine Forschungsrichtung
→ Automatische Suche → Literaturkarten sortieren → In literature_bank.md schreiben
→ Zeigt die Zusammenfassung der Recherche an, damit du bestätigen kannst, ob Ergänzungen nötig sind

Phase 2｜Ideation: Innovationsideen generieren

Auszuführender Befehl:

/omp:ideate

Basierend auf den Rechercheergebnissen aus Phase 1 generiert Claude potenzielle Innovationsideen und bewertet sie Schritt für Schritt hinsichtlich ihrer Umsetzbarkeit.

Häufig verwendete Skills:

• inno-idea-generation — Großskalige Brainstorming-Generierung von Innovationsideen
• inno-idea-eval — Bewertung in drei Dimensionen: novelty, feasibility, impact
• research-idea-convergence — Konvergenz auf 2–3 vielversprechendste Richtungen

Zentrales Ausgabe-Dateiformat: Bewertungsresultate im ideation/-Verzeichnis

Phase 3｜Experiment: Design & Durchführung

Auszuführender Befehl:

/omp:experiment

Diese Phase deckt den breitesten Bereich ab: Experimente planen, Auswertungscode schreiben, lokal oder remote ausführen und Ergebnisse analysieren.

Häufig verwendete Skills:

• inno-experiment-dev — Erstellt den Grundgerüst-Code für Experimente
• research-experiment-driver — Steuert eine iterative Experiment-Schleife
• remote-experiment — SSH auf entfernte GPU-Knoten zum Ausführen (siehe Abschnitt „Remote-Experimente“)

Zentrale Ausgabedatei: experiment/-Verzeichnis + experiment_ledger.md (Experiment-Historie)

Phase 4｜Publication: Text der Paper-Abschnitte schreiben

Auszuführender Befehl:

/omp:write

Aus Experimentergebnissen machst du Paper-Text: erstellt Grafiken und Titel, und verwaltet die LaTeX-Dateien.

Häufig verwendete Skills:

• inno-paper-writing — Generieren allgemeiner Paper-Abschnitte
• ml-paper-writing — Paper-Templates für Machine Learning/AI
• scientific-writing — Regeln für akademisches Schreiben (Zeiten, Formulierungen, Struktur)
• inno-figure-gen — Generiert Grafikcode (Matplotlib, Plotly)
• inno-reference-audit — Prüft automatisch, ob Zitatformate korrekt sind

Zentrale Ausgabedatei: LaTeX-Dateien im paper/-Verzeichnis

Phase 5｜Promotion: Ergebnisse bewerben

Auszuführender Befehl:

/omp:plan
# In der Promotion-Phase: Skill(s) auswählen, um Demo-/Präsentationsmaterial zu erstellen

Aus Paper-Ergebnissen machst du Folien, Tech-Blogs, Grant-Anträge usw.

Häufig verwendete Skills:

• making-academic-presentations — Generiert PPTs für akademische Präsentationen
• inno-grant-proposal — Schreibt einen Grant-Antrag
• inno-rclone-to-overleaf — Synchronisiert automatisch lokales LaTeX mit Overleaf

---

5 Agent-Rollen & Mechanismus zur Speicherisolation

Das ist das wichtigste Designprinzip von Oh My Paper.

Überblick über die Agent-Rollen

Prinzip der Speicherisolation

Jede Rolle darf nur die Erinnerungsdateien lesen und schreiben, die in ihren Aufgabenbereich fallen – sie kann den internen Zustand anderer Rollen nicht sehen. Der Kernnutzen dieser Lösung ist, Kontextverschmutzung zu verhindern: Beispielsweise sieht der Paper Writer nicht die Debug-Zwischenergebnisse des Experiment Drivers, und der Literature Scout wird nicht durch das Betrachten von Experimentdaten vorab voreingenommen, wodurch seine Bewertung der Literatur verzerrt werden könnte.

Die Rollen kommunizieren untereinander über zwei „öffentliche Bereiche“:

tasks.json         ← Alle Rollen lesen/schreiben und halten den Aufgabenstatus fest
project_truth.md   ← Alle Rollen hängen hinzu und halten den Gesamtfortschritt fest

Automatisierte Status-Synchronisation

Der wichtigste Design-Detail: Conductor aktualisiert nach jeder Teilaufgabe automatisch diese beiden öffentlichen Dateien. Du musst ihn nicht manuell daran erinnern.

Teilaufgabe abgeschlossen
  → Conductor markiert die entsprechende Aufgabe in tasks.json als done
  → Conductor hängt einen Fortschrittsvermerk an project_truth.md an
    → Beim nächsten Session-Start liest Claude diese beiden Dateien und setzt automatisch ab dem letzten Stand fort

---

34 Forschungsmethoden – Kurzreferenz

Oh My Paper enthält 34 Forschungsmethoden, die den gesamten Forschungsprozess abdecken. Die folgenden sind nach Kategorien sortiert, damit du schnell nach Bedarf suchen kannst:

Literaturbezogen

• paper-finder — Papers über verschiedene Datenbanken suchen
• paper-analyzer — Extrahiert die Kernelemente eines Papers
• paper-image-extractor — Extrahiert Grafiken aus PDFs
• research-literature-trace — Verfolgt die Zitierkette einer Paper-Arbeit
• biorxiv-database — Spezialsuche auf BioRxiv
• dataset-discovery — Finden relevanter Datensätze

Recherche & Kreativitätsbezogen

• inno-deep-research — Deep-Research-Modus
• gemini-deep-research — Gemini Deep-Research-Integration
• inno-code-survey — Recherche zur Code-Implementierung
• inno-idea-generation — Innovationen im Batch erzeugen
• inno-idea-eval — Multidimensionale Bewertung von Innovationsideen
• research-idea-convergence — Konvergenz auf die beste Richtung

Experimentbezogen

• inno-experiment-dev — Generiert Experimentcode
• inno-experiment-analysis — Analysiert Experimentresultate
• research-experiment-driver — Iteratives Experiment-Management
• remote-experiment — Remote-GPU-Experiment-Schleife

Schreibbezogen

• inno-paper-writing — Allgemeine Paper-Abschnitte
• ml-paper-writing — Papers für ML/AI
• scientific-writing — Regeln für akademisches Schreiben
• inno-figure-gen — Grafiken erzeugen
• inno-reference-audit — Zitierformat prüfen
• research-paper-handoff — Übergaberegeln zwischen Agents

Planung & Review

• inno-pipeline-planner — Pipeline-Planung
• research-pipeline-planner — Planung der Forschungsphasen
• inno-paper-reviewer — Bewertung der Paper-Qualität
• inno-prepare-resources — Ressourcen-Checkliste
• inno-rclone-to-overleaf — Synchronisation mit Overleaf

Präsentation & Proposal

• making-academic-presentations — Präsentationen für wissenschaftliche Vorträge (PPT)
• inno-grant-proposal — Antragsschreiben für Fördermittel

Agent-Dispatch

• claude-code-dispatch — Dispatch von Unteraufgaben für Claude Code
• codex-dispatch — Parallel-Dispatch für Codex

Spezifische Domänen

• academic-researcher — Allgemeine akademische Forschung
• bioinformatics-init-analysis — Analyse im Bereich Bioinformatik
• research-news — Aktuelle Forschungsentwicklungen verfolgen

Skills werden bei Bedarf geladen. Wenn du /omp:survey ausführst, empfiehlt Claude automatisch passende Skills – du kannst aber auch eigene Skills im skills/-Ordner ergänzen.

---

Vollständige Demo eines typischen Workflows

Nehmen wir als Beispiel ein Paper im AI-Bereich. Wir laufen einmal komplett durch die 5 Phasen der Pipeline.

Step 1: Projekt-Initialisierung

# In das Forschungsverzeichnis wechseln
cd ~/research/my-paper

# In Claude Code:
/omp:setup
# Ausgabe: .pipeline/ wurde erstellt, SessionStart Hook wurde registriert

Step 2: Literaturrecherche

# In Claude Code:
/omp:survey
# → Claude fragt: „Was ist deine Forschungsrichtung?“
# → Eingabe: LLM reasoning, chain-of-thought prompting
# → Claude sucht automatisch in ArXiv/Semantic Scholar
# → Ordnet 20+ relevante Arbeiten in survey/literature_bank.md
# → Gibt eine Zusammenfassung aus und prüft, ob Ergänzungen nötig sind

Step 3: Innovationsideen generieren

/omp:ideate
# → Claude liest literature_bank.md
# → Generiert 8 potenzielle Innovationsideen
# → Bewertet jeden Punkt in den Dimensionen novelty / feasibility / impact
# → Konvergiert auf 2 Richtungen und schreibt sie in research_brief.json

Step 4: Experimente planen & ausführen

/omp:experiment
# → Claude liest research_brief.json
# → Entwirft das Experiment-Setup (Baselines, Vergleichsmethoden, Metriken)
# → Generiert Experimentcode in das experiment/-Verzeichnis
# → Führt lokale Auswertungen aus und interpretiert die Metriken
# → Schreibt die Ergebnisse in experiment_ledger.md

Wenn du Remote-GPU-Knoten verwenden musst:

# Remote-Rechenknoten konfigurieren (im experiment/-Ordner compute-config.json anlegen)
{
  "host": "gpu-server.example.com",
  "user": "researcher",
  "key_path": "~/.ssh/id_rsa",
  "remote_dir": "/home/researcher/experiments"
}

# In Claude Code:
/omp:experiment
# → Claude erkennt compute-config.json
# → Nutzt den Skill remote-experiment
# → rsync Code auf Remote → SSH ausführen → Ergebnisse zurückholen
# → Metriken werden automatisch geparst und in experiment_ledger.md geschrieben

Step 5: Paper-Abschnitte schreiben

/omp:write
# → Claude liest experiment_ledger.md + literature_bank.md
# → Generiert Introduction / Method / Experiment als jeweils eigene .tex-Dateien
# → Generiert Grafiken (Matplotlib-Skripte) und kompiliert sie nach paper/figures/
# → Zitierprüfung: prüft das Format der .bib-Datei

Step 6: Peer Review

/omp:review
# → Claude liest als Reviewer-Rolle das Dokument
# → Prüft logische Kohärenz, Klarheit der Methodik und ausreichenden Vergleich
# → Ausgabe review_log.md mit Änderungsvorschlägen
# → Nach Änderungen erneut /omp:review, bis es „durchgeht“

Step 7: Synchronisieren mit Overleaf

# In skills/ Overleaf-Synchronisation konfigurieren
# Skill inno-rclone-to-overleaf verwenden
# Claude synchronisiert automatisch das lokale paper/-Verzeichnis mit dem Overleaf-Projekt

---

Detaillierte Erklärung: Remote-Experimente

Für Experimente, die GPU-Rechenleistung benötigen, unterstützt Oh My Paper eine vollständige Remote-Experiment-Schleife.

Architektur-Flow

Lokales Design
  → Experimentcode generieren
    → rsync auf Remote-Server synchronisieren
      → Remote-Knoten per SSH anmelden
        → Experiment auf der GPU ausführen
          → Metrics-Logs zurückholen
            → Metriken lokal auswerten
              → Prüfen, ob Schwellenwerte erreicht sind
                → Iterative Optimierung / Experiment beenden

Remote-Knoten konfigurieren

Erstelle im experiment/-Ordner compute-config.json:

{
  "host": "your-gpu-server.com",
  "user": "researcher",
  "ssh_key": "~/.ssh/id_rsa",
  "remote_workspace": "/home/researcher/omp-experiments",
  "max_iterations": 5,
  "success_threshold": {
    "accuracy": 0.92,
    "latency_ms": 200
  }
}

Remote-Experimente ausführen

# In Claude Code:
/omp:experiment
# → compute-config.json wird erkannt
# → Automatisch ausführen: Code synchronisieren → SSH ausführen → Ergebnisse zurückholen
# → Wenn Metriken nicht erreicht werden, automatische Anpassung der Hyperparameter und erneutes Laufen (max. max_iterations Mal)
# → Endergebnis wird in experiment_ledger.md geschrieben

---

Delegation von Codex-Aufgaben

Wenn ein Experiment sehr viel wiederholten Code-Generierung benötigt (z. B. 10 Gruppen unterschiedlicher Hyperparameter-Konfigurationen), kann man Conductor Aufgaben an Codex delegieren – parallelisiert.

/omp:delegate
# → Conductor liest den aktuellen Aufgaben-Kontext
# → Generiert einen Codex-Prompt mit vollständigem Kontext
# → Du kopierst ihn in ein neues Terminal: codex "..."
# → Codex läuft in einem separaten Terminal
# → Nach Abschluss schreibt Codex ein CODEX_DONE-Signal in agent_handoff.md
# → Conductor erkennt das Signal, liest die Ergebnisse und aktualisiert tasks.json

Vorteil dieser Lösung: Claude Code und Codex laufen gleichzeitig in unterschiedlichen Terminals. Dein lokaler Claude Code wird nicht blockiert – währenddessen kannst du parallel z. B. Literatur aufbereiten.

---

Häufige Probleme & Troubleshooting

F1: Nach dem Ausführen von /omp:setup erscheint beim Öffnen von Claude Code keine Rollen-Auswahl

Ursache: Der SessionStart-Hook wurde nicht korrekt registriert.

Troubleshooting-Schritte:

1. Prüfe, ob es im Projektordner .claude/settings.json gibt
2. Prüfe, ob diese Datei eine hooks-Konfigurationssektion enthält

cat .claude/settings.json
# Prüfe, ob es das Feld "hooks": { "SessionStart": [...] } gibt

Wenn das nicht vorhanden ist: Führe /omp:setup erneut aus, um zu re-initialisieren, und stelle sicher, dass Claude Code vollständig neu gestartet wurde.

---

F2: Plugin-Installation erfolgreich, aber /omp:survey o. ä. zeigt „unbekannter Befehl“

Ursache: Das Plugin wurde nicht korrekt geladen oder Claude Code muss neu gestartet werden.

Lösungsschritte:

# 1. Deinstallieren und neu installieren
/plugin uninstall omp
/plugin install omp@oh-my-paper

# 2. Claude Code vollständig neu starten (alle Fenster schließen)

# 3. Plugin-Status prüfen
/plugin

---

F3: Literature Scout findet zu wenige Papers – Suchbereich erweitern

Ursache: Die Anfangs-Keywords sind zu spezifisch und schränken die Suchergebnisse zu stark ein.

Lösung:

Beim Ausführen von /omp:survey nicht nur ein Schlagwort eingeben, sondern mehrere Synonyme und Oberbegriffe:
Eingabe: „LLM reasoning, chain-of-thought, CoT, deliberate reasoning, LLM planning“
statt nur „LLM reasoning“

Zusätzlich kann man in skills/paper-finder.md weitere Datenquellen ergänzen (z. B. ACL Anthology, die offizielle ICLR-Seite).

---

F4: Die von Paper Writer erzeugte Experimentbeschreibung passt nicht zu den tatsächlichen Ergebnissen

Ursache: Experiment Driver und Paper Writer haben das neueste experiment_ledger.md nicht rechtzeitig synchronisiert.

Lösung:

Nach jeder Iteration des Experiments: Bevor der Paper Writer startet, erst /omp:plan ausführen, damit Conductor den globalen Status synchronisiert und Paper Writer die neuesten Ergebnisse liest:

/omp:plan
# → Conductor zeigt den aktuellen tasks.json-Status
# → Prüfe, dass die experiment-Aufgabe als done markiert ist
# → Danach erst /omp:write ausführen

---

F5: Remote-Experiment rsync schlägt fehl und meldet „permission denied“

Ursache: Falsche Berechtigungen für den SSH-Schlüssel oder das Remote-Verzeichnis existiert nicht.

Troubleshooting-Schritte:

# 1. Lokale SSH-Schlüsselberechtigung prüfen
chmod 600 ~/.ssh/id_rsa

# 2. SSH-Verbindung testen (ohne Passwort)
ssh -i ~/.ssh/id_rsa [email protected] "echo ok"

# 3. Sicherstellen, dass das Remote-Verzeichnis existiert
ssh [email protected] "mkdir -p /home/researcher/omp-experiments"

# 4. Prüfen, ob remote_workspace in compute-config.json korrekt ist

---

F6: Nach Codex-Delegation wartet Conductor ständig auf das CODEX_DONE-Signal

Ursache: Codex hat nach Abschluss nicht korrekt in agent_handoff.md geschrieben.

Lösung:

1. Prüfe, ob das Terminal für den Codex-Lauf normal beendet wurde
2. Ergänze manuell am Ende von .pipeline/memory/agent_handoff.md eine Zeile:

CODEX_DONE
result: [Ausgabe des Codex eintragen]

1. Danach im Claude-Code die aktuelle Arbeitskette fortsetzen

---

Weiterführende Lektüre & Fortgeschrittene Ansätze

1. Eigene Skills erweitern

Oh My Paper unterstützt das Hinzufügen eigener Skills im lokalen Projektordner skills/. Erstelle das Format wie folgt:

---
name: my-custom-skill
description: Benutzerdefinierter Analyse-Workflow für einen bestimmten Forschungsbereich
stage: survey  # optional: survey | ideation | experiment | write | review
---

# Skill-Titel

## Ausführungsablauf
1. Kontexdateien lesen ...
2. Spezifische Aufgaben ausführen ...

Nach der Registrierung wird Claude bei der Ausführung von /omp:survey und ähnlichen Befehlen automatisch passende benutzerdefinierte Skills empfehlen.

2. Mehr-Agent-Zusammenarbeit – fortgeschritten

Wenn du mehrere Forschungsrichtungen gleichzeitig bearbeitest, kannst du in verschiedenen Unterverzeichnissen jeweils /omp:setup ausführen. Jedes Unterprojekt hat dann sein eigenes .pipeline/ und ein eigenes Agent-Team. Die Rolle des Conductor übernimmt die Übersicht und Koordination über alle Subprojekte hinweg.

3. Overleaf-Zusammenarbeits-Workflow

Mit dem Skill inno-rclone-to-overleaf kannst du das lokale Paper nach Overleaf synchronisieren. Danach kannst du deinen Mentor direkt in Overleaf um Kommentare/Änderungen bitten. Sobald die Änderungen fertig sind, kannst du sie wieder zurück ins lokale System synchronisieren. Dieser gesamte Prozess erfordert kein manuelles Hochladen oder Herunterladen.

4. Anbindung anderer LLM-Backends

Oh My Paper setzt selbst nur auf Claude Code. In der Experimentphase kann man jedoch unterschiedliche LLMs konfigurieren, um Vergleichs- und Bewertungsstudien zu machen. Erstelle im Verzeichnis experiment/ eine Model-Konfigurationsdatei:

# experiment/model_configs.py
llm_configs = {
    "claude-sonnet": {"provider": "anthropic", "model": "claude-3-5-sonnet"},
    "gpt-4o": {"provider": "openai", "model": "gpt-4o"},
    "gemini-pro": {"provider": "google", "model": "gemini-1.5-pro"},
}

Anschließend verwendest du diese Konfigurationen im Experimentcode, um horizontale Vergleiche durchzuführen.

5. Aktuelle Forschungstrends verfolgen

Nutze den Skill research-news, um ArXiv-Updates regelmäßig zu scannen. Filtere neue Arbeiten heraus, die zu deiner Forschungsrichtung passen, und aktualisiere automatisch literature_bank.md. In Kombination mit einem cron-Job kannst du den Literatur-Check sogar wöchentlich automatisch laufen lassen.