Skill Graphs: การสร้างระบบความรู้เชิงลึกสำหรับ AI Agents

ผู้คนมักมองข้ามพลังของความรู้ที่มีโครงสร้าง มันเปิดทางให้เกิดแอปพลิเคชันรูปแบบใหม่ๆ ได้

ตอนนี้หลายคนเขียน skills ที่จับเพียงแง่มุมใดแง่มุมหนึ่งของสิ่งใดสิ่งหนึ่ง skill สำหรับสรุปความ, skill สำหรับตรวจสอบโค้ด ฯลฯ (ส่วนใหญ่) เป็นไฟล์เดียวที่มีความสามารถเดียว

มันใช้ได้ดีกับงานง่ายๆ แต่ความลึกซึ้งที่แท้จริงต้องการอะไรที่มากกว่านั้น

ลองนึกถึง skill ด้านจิตบำบัดที่ให้ข้อมูลเกี่ยวกับรูปแบบพฤติกรรมทางปัญญา ทฤษฎีความผูกพัน เทคนิคการฟังอย่างตั้งใจ กรอบความคิดเรื่องการควบคุมอารมณ์ ฯลฯ

skill ไฟล์เดียวไม่สามารถรองรับสิ่งเหล่านั้นได้

skill graphs

skill graph คือเครือข่ายของไฟล์ skill ที่เชื่อมต่อกันด้วย wikilinks

แทนที่จะเป็นไฟล์ใหญ่ไฟล์เดียว คุณจะมีชิ้นส่วนเล็กๆ ที่ประกอบกันได้หลายชิ้นซึ่งอ้างอิงถึงกันและกัน แต่ละไฟล์คือหนึ่งความคิด หนึ่งเทคนิค หรือหนึ่ง skill ที่สมบูรณ์ และ [[wikilinks ที่เชื่อมต่อระหว่างกันสร้างกราฟที่สามารถสำรวจได้]]

skill graph ใช้รูปแบบการค้นพบ skill แบบเดียวกันซ้ำๆ ภายในตัวกราฟเอง

ทุกโหนดมีคำอธิบายแบบ YAML ซึ่ง agent สามารถสแกนดูได้โดยไม่ต้องอ่านทั้งไฟล์

ทุก wikilink มีความหมายเพราะมันถูกถักทออยู่ในเนื้อความ ทำให้ agent เดินตามเส้นทางที่เกี่ยวข้องและข้ามสิ่งที่ไม่จำเป็นไป

การเปิดเผยแบบค่อยเป็นค่อยไป (progressive disclosure):

index → คำอธิบาย → ลิงก์ → ส่วนเนื้อหา → เนื้อหาเต็ม

การตัดสินใจส่วนใหญ่เกิดขึ้นก่อนที่จะอ่านไฟล์เต็มๆ แม้แต่ไฟล์เดียว

องค์ประกอบพื้นฐาน

คุณมีทุกสิ่งที่จำเป็นอยู่แล้ว

• wikilinks ที่อ่านเหมือนเป็นเนื้อความในประโยค ดังนั้นมันจึงมีความหมาย ไม่ใช่แค่การอ้างอิง
• yaml frontmatter พร้อมคำอธิบายเพื่อให้ agent สแกนดูได้โดยไม่ต้องอ่านไฟล์เต็ม
• MOCs (maps of content) ที่จัดกลุ่มคลัสเตอร์ของ skill ที่เกี่ยวข้องกันเป็นหัวข้อย่อยที่สามารถสำรวจได้

skill เชื่อมโยงไปยัง skill อื่นๆ ซึ่งเชื่อมโยงไปยัง skill อื่นๆ ต่อไป และกราฟก็ลึกซึ้งได้เท่าที่โดเมนนั้นต้องการ

arscontexta plugin

arscontexta คือ skill graph ที่สอน agent ของคุณถึงวิธีสร้าง skill graphs

(จริงๆ แล้วมันเกี่ยวกับการสร้างฐานความรู้ แต่มันก็เป็นสิ่งเดียวกัน...)

ไฟล์ Markdown ที่เชื่อมต่อกันประมาณ 250 ไฟล์ ซึ่งสอน agent ถึงวิธีสร้างฐานความรู้ขนาดใหญ่ หรือก็คือ skill graph ให้กับคุณ

skill ไฟล์เดียวไม่สามารถทำสิ่งนั้นได้

แต่สิ่งต่างๆ จะเปลี่ยนไปถ้าคุณสร้างกราฟของข้ออ้างวิจัย (/skills) ที่เชื่อมต่อถึงกัน เกี่ยวกับวิทยาศาสตร์การรู้คิด, zettelkasten, ทฤษฎีกราฟ, สถาปัตยกรรมของ agent โดยที่แต่ละชิ้นเชื่อมโยงไปยังชิ้นอื่นๆ แต่ละชิ้นประกอบกันได้ และทั้งหมดสามารถสำรวจได้

สิ่งที่สิ่งนี้ทำให้เกิดขึ้นได้

ลองคิดดู:

• skill graph ด้านการซื้อขาย: การบริหารความเสี่ยง, จิตวิทยาการตลาด, การกำหนดขนาดสถานะ, การวิเคราะห์ทางเทคนิค แต่ละชิ้นเชื่อมโยงไปยังแนวคิดที่เกี่ยวข้อง ทำให้บริบทไหลลื่นระหว่างกัน
• skill graph ด้านกฎหมาย: รูปแบบสัญญา, ข้อกำหนดการปฏิบัติตาม, รายละเอียดเฉพาะของเขตอำนาจศาล, ห่วงโซ่บรรทัดฐาน ทั้งหมดสามารถสำรวจได้จากจุดเริ่มต้นเดียว
• skill graph ของบริษัท: โครงสร้างองค์กร, ความรู้เกี่ยวกับผลิตภัณฑ์, กระบวนการทำงาน, บริบทการเริ่มงาน, วัฒนธรรม, ภาพรวมการแข่งขัน

ไม่มีสิ่งใดที่เหมาะกับไฟล์เดียว แต่ทั้งหมดทำงานได้ดีในรูปแบบกราฟ

วิธีสร้างหนึ่งขึ้นมา

วิธีง่ายๆ: ติดตั้ง arscontexta claude code plugin, เลือก research preset และชี้ไปที่หัวข้อใดก็ได้

มันจะตั้งค่าโครงสร้างโฟลเดอร์ Markdown ให้คุณ จากนั้นคุณก็เติมเนื้อหาด้วย /learn และ /reduce

วิธีแบบ manual นั้นง่ายกว่าที่คุณคิด

skill graph ไม่จำเป็นต้องอยู่ในโฟลเดอร์ .claude/skills/ ของคุณ สิ่งสำคัญคือไฟล์ index ที่บอก agent ว่ามีอะไรอยู่บ้างและจะสำรวจมันอย่างไร

นี่คือลักษณะของ index สำหรับ skill graph ด้านงานความรู้:

1# knowledge-work
2
3Agents need tools for thought too. Just as Zettelkasten, evergreen notes, and memory palaces gave humans external structures to think with, agent-operated knowledge systems give agents external structures to think with.
4
5## Synthesis
6
7Developed arguments about how the pieces fit together:
8
9- [[the system is the argument]] — philosophy with proof of work; every note, link, and MOC demonstrates the methodology it describes
10- [[coherent architecture emerges from wiki links spreading activation and small-world topology]] — the foundational triangle that answers what structure looks like, why it works, how agents navigate it, and when to reassess
11...
12
13## Topic MOCs
14
15The domain breaks into seven interconnected areas:
16
17- [[graph-structure]] — how wiki links, topology, and linking patterns create traversable knowledge graphs
18- [[agent-cognition]] — how agents think through external structures: traversal, sessions, attention limits
19  - [[agent-cognition-hooks]] — hook enforcement, composition, and cognitive science of automated quality
20  - [[agent-cognition-platforms]] — platform capability tiers, abstraction layers, context file architecture
21- [[discovery-retrieval]] — how descriptions, progressive disclosure, and search enable finding and loading content
22- [[processing-workflow]] — how throughput, sessions, and handoffs move work through the system
23...
24
25## Cross-Domain Claims
26
27- [[forced engagement produces weak connections]] — the social analog of accretion over productivity: forcing engagement for activity's sake produces shallow connections, just as accumulation without synthesis produces shallow knowledge graphs
28
29## Explorations Needed
30
31- Missing: comparison between human and agent traversal patterns. do agents need different architectures?
32- Scaling limits: at what system size does human curation fail?

index ไม่ใช่ตารางค้นหา แต่เป็นจุดเริ่มต้นที่ชี้ความสนใจ agent อ่านมัน ทำความเข้าใจภาพรวม และเดินตามลิงก์ที่เกี่ยวข้องกับการสนทนาปัจจุบัน

แต่ละไฟล์ที่เชื่อมโยงคือข้ออ้างระเบียบวิธีแบบสแตนด์อโลน (= skill) นี่คือลักษณะของหนึ่งโหนด:

สังเกตว่า wikilinks ภายในเนื้อความบอกให้ agent รู้ว่าเมื่อใดและเพราะเหตุใดจึงควรติดตามไป

แผนที่เนื้อหา (MOCs) จะจัดระเบียบหัวข้อย่อยเมื่อกราฟมีขนาดใหญ่ขึ้น

วิวัฒนาการ

skills คือการจัดระเบียบบริบท (context engineering) โดยพื้นฐานแล้วคือความรู้ที่ถูกคัดสรรแล้วฉีดเข้าไปในจุดที่สำคัญ

skill graphs คือก้าวถัดไป

แทนที่จะฉีดเพียงครั้งเดียว agent จะนำทางโครงสร้างความรู้ ดึงสิ่งที่จำเป็นสำหรับสถานการณ์ปัจจุบันออกมาอย่างแม่นยำ

นี่คือความแตกต่างระหว่าง agent ที่ทำตามคำสั่ง กับ agent ที่เข้าใจโดเมน

arscontexta คือ claude code plugin ที่ทำสิ่งนี้เพื่อสร้างระบบความรู้ 249 ไฟล์ของความรู้ที่มีโครงสร้างซึ่ง agent จะสำรวจเพื่อสร้างระบบความรู้ท้องถิ่นที่เหมาะกับขั้นตอนการทำงานของคุณจริงๆ

ไปใช้มันและสร้าง skill graphs สำหรับทุกสิ่งอย่างอื่น

heinrich