FrankS-IntelLab/agentic-kaggle-skill

AI Agent를 Kaggle 팀원으로 변신시키세요

让 AI 智能体成为你的 Kaggle 队友

단순한 도구가 아닙니다 — 스스로 연구하고, 디버깅(debug)하며, 반복(iterate)하고, 승리하는 자율적인 협력자입니다.

不仅仅是工具 —— 能够自主研究、调试、迭代并获胜的合作者。

빠른 시작 (Quick Start) • 핵심 통찰 (Key Insights) • 사례 연구 (Case Studies) • 설치 (Install)

실제 Kaggle 경진대회 경험에서 추출됨
提炼自 真实 Kaggle 竞赛实战经验

포함 내용: 강화학습 (RL) 게임 AI • 오디오 분류 (Audio Classification) • LLM 추론 (LLM Reasoning) • 다양한 디버깅 여정
包括：强化学习游戏 AI • 音频分类 • LLM 推理 • 多次调试实践

당신의 Kaggle 워크플로우를 **수동 반복 (manual iteration)**에서 **자율 에이전트 주도 경진대회 (autonomous agent-driven competition)**로 전환하세요:

将你的 Kaggle 工作流从手动迭代转变为智能体驱动竞赛：

이전 (Before)	이후 (After)
수동 notebook 분석 (Manual notebook analysis)	에이전트가 의존성(dependencies)과 함께 상위 솔루션을 가져옴 (Agent pulls top solutions with dependencies)
...

# skill 설치 / Install the skill
mkdir -p ~/.hermes/skills/data-science/agentic-kaggle/
curl -sL https://raw.githubusercontent.com/FrankS-IntelLab/agentic-kaggle-skill/main/SKILL.md \
...

그 다음 당신의 AI 에이전트(AI agent)에서:

> agentic kaggle skill을 사용하여 이 상위 notebook을 복제하는 것을 도와줘
> 왜 내 제출(submission)이 400 에러를 반환할까?
> 내 커널(kernel)에 대한 자동 모니터링을 설정해줘

유형 (Type)	제출 내용 (Submit)	탐지 방법 (Detection)
정답 (Answer)
CSV 예측 (CSV predictions)	대부분의 경진대회 (Most competitions)
모델 (Model)	LoRA/체크포인트 (LoRA/checkpoints)	상위 notebook이 모델을 학습함 (Top notebooks train models)

모드 (Mode)	테스트 세트 (Test Set)	결과 (Result)
kaggle kernels push	❌ 숨겨짐 (Hidden)	무효한 제출 (Invalid submission)
"Save & Run All"	✅ 마운트됨 (Mounted)	유효한 제출 (Valid submission)

# 메타데이터와 함께 가져오기 (Pull WITH metadata) (-m 옵션이 매우 중요합니다!) / Pull WITH metadata (-m is critical!)
kaggle kernels pull user/top-notebook -p ./solution/ -m
# id/title만 수정하고, 모든 의존성(dependencies)은 유지하세요 / Edit only id/title, KEEP all dependencies
...

교훈 (Lesson)	세부 사항 (Details)
기능 완성도 (Feature completeness)	상위 에이전트 (Top agents): 3,000+ 행 → LB 1200+
	단순화된 에이전트 (Simplified agents): ~120 행, 4/12 기능 → LB 500-600
시간 예산 (Time budget)	엄격한 턴 제한 (Strict turn limits) — 변경 사항 발생 후마다 프로파일링 (profile)

교훈 (Lesson)	세부 사항 (Details)
하이브리드 앙상블 (Hybrid ensemble)	시계열 모델 (Temporal model) + SED 앙상블 = 상위 점수
사전 제한 (Prior limitations)	모든 샘플이 유사할 때는 위치 사전 정보 (Location priors)가 도움이 되지 않음
침묵하는 실패 (Silent failures)	특성 추출 (Feature extraction) 중 예외 사항을 로그로 기록

문제 (Problem)	해결책 (Solution)
400 Bad Request	.zip 형식 시도 (.zip 파일로 압축할 때 CSV만 포함할 것!)
FileNotFoundError	/kaggle/input/competitions/<name>/ 경로 확인
제출물에 훈련 ID 포함 (Training IDs in submission)	폴백(fallback) 용도로 sample_submission.csv 사용
점수 하락 (Score dropped)	안정화를 위해 4시간 대기
GPU OOM (Out of Memory)	4-bit 양자화 (4-bit quantization) 사용
CUDA error	FP16 → load_in_4bit=True

mkdir -p ~/.hermes/skills/data-science/agentic-kaggle/
cp SKILL.md ~/.hermes/skills/data-science/agentic-kaggle/

npx skills add FrankS-IntelLab/agentic-kaggle-skill

SKILL.md를 다운로드하여

당신의 skills 디렉토리에 배치하세요.

agentic-kaggle-skill/
├── SKILL.md # 핵심 스킬 정의 (Core skill definition)
├── README.md # 이 파일 (This file)
...

모델 (Model)	설명 (Description)
점수 안정화 (Score Stabilization)	초기 점수는 믿을 수 없음 — 진실을 위해 4시간 대기
사양 기반 개발 (Spec-Driven Development)	코딩 전 문서화, 명확하게 위임
빠르게 실패하고, 더 빠르게 배우기 (Fail Fast, Learn Faster)	체계적인 디버깅 (Systematic debugging)이 무작위 반복보다 낫다
팀원으로서의 에이전트 (Agent as Teammate)	단순한 도구가 아닌 — 자율적인 협업자

기술 (Skill)	용도 (Purpose)
agentic-competition-workflow	Git 중심 프로젝트 관리 (Git-first project management), 검증 파이프라인 (validation pipelines)
kaggle-auto-submit	cronjob을 이용한 엔드 투 엔드 자동화 (End-to-end automation with cronjob)
autonomous-iteration	분석 (ANALYSIS) → 구축 (BUILD) → 실험 (EXPERIMENT) → 검토 (REVIEW)
opencode	OpenCode CLI에 코딩 위임 (Delegate coding to OpenCode CLI)
claude-code	Claude Code CLI에 코딩 위임 (Delegate coding to Claude Code CLI)

• ✅ 실전에서 검증된 패턴 (Battle-tested patterns) - 실제 경진대회로부터 도출됨
• ✅ 이중 언어 문서 (Bilingual documentation) (영어 + 중국어)
• ✅ 실용적인 문제 해결 (Practical troubleshooting) - 일반적인 Kaggle 이슈 대응
• ✅ 사양 기반 워크플로우 (Spec-driven workflow) - 템플릿 포함
• ✅ 사례 연구 (Case studies) - 실제 LB (Leaderboard) 점수 포함

새로운 패턴을 발견하셨나요? 까다로운 오류를 해결하셨나요?

• 저장소 포크 (Fork the repo)
• references/research/ 또는 examples/에 당신의 통찰을 추가하세요.

당신의 통찰을 추가하고 PR (Pull Request)을 제출하세요.

MIT — 자유롭게 사용하고, 자유롭게 수정하며, 자유롭게 배우세요.