Графы навыков > SKILL.md

Структурированное знание открывает принципиально новые возможности для ИИ-агентов. Вместо одного файла с инструкциями — сеть связанных навыков, по которой агент ориентируется как по карте.

Это AI-перевод статьи, сделанный каналом Про AI: Лучшие Статьи и Исследования.

Графы навыков > SKILL.md

Skill Graphs > SKILL.md Автор: Heinrich (@arscontexta) Оригинальный текст:

Люди недооценивают силу структурированного знания. Оно открывает совершенно новые виды приложений.

Сейчас люди пишут навыки (skills), которые охватывают один аспект чего-либо. Навык для саммаризации, навык для код-ревью и так далее. Часто — один файл с одной возможностью.

Для простых задач этого достаточно, но настоящая глубина требует другого подхода.

Представьте навык для терапии, который предоставляет релевантную информацию о когнитивных поведенческих паттернах, теории привязанности, техниках активного слушания, фреймворках эмоциональной регуляции и так далее.

Один файл навыка не вместит всё это.

Графы навыков

Граф навыков — это сеть файлов навыков, связанных вики-ссылками.

Вместо одного большого файла у вас множество маленьких компонуемых элементов, которые ссылаются друг на друга. Каждый файл — это одна законченная мысль, техника или навык, а [[вики-ссылки между ними создают обходимый граф]].

Граф навыков применяет тот же паттерн обнаружения навыков рекурсивно внутри самого себя.

Каждый узел содержит YAML-описание, которое агент может просканировать, не читая файл целиком.

Каждая вики-ссылка несёт смысл, потому что вплетена в текст — агент следует по релевантным путям и пропускает то, что не имеет значения.

Прогрессивное раскрытие:

Большинство решений принимается ещё до чтения хотя бы одного полного файла.

Примитивы

У вас уже есть всё необходимое:

• Вики-ссылки, которые читаются как проза в предложениях, поэтому несут смысл, а не просто являются ссылками
• YAML frontmatter с описаниями, чтобы агент мог сканировать без чтения полных файлов
• MOCs (карты содержимого), которые организуют кластеры связанных навыков в навигируемые подтемы

Навык ссылается на другие навыки, которые ссылаются на другие навыки — и граф уходит настолько глубоко, насколько требует предметная область.

Плагин arscontexta

arscontexta — это граф навыков, который учит вашего агента строить графы навыков.

(Ладно, на самом деле он про построение баз знаний, но это одно и то же...)

Примерно 250 связанных markdown-файлов, которые обучают агента создавать для вас масштабную базу знаний, она же граф навыков.

Один файл навыка с этим бы не справился.

Но всё меняется, когда вы строите граф взаимосвязанных исследовательских утверждений (/навыков) о когнитивной науке, методе Zettelkasten, теории графов, архитектуре агентов — где каждый элемент ссылается на другие, каждый компонуем, а всё вместе — обходимо.

Что это открывает

Подумайте:

• Граф навыков для трейдинга: управление рисками, рыночная психология, размер позиции, технический анализ — каждый элемент связан с сопутствующими концепциями, и контекст перетекает между ними
• Граф навыков для юриспруденции: паттерны контрактов, требования комплаенса, юрисдикционная специфика, цепочки прецедентов — всё обходимо из одной точки входа
• Граф навыков для компании: оргструктура, знание о продукте, процессы, контекст онбординга, культура, конкурентный ландшафт

Ничто из этого не помещается в один файл, но всё это работает как графы.

Как построить граф

Простой путь: установите плагин arscontexta для Claude Code, выберите пресет research и направьте его на любую тему.

Он настроит для вас структуру папок с markdown-файлами, а затем вы наполняете её командами /learn и /reduce.

Ручной способ проще, чем кажется.

Граф навыков не обязан находиться в папке .claude/skills/. Ключевой элемент — индексный файл, который сообщает агенту, что существует и как это обходить.

Вот как выглядит индекс для графа навыков по работе со знаниями:

# knowledge-work

Агентам тоже нужны инструменты для мышления. Так же как Zettelkasten, вечнозелёные заметки и дворцы памяти дали людям внешние структуры для мышления, управляемые агентами системы знаний дают агентам внешние структуры для мышления.

## Synthesis

Развёрнутые аргументы о том, как элементы сочетаются друг с другом:

- [[the system is the argument]] — философия с доказательством работы; каждая заметка, ссылка и MOC демонстрирует методологию, которую описывает
- [[coherent architecture emerges from wiki links spreading activation and small-world topology]] — фундаментальный треугольник, отвечающий на вопросы: какова структура, почему она работает, как агенты по ней ориентируются и когда её переоценивать
...

## Topic MOCs

Предметная область разбивается на семь взаимосвязанных направлений:

- [[graph-structure]] — как вики-ссылки, топология и паттерны связывания создают обходимые графы знаний
- [[agent-cognition]] — как агенты мыслят через внешние структуры: обход, сессии, ограничения внимания
  - [[agent-cognition-hooks]] — хуки, их композиция и когнитивная наука автоматизированного контроля качества
  - [[agent-cognition-platforms]] — уровни возможностей платформ, слои абстракции, архитектура контекстных файлов
- [[discovery-retrieval]] — как описания, прогрессивное раскрытие и поиск позволяют находить и загружать контент
- [[processing-workflow]] — как пропускная способность, сессии и передачи проводят работу через систему
...

## Cross-Domain Claims

- [[forced engagement produces weak connections]] — социальный аналог накопления вместо продуктивности: принуждение к взаимодействию ради активности порождает поверхностные связи, так же как накопление без синтеза порождает поверхностные графы знаний

## Explorations Needed

- Не хватает: сравнения паттернов обхода у людей и агентов. Нужна ли агентам другая архитектура?
- Пределы масштабирования: при каком размере системы человеческая курация перестаёт справляться?

Индекс — это не справочная таблица, а точка входа, направляющая внимание. Агент читает его, понимает ландшафт и следует по ссылкам, которые важны для текущего разговора.

Каждый связанный файл — это самостоятельное методологическое утверждение (= навык). Вот как выглядит один узел:

[пример узла с вики-ссылками в прозе]

Обратите внимание, как вики-ссылки внутри текста сообщают агенту, когда и зачем по ним переходить.

Карты содержимого (MOCs) организуют подтемы, когда граф становится больше.

Эволюция

Навыки — это context engineering (управление контекстом), по сути курированное знание, инжектируемое туда, где оно важно.

Графы навыков — следующий шаг.

Вместо одной инъекции агент навигирует по структуре знаний, подтягивая именно то, что требует текущая ситуация.

В этом разница между агентом, который следует инструкциям, и агентом, который понимает предметную область.

arscontexta — это плагин для Claude Code, который делает именно это для построения систем знаний. 249 файлов структурированного знания, по которым агент перемещается, чтобы вывести локальную систему знаний, действительно подходящую под ваш рабочий процесс.

Используйте его — и стройте графы навыков для всего остального.

Генрих

Подпишитесь на канал и каждый день читайте лучшие материалы про AI переведенные на русский!

Нашли интересную статью для перевода? Пришлите нашему боту: @ailongreadsbot