Впервые подключаю свой код

Код эксперимента уже есть, карты исследования ещё нет. AI-помощник соберёт дерево гипотез и положит материалы в tree/<репо>/koi-structure/ (ветка koi/research).

1. Поставьте ResearcherOS рядом с кодом

   git clone git@github.com:ZoyaV/ResearcherOS.git ReseachOS
   # рядом уже лежит ваш code-репо, например:
   # workspace/ReseachOS/
   # workspace/my_experiment/
   cd ReseachOS
   ./scripts/koi-serve.sh start

2. Отправьте промпт агенту — создать дерево

   В Cursor / Claude Code / другом агентном IDE, из репозитория ReseachOS, вставьте (подставьте путь к своему репо):

   Подключи ../my_experiment к ResearcherOS.
   
   Следуй agents/skills/koi-project-onboard/SKILL.md до конца:
   сократовский диалог (проблема → программа → причины/гипотезы → методы),
   prose-проверка, запись в tree/my_experiment/koi-structure/,
   затем python -m koi.projects.install_cli install my_experiment
   (ветка koi/research + worktree в tree/).
   
   Не меняй git config. Не коммить секреты (.env).

   Агент задаст несколько академических вопросов, предложит формулировки узлов и только после вашего «пиши» запишет файлы. Подробности сценария — koi-project-onboard.

3. Что вы увидите в проекте

   На диске появится такая раскладка:

   workspace/
   ├── ReseachOS/                         ← движок
   ├── tree/
   │   └── my_experiment/
   │       └── koi-structure/
   │           ├── project.md             ← дерево гипотез + канбан
   │           ├── onboard-brief.md       ← якорь постановки из диалога
   │           ├── research.json
   │           └── reports/
   └── my_experiment/                     ← ваш код, любая ветка
       └── …

   В интерфейсе (http://127.0.0.1:8080, при необходимости ./scripts/koi-serve.sh restart):

   • проект в сайдбаре с вашей формулировкой проблемы;
   • на карте — узлы problem → cause → hyp → method;
   • у методов — пустые (или seed) карточки канбана под первые эксперименты.