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

as pessoas subestimam o poder do conhecimento estruturado. ele permite tipos totalmente novos de aplicações

agora as pessoas escrevem skills que capturam um aspecto de algo. uma skill para resumir, uma skill para revisão de código e assim por diante. (geralmente) um arquivo com uma capacidade

isso é bom para tarefas simples, mas profundidade real exige outra coisa

imagine uma skill de terapia que fornece informações relevantes sobre padrões cognitivos comportamentais, teoria do apego, técnicas de escuta ativa, estruturas de regulação emocional e assim por diante

um único arquivo de skill não consegue comportar isso

skill graphs

um skill graph é uma rede de arquivos de skill conectados com wikilinks

em vez de um arquivo grande, você tem várias peças pequenas e combináveis que se referenciam. 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 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 pula 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 inteiros
• MOCs (mapas de conteúdo) que organizam clusters de skills relacionadas em subtópicos navegáveis

skill liga a outras skills que ligam a outras skills e o grafo vai tão fundo quanto o domínio exigir

plugin arscontexta

arscontexta é um skill graph que ensina seu agente a construir skill graphs

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

~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 (/skills) interconectadas sobre ciência cognitiva, zettelkasten, teoria dos grafos, arquitetura de agentes, onde cada peça se liga a outras, cada uma combinável e o todo é navegável

o que isso possibilita

pense nisso:

• um skill graph de trading: gerenciamento de risco, psicologia de mercado, dimensionamento de posição, análise técnica, cada peça ligada a conceitos relacionados para que o contexto flua entre eles
• um skill graph jurídico: padrões de contratos, 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 onboarding, cultura, cenário competitivo

nenhum desses cabe em um arquivo, mas todos funcionam como grafos

como construir um

o jeito fácil: instale o plugin arscontexta para claude code, 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 jeito manual é mais simples do que você pensa

um skill graph não precisa viver na sua pasta .claude/skills/. o segredo é um arquivo índice que informa ao agente o que existe e como navegar

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, ativação em propagação e topologia de mundo pequeno]] — o triângulo fundamental que responde como é a estrutura, por que funciona, como agentes a navegam e quando reavaliar
11...
12
13## MOCs de Tópicos
14
15O domínio se divide em sete áreas interconectadas:
16
17- [[graph-structure]] — como wikilinks, topologia e padrões de ligação criam grafos de conhecimento navegáveis
18- [[agent-cognition]] — como agentes pensam através de estruturas externas: navegação, sessões, limites de atenção
19  - [[agent-cognition-hooks]] — aplicação de hooks, composição e ciência cognitiva da qualidade automatizada
20  - [[agent-cognition-platforms]] — níveis de capacidade de plataforma, camadas de abstração, arquitetura de arquivos de contexto
21- [[discovery-retrieval]] — como descrições, divulgação progressiva e busca permitem encontrar e carregar conteúdo
22- [[processing-workflow]] — 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 de acúmulo sobre produtividade: forçar engajamento por si só produz conexões rasas, assim como acumulação sem síntese produz grafos de conhecimento rasos
28
29## Explorações Necessárias
30
31- Ausente: comparação entre padrões de navegação humanos e de agentes. 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 única injeção, o agente navega por uma estrutura de conhecimento, puxando exatamente o que a situação atual exige

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

arscontexta é um plugin para 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 todo o resto

heinrich