Skill Graphs: Costruire sistemi di conoscenza profonda per agenti AI

Molte persone sottovalutano il potere della conoscenza strutturata. Essa abilita tipi di applicazioni completamente nuovi.

Al momento, le persone scrivono skill che catturano un singolo aspetto di qualcosa. Una skill per riassumere, una per la revisione del codice e così via. (Spesso) un singolo file con un'unica capacità.

Va bene per compiti semplici, ma la vera profondità richiede qualcos'altro.

Immagina una skill terapeutica che fornisca informazioni rilevanti su schemi cognitivo-comportamentali, teoria dell'attaccamento, tecniche di ascolto attivo, framework di regolazione emotiva e così via.

Un singolo file skill non può contenere tutto questo.

Skill Graph

Uno skill graph è una rete di file skill collegati tramite wikilink.

Invece di un unico grande file, hai tanti piccoli componenti componibili che si riferiscono l'uno all'altro. Ogni file è un pensiero completo, una tecnica o una skill, e [[i wikilink tra di essi creano un grafo navigabile]].

Uno skill graph applica lo stesso pattern di scoperta delle skill ricorsivamente all'interno del grafo stesso.

Ogni nodo ha una descrizione YAML che l'agente può scansionare senza leggere l'intero file.

Ogni wikilink ha un significato perché è intessuto nella prosa, così l'agente segue i percorsi rilevanti e salta ciò che non conta.

Divulgazione progressiva:

indice → descrizioni → link → sezioni → contenuto completo

La maggior parte delle decisioni avviene prima di leggere un singolo file completo.

I Primitivi

Hai già tutto ciò di cui hai bisogno.

• Wikilink che si leggono come prosa all'interno delle frasi, quindi portano significato, non solo riferimenti.
• Frontmatter YAML con descrizioni in modo che l'agente possa scansionare senza leggere file completi.
• MOC (Mappe dei Contenuti) che organizzano cluster di skill correlate in sotto-argomenti navigabili.

Le skill si collegano ad altre skill, che si collegano ad altre skill, e il grafo è profondo quanto il dominio richiede.

Plugin Arscontexta

Arscontexta è uno skill graph che insegna al tuo agente come costruire skill graph.

(Ok, in realtà riguarda la costruzione di basi di conoscenza, ma è la stessa cosa...)

~250 file Markdown collegati che insegnano a un agente come costruire un'enorme base di conoscenza, alias skill graph, per te.

Un singolo file skill non potrebbe farlo.

Ma le cose cambiano se costruisci un grafo di affermazioni di ricerca (/skill) interconnesse su scienza cognitiva, Zettelkasten, teoria dei grafi, architettura degli agenti, dove ogni pezzo si collega ad altri, ciascuno componibile e l'intero è navigabile.

Cosa Questo Abilita

Pensaci:

• Uno skill graph per il trading: gestione del rischio, psicologia del mercato, dimensionamento delle posizioni, analisi tecnica, ogni pezzo collegato a concetti correlati in modo che il contesto fluisca tra di essi.
• Uno skill graph legale: schemi contrattuali, requisiti di conformità, specificità giurisdizionali, catene di precedenti, tutto navigabile da un singolo punto di ingresso.
• Uno skill graph aziendale: struttura organizzativa, conoscenza del prodotto, processi, contesto di onboarding, cultura, panorama competitivo.

Nessuno di questi entra in un singolo file, ma tutti funzionano come grafi.

Come Costruirne Uno

Il modo semplice: installa il plugin Arscontexta per Claude Code, scegli il preset di ricerca e puntalo su qualsiasi argomento.

Imposta la struttura di cartelle Markdown per te, poi la riempi con /learn e /reduce.

Il modo manuale è più semplice di quanto pensi.

Uno skill graph non deve necessariamente vivere nella tua cartella .claude/skills/. La chiave è un file indice che dice all'agente cosa esiste e come navigarlo.

Ecco come appare un indice per uno skill graph di lavoro conoscitivo:

1# knowledge-work (lavoro-conoscitivo)
2
3Anche gli agenti hanno bisogno di strumenti per il pensiero. Proprio come Zettelkasten, note sempreverdi e palazzi della memoria hanno dato agli umani strutture esterne con cui pensare, i sistemi di conoscenza gestiti da agenti danno agli agenti strutture esterne con cui pensare.
4
5## Sintesi
6
7Argomenti sviluppati su come i pezzi si incastrano:
8
9- [[il sistema è l'argomento]] — filosofia con prova del lavoro; ogni nota, link e MOC dimostra la metodologia che descrive
10- [[l'architettura coerente emerge dai wikilink che diffondono attivazione e topologia a piccolo mondo]] — il triangolo fondamentale che risponde a che aspetto ha la struttura, perché funziona, come gli agenti la navigano e quando rivalutare
11...
12
13## MOC degli Argomenti
14
15Il dominio si divide in sette aree interconnesse:
16
17- [[struttura-del-grafo]] — come i wikilink, la topologia e i pattern di collegamento creano grafi di conoscenza navigabili
18- [[cognizione-agente]] — come gli agenti pensano attraverso strutture esterne: navigazione, sessioni, limiti di attenzione
19  - [[ganci-cognizione-agente]] — applicazione dei ganci, composizione e scienza cognitiva della qualità automatizzata
20  - [[piattaforme-cognizione-agente]] — livelli di capacità della piattaforma, strati di astrazione, architettura dei file di contesto
21- [[scoperta-recupero]] — come descrizioni, divulgazione progressiva e ricerca abilitano la ricerca e il caricamento dei contenuti
22- [[flusso-di-lavoro-elaborazione]] — come throughput, sessioni e passaggi spostano il lavoro attraverso il sistema
23...
24
25## Affermazioni Cross-Dominio
26
27- [[il coinvolgimento forzato produce connessioni deboli]] — l'analogo sociale dell'accumulo rispetto alla produttività: forzare il coinvolgimento per amor di attività produce connessioni superficiali, proprio come l'accumulo senza sintesi produce grafi di conoscenza superficiali
28
29## Esplorazioni Necessarie
30
31- Mancante: confronto tra modelli di navigazione umani e agenti. Gli agenti hanno bisogno di architetture diverse?
32- Limiti di scala: a quale dimensione del sistema fallisce la curation umana?

L'indice non è una tabella di ricerca, è un punto di ingresso che dirige l'attenzione. L'agente lo legge, comprende il panorama e segue i link che contano per la conversazione corrente.

Ogni file collegato è un'affermazione metodologica a sé stante (= skill). Ecco come appare un nodo:

Vedi come i wikilink all'interno della prosa dicono all'agente quando e perché seguirli.

Una mappa dei contenuti (MOC) organizza i sotto-argomenti quando il grafo diventa più grande.

L'Evoluzione

Le skill sono ingegneria del contesto, essenzialmente conoscenza curata iniettata dove conta.

Gli skill graph sono il passo successivo.

Invece di una singola iniezione, l'agente naviga una struttura di conoscenza, tirando dentro esattamente ciò di cui la situazione corrente ha bisogno.

Questa è la differenza tra un agente che segue istruzioni e un agente che comprende un dominio.

Arscontexta è un plugin per Claude Code che fa questo per costruire sistemi di conoscenza. 249 file di conoscenza strutturata che l'agente naviga per derivare un sistema di conoscenza locale che si adatti davvero al tuo flusso di lavoro.

Vai a usarlo e costruisci skill graph per tutto il resto.

Heinrich