architecture-design

This skill defines the standard code architecture for machine learning projects based on the template structure. When modifying or extending code, follow these patterns to maintain consistency.

The project follows a modular, extensible architecture with clear separation of concerns. Each module (data, model, trainer, analysis) is independently organized using factory and registry patterns for maximum flexibility.

For detailed directory structure with file descriptions, refer to references/structure.md.

ファクトリ/レジストリ パターンを必要とする ML プロジェクトで新しい登録可能なコンポーネントを作成する場合にのみ使用してください。 ✅ 次の場合に使用します。 - 新しい Dataset クラスの作成 (@register_dataset が必要) - 新しい Model クラスの作成 (@register_model が必要) - __init__.py ファクトリを使用して新しいモジュール ディレクトリを作成する - 新しい ML プロジェクト構造を最初から初期化する - 新しいコンポーネント タイプの追加 (Augmentation、CollateFunction、Metrics) ❌ 次の場合は使用しないでください。 - 既存の関数またはメソッドの変更 - 既存のコードのバグを修正する - ヘルパー関数またはユーティリティの追加 - 新たに登録可能なコンポーネントを追加せずにリファクタリング - 単一ファイルへの簡単なコード変更 - 設定ファイルの変更 - 既存のコードを読むか理解する 重要な指標: タスクには @register_* デコレーターまたはファクトリー パターンが必要ですか? 「いいえ」の場合は、このスキルをスキップしてください。 ソース: galaxy-dawn/claude-scholar。