Agent Skills by ALSEL
Anthropic ClaudeLLM・AI開発⭐ リポ 0品質スコア 50/100

knowledge-graph

仕様に関する情報を永続的なKnowledge Graphとして管理し、コードベース分析のキャッシュに対する読み取り・クエリ・更新・バリデーション機能を提供します。spec-to-tasksがコードベース分析をキャッシュ・再利用する場合、task-implementationがタスクの依存関係やコントラクトを検証する場合、spec-qualityが提供内容を同期する場合、またはいずれかのコマンドが既存のパターン・コンポーネント・APIを照会する場合に使用します。エージェントの探索結果をキャッシュすることで、コードベースへの重複した調査を削減します。

description の原文を見る

Manage persistent Knowledge Graph for specifications. Provides read, query, update, and validation capabilities for codebase analysis caching. Use when: spec-to-tasks needs to cache/reuse codebase analysis, task-implementation needs to validate task dependencies or contracts, spec-quality needs to synchronize provides, or any command needs to query existing patterns/components/APIs. Reduces redundant codebase exploration by caching agent discoveries.

SKILL.md 本文

Knowledge Graph スキル

概要

Knowledge Graph (KG) は、コードベース分析から得られた発見を保存する永続的な JSON ファイルで、冗長な探索を排除し、タスク検証を可能にします。

保存場所: docs/specs/[ID-feature]/knowledge-graph.json

主な利点:

  • ✅ 既に分析されたコードベースの再探索を回避
  • ✅ 実際のコードベース状態に対してタスクの依存関係を検証
  • ✅ チームメンバー間で発見を共有
  • ✅ キャッシュされたコンテキストを使用してタスク生成を加速

使用する場合

以下の場合にこのスキルを使用します:

  1. spec-to-tasks がコードベース分析をキャッシュ/再利用する必要がある場合 - エージェントの発見を将来の再利用のために保存
  2. task-implementation がタスク依存関係と契約を検証する必要がある場合 - 実装前に必要なコンポーネントが存在するかを確認
  3. 任意のコマンドが既存のパターン/コンポーネント/API をクエリする必要がある場合 - キャッシュされたコードベースコンテキストを取得
  4. 冗長なコードベース探索を減らす場合 - 既に探索されたコードの再分析を回避

トリガーフレーズ:

  • "Load knowledge graph"
  • "Query knowledge graph"
  • "Update knowledge graph"
  • "Validate against knowledge graph"
  • "Check if component exists"
  • "Find existing patterns"

手順

利用可能な操作

1. read-knowledge-graph - 仕様用 KG をロードおよび解析

  • 入力: spec フォルダへのパス (例: docs/specs/001-feature/)
  • 出力: メタデータ、パターン、コンポーネント、API を含む KG オブジェクト

2. query-knowledge-graph - 特定のセクション (コンポーネント、パターン、API) をクエリ

  • 入力: spec フォルダ、クエリタイプ、オプションフィルター
  • 出力: 条件に一致するフィルター済みの結果

3. update-knowledge-graph - 新しい発見で KG を更新

  • 入力: spec フォルダ、更新内容 (部分的な KG)、ソース説明
  • 出力: 新しい発見がマージされた KG

4. validate-against-knowledge-graph - KG に対してタスク依存関係を検証

  • 入力: spec フォルダ、要件 (コンポーネント、API、パターン)
  • 出力: エラー/警告を含む検証レポート

5. validate-contract - タスク間の provides/expects を検証

  • 入力: spec フォルダ、expects (ファイル + シンボル)、完了した依存関係
  • 出力: 満たされた/満たされていない期待のレポート

6. extract-provides - 実装されたファイルからシンボルを抽出

  • 入力: ファイルパスの配列
  • 出力: ファイル、シンボル、タイプを含む provides の配列

7. aggregate-knowledge-graphs - すべての spec からパターンをマージ

  • 入力: プロジェクトルートパス
  • 出力: 重複排除されたパターンを含むグローバル KG

詳細な使用例については references/query-examples.md を参照してください。

入力/出力の例

Knowledge Graph を読み込む:

Input: /knowledge-graph read docs/specs/001-hotel-search/
Output: {
  metadata: { spec_id: "001-hotel-search", version: "1.0" },
  patterns: { architectural: [...], conventions: [...] },
  components: { controllers: [...], services: [...]}
}

コンポーネントをクエリ:

Input: /knowledge-graph query docs/specs/001-hotel-search/ components {"category": "services"}
Output: [{ id: "comp-svc-001", name: "HotelSearchService", type: "service"}]

Knowledge Graph を更新:

Input: /knowledge-graph update docs/specs/001-hotel-search/ {
  patterns: { architectural: [{ name: "Repository Pattern"}] }
}
Output: "Added 1 pattern to knowledge graph"

依存関係を検証:

Input: /knowledge-graph validate docs/specs/001-hotel-search/ {
  components: ["comp-repo-001"]
}
Output: { valid: true, errors: [], warnings: [] }

包括的なワークフロー例については references/examples.md を参照してください。

KG スキーマリファレンス

例を含む完全な JSON スキーマについては references/schema.md を参照してください。

統合パターン

Developer Kit コマンドとの詳細な統合については references/integration-patterns.md を参照してください。

エラーハンドリング

包括的なエラーハンドリング戦略と復旧手順については references/error-handling.md を参照してください。

パフォーマンスに関する考慮事項

最適化戦略とパフォーマンス特性については references/performance.md を参照してください。

セキュリティ

セキュリティに関する考慮事項、脅威軽減、ベストプラクティスについては references/security.md を参照してください。

ベストプラクティス

KG をクエリする場合: コードベース分析、タスク生成、依存関係検証の前に

KG を更新する場合: エージェントの発見後、コンポーネント実装後、パターン発見後

KG の鮮度:

  • < 7 日: 新鮮
  • 7~30 日: 古い、ユーザーに警告
  • 30 日: 非常に古い、再生成を提案

詳細なベストプラクティスについては references/performance.md および references/security.md を参照してください。

制約と警告

重要な制約

  • ソースコード安全操作: ソースコードファイルを変更しません。knowledge-graph.json ファイルのみを作成/更新します。
  • パス検証: docs/specs/[ID]/ パスからのみ KG ファイルを読み込み/書き込みます。
  • 自動コード生成なし: 分析結果をキャッシュしますが、実装コードは生成しません。

制限事項

  • 検証スコープ: KG にコンポーネントが存在するかをチェックしますが、KG が古い場合は実際のコードベースに存在するかを確認できません
  • 鮮度への依存: KG の精度は最後に更新されたときからの経過時間に依存します
  • 単一 Spec ファースト: 各 KG は主に単一の仕様に固有です
  • ファイルサイズ: KG ファイルは複雑な仕様の場合、非常に大きくなる可能性があります (>1MB)

完全な制約と警告については references/error-handling.md および references/security.md を参照してください。

リファレンスファイル

  • schema.md - 完全な JSON スキーマ
  • query-examples.md - クエリパターン
  • integration-patterns.md - コマンド統合
  • error-handling.md - エラーハンドリングガイド
  • performance.md - パフォーマンス最適化
  • security.md - セキュリティに関する考慮事項
  • examples.md - 実践的な例

ライセンス: MIT(寛容ライセンスのため全文を引用しています) · 原本リポジトリ

詳細情報

作者
giuseppe-trisciuoglio
リポジトリ
giuseppe-trisciuoglio/developer-kit
ライセンス
MIT
最終更新
不明

Source: https://github.com/giuseppe-trisciuoglio/developer-kit / ライセンス: MIT

関連スキル

OpenAILLM・AI開発⭐ リポ 6,054

agent-browser

AI エージェント向けのブラウザ自動化 CLI です。ウェブサイトとの対話が必要な場合に使用します。ページ遷移、フォーム入力、ボタンクリック、スクリーンショット取得、データ抽出、ウェブアプリのテスト、ブラウザ操作の自動化など、あらゆるブラウザタスクに対応できます。「ウェブサイトを開く」「フォームに記入する」「ボタンをクリックする」「スクリーンショットを取得する」「ページからデータを抽出する」「このウェブアプリをテストする」「サイトにログインする」「ブラウザ操作を自動化する」といった要求や、プログラマティックなウェブ操作が必要なタスクで起動します。

by JimmyLv
汎用LLM・AI開発⭐ リポ 1,982

anyskill

AnySkill — あなたのプライベート・スキルクラウド。GitHubを基盤としたリポジトリからエージェントスキルを管理、同期、動的にロードできます。自然言語でクラウドスキルを検索し、オンデマンドでプロンプトを自動ロード、カスタムスキルのアップロードと共有、スキルバンドルの一括インストールが可能です。OpenClaw、Antigravity、Claude Code、Cursorに対応しています。

by LeoYeAI
汎用LLM・AI開発⭐ リポ 1,982

engram

AIエージェント向けの永続的なメモリシステムです。バグ修正、意思決定、発見、設定変更の後はmem_saveを使用してください。ユーザーが「覚えている」「記憶している」と言及した場合、または以前のセッションと重複する作業を開始する際はmem_searchを使用します。セッション終了前にmem_session_summaryを使用して、コンテキストを保持してください。

by LeoYeAI
汎用LLM・AI開発⭐ リポ 21,584

skyvern

AI駆動のブラウザ自動化により、任意のウェブサイトを自動化できます。フォーム入力、データ抽出、ファイルダウンロード、ログイン、複数ステップのワークフロー実行など、ユーザーがウェブサイトと連携する必要があるときに使用します。Skyvernは、LLMとコンピュータビジョンを活用して、未知のサイトも自動操作可能です。Python SDK、TypeScript SDK、REST API、MCPサーバー、またはCLIを通じて統合できます。

by Skyvern-AI
汎用LLM・AI開発⭐ リポ 1,149

pinchbench

PinchBenchベンチマークを実行して、OpenClawエージェントの実世界タスクにおけるパフォーマンスを評価できます。モデルの機能テスト、モデル間の比較、ベンチマーク結果のリーダーボード提出、またはOpenClawのセットアップがカレンダー、メール、リサーチ、コーディング、複数ステップのワークフローにどの程度対応しているかを確認する際に使用します。

by pinchbench
汎用LLM・AI開発⭐ リポ 4,693

openui

OpenUIとOpenUI Langを使用してジェネレーティブUIアプリを構築できます。これらはLLM生成インターフェースのためのトークン効率的なオープン標準です。OpenUI、@openuidev、ジェネレーティブUI、LLMからのストリーミングUI、AI向けコンポーネントライブラリ、またはjson-render/A2UIの置き換えについて述べる際に使用します。スキャフォルディング、defineComponent、システムプロンプト、Renderer、およびOpenUI Lang出力のデバッグに対応しています。

by thesysdev
本サイトは GitHub 上で公開されているオープンソースの SKILL.md ファイルをクロール・インデックス化したものです。 各スキルの著作権は原作者に帰属します。掲載に問題がある場合は info@alsel.co.jp または /takedown フォームよりご連絡ください。
原作者: giuseppe-trisciuoglio · giuseppe-trisciuoglio/developer-kit · ライセンス: MIT