Research to Library Skill

연구용 파이썬 파일을 분석하여 일관된 구조의 라이브러리로 변환합니다.

입력

$ARGUMENTS

워크플로우

Step 1: 프로젝트 초기화

• 연구용 파이썬 파일 경로를 확인합니다
• uv init으로 새 프로젝트를 초기화합니다 (이미 있으면 스킵)
• pyproject.toml 기본 설정을 확인합니다

Step 2: 연구 파일 분석 및 라이브러리 설계

• 연구용 파이썬 파일을 읽고 분석합니다
• 주요 기능을 파악합니다 (모델 로딩, 추론 등)
• 사용자에게 질문: 어떤 함수/클래스를 라이브러리에 포함할지 확인합니다

- 모델 로딩 함수 - inference 함수 - 기타 유틸리티 함수

Step 3: 일관된 클래스 구조로 라이브러리 생성

• src/<package_name>/ 디렉토리에 라이브러리 코드 작성
• 중요: 메인 코드 파일명은 반드시 main.py를 사용 (generator.py, core.py 등 사용 금지)
• 기본 구조:

`` src/<package_name>/ ├── init.py # 메인 클래스 export └── main.py # Generator/Model 클래스 (반드시 main.py 사용) ``

• 클래스 구조 패턴:

```python class <Name>Generator: def init(self, model_path, device, dtype, config): """모델 로딩"""

def infer(self, prompt, **kwargs) -> Output: """추론 실행"""

def load_lora(self, path, scale): """LoRA 로드 (필요시)""" ```

Step 4: 테스트 코드 작성

• tests/test_<기능명>.py 형식으로 기능별로 분리하여 생성

- 예: testtexttoimage.py, testimagetoimage.py, test_lora.py

• 중요: 입력값은 반드시 연구용 파일과 동일하게 설정

- 동일한 입력 이미지/데이터 경로 - 동일한 파라미터 값 - 동일한 프롬프트/설정

• 체크포인트 다운로드: 연구 코드에서 모델/체크포인트를 다운로드하는 코드가 있으면 테스트 파일에 포함

Step 5: 필수 의존성 확인

• 사용자에게 질문: 테스트 실행 전에 필수 라이브러리가 있는지 확인

- 사용자 정의 라이브러리 (로컬 패키지, 내부 도구) - 특정 버전이 필요한 라이브러리 - 비공개 저장소의 패키지

• 사용자가 지정한 필수 라이브러리가 있으면 먼저 uv add로 추가

Step 6: 의존성 설치 및 실행

• 중요: pyproject.toml에 의존성을 미리 추가하지 않음 (필수 라이브러리 제외)
• uv run python tests/test_<module>.py 실행
• 에러 발생 시:

1. 에러 메시지에서 누락된 패키지 확인 2. uv add <package>로 해당 패키지만 추가 3. 다시 실행

• 핵심 원칙: 테스트 실행 → 에러 확인 → 필요한 패키지만 추가 (반복)
• 에러 카운터:

- uv add로 의존성을 추가하는 과정의 에러는 카운트하지 않음 - 의존성이 모두 추가된 후, 코드 로직 에러만 카운트

Step 7: 반복 (최대 5회)

• 에러가 없을 때까지 Step 5를 반복합니다
• 5회 이상 에러 발생 시:

- 현재 상태와 에러 내용을 정리 - 사용자에게 보고하고 대기 - 사용자의 추가 지시를 기다립니다

Step 8: 문서화

• docs/ 디렉토리 생성 (없으면)
• docs/report.md 작성:

```markdown # Library Conversion Report

## 원본 파일 - 경로: ... - 주요 기능: ...

## 생성된 라이브러리 - 패키지명: ... - 주요 클래스/함수: ...

## 의존성 - 추가된 패키지 목록

## 테스트 결과 - 성공/실패 여부 - 실행 횟수

## 설정값 정리 - 주요 파라미터 설명 - 기본값과 권장값 - 사용 시 주의사항

## 사용 예시 ``python from <package> import <Class> ... ` ``

예시 사용법

/research-to-lib sample.py
/research-to-lib /path/to/research_code.py

주의사항

• 연구 파일의 하드코딩된 경로는 테스트 코드에서도 동일하게 유지
• 모델 체크포인트 경로, 입력 데이터 경로 등 그대로 사용
• uv를 사용하여 가상환경 및 의존성 관리
• device 설정: 테스트 시 device는 cuda를 직접 사용 (cpu_offload 등 offload 옵션 지양)