Grafos de Habilidades: Construindo Sistemas de Conhecimento Profundo para Agentes de IA

As pessoas subestimam o poder do conhecimento estruturado. Ele possibilita tipos inteiramente novos de aplicações.

Atualmente, as pessoas criam skills que capturam um aspecto de algo. Uma skill para resumir, uma skill para revisão de código e assim por diante. (Muitas vezes) um arquivo com uma capacidade.

Isso funciona para tarefas simples, mas a profundidade real exige algo diferente.

Imagine uma skill de terapia que forneça informações relevantes sobre padrões cognitivo-comportamentais, teoria do apego, técnicas de escuta ativa, estruturas de regulação emocional e assim por diante.

Um único arquivo de skill não comporta tudo isso.

Skill Graphs

Um skill graph é uma rede de arquivos de skill conectados por wikilinks.

Em vez de um arquivo grande, você tem várias peças pequenas e combináveis que se referenciam entre si. Cada arquivo é um pensamento, técnica ou skill completo, e [[wikilinks entre eles criam um grafo navegável]].

Um skill graph aplica o mesmo padrão de descoberta de skills recursivamente dentro do próprio grafo.

Cada nó tem uma descrição em YAML que o agente pode escanear sem ler o arquivo inteiro.

Cada wikilink carrega significado porque está entrelaçado na prosa, então o agente segue caminhos relevantes e ignora o que não importa.

Divulgação progressiva:

índice → descrições → links → seções → conteúdo completo

A maioria das decisões acontece antes de ler um único arquivo completo.

Os Primitivos

Você já tem tudo o que precisa.

• Wikilinks que se leem como prosa em frases, então carregam significado, não apenas referências.
• Frontmatter YAML com descrições para que o agente possa escanear sem ler arquivos completos.
• MOCs (mapas de conteúdo) que organizam clusters de skills relacionadas em subtópicos navegáveis.

Uma skill se conecta a outras skills, que se conectam a outras skills, e o grafo se aprofunda tanto quanto o domínio exigir.

Plugin Arscontexta

Arscontexta é um skill graph que ensina seu agente a construir skill graphs.

(Bem, na verdade, é sobre construir bases de conhecimento, mas é a mesma coisa...)

Cerca de 250 arquivos Markdown conectados que ensinam um agente a construir uma base de conhecimento massiva, ou seja, um skill graph para você.

Um único arquivo de skill não conseguiria fazer isso.

Mas as coisas mudam se você construir um grafo de alegações de pesquisa interconectadas (/skills) sobre ciência cognitiva, Zettelkasten, teoria dos grafos, arquitetura de agentes, onde cada peça se conecta a outras, cada uma é combinável e o todo é navegável.

O Que Isso Possibilita

Pense nisso:

• Um skill graph de trading: gestão de risco, psicologia de mercado, dimensionamento de posição, análise técnica, cada peça ligada a conceitos relacionados, para que o contexto flua entre elas.
• Um skill graph jurídico: padrões contratuais, requisitos de conformidade, especificidades de jurisdição, cadeias de precedentes, tudo navegável a partir de um ponto de entrada.
• Um skill graph empresarial: estrutura organizacional, conhecimento do produto, processos, contexto de integração, cultura, cenário competitivo.

Nenhum desses cabe em um único arquivo, mas todos funcionam como grafos.

Como Construir Um

O jeito fácil: instale o plugin do Claude Code arscontexta, escolha o preset de pesquisa e aponte para qualquer tópico.

Ele configura a estrutura de pastas Markdown para você, e então você a preenche com /learn e /reduce.

O método manual é mais simples do que você imagina.

Um skill graph não precisa viver na sua pasta .claude/skills/. A chave é um arquivo de índice que informa ao agente o que existe e como navegar por ele.

Aqui está a aparência de um índice para um skill graph de trabalho de conhecimento:

1# knowledge-work
2
3Agentes também precisam de ferramentas para o pensamento. Assim como Zettelkasten, notas perenes e palácios da memória deram aos humanos estruturas externas para pensar, sistemas de conhecimento operados por agentes dão a eles estruturas externas para pensar.
4
5## Síntese
6
7Argumentos desenvolvidos sobre como as peças se encaixam:
8
9- [[o sistema é o argumento]] — filosofia com prova de trabalho; cada nota, link e MOC demonstra a metodologia que descreve
10- [[arquitetura coerente emerge de wikilinks espalhando ativação e topologia de mundo pequeno]] — o triângulo fundamental que responde a como é a estrutura, por que funciona, como os agentes a navegam e quando reavaliar
11...
12
13## MOCs de Tópicos
14
15O domínio se divide em sete áreas interconectadas:
16
17- [[estrutura-do-grafo]] — como wikilinks, topologia e padrões de link criam grafos de conhecimento navegáveis
18- [[cognição-do-agente]] — como os agentes pensam por meio de estruturas externas: navegação, sessões, limites de atenção
19  - [[ganchos-de-cognição-do-agente]] — aplicação de ganchos, composição e ciência cognitiva da qualidade automatizada
20  - [[plataformas-de-cognição-do-agente]] — níveis de capacidade da plataforma, camadas de abstração, arquitetura de arquivos de contexto
21- [[descoberta-recuperação]] — como descrições, divulgação progressiva e busca permitem encontrar e carregar conteúdo
22- [[processamento-fluxo-de-trabalho]] — como throughput, sessões e handoffs movem o trabalho pelo sistema
23...
24
25## Alegações Interdomínio
26
27- [[engajamento forçado produz conexões fracas]] — o análogo social da acumulação sobre a produtividade: forçar o engajamento por atividade gera conexões superficiais, assim como acumulação sem síntese produz grafos de conhecimento superficiais.
28
29## Explorações Necessárias
30
31- Ausente: comparação entre padrões de navegação humana e de agente. Os agentes precisam de arquiteturas diferentes?
32- Limites de escala: em qual tamanho de sistema a curadoria humana falha?

O índice não é uma tabela de consulta; é um ponto de entrada que direciona a atenção. O agente o lê, entende o panorama e segue os links que importam para a conversa atual.

Cada arquivo vinculado é uma alegação metodológica independente (= skill). Aqui está a aparência de um nó:

Veja como os wikilinks dentro da prosa dizem ao agente quando e por que segui-los.

Um mapa de conteúdos (MOCs) organiza subtópicos quando o grafo fica maior.

A Evolução

Skills são engenharia de contexto, basicamente conhecimento curado injetado onde importa.

Skill graphs são o próximo passo.

Em vez de uma injeção, o agente navega por uma estrutura de conhecimento, puxando exatamente o que a situação atual exige.

Esta é a diferença entre um agente que segue instruções e um agente que entende um domínio.

Arscontexta é um plugin do Claude Code que faz isso para construir sistemas de conhecimento. 249 arquivos de conhecimento estruturado que o agente navega para derivar um sistema de conhecimento local que realmente se adapta ao seu fluxo de trabalho.

Vá usá-lo e construa skill graphs para tudo o mais.

Heinrich