llm-wiki
AI駆動のObsidianウィキを構築・運用するための基礎的なナレッジディスティレーションパターンです。Andrej KarpathyのLLM Wikiアーキテクチャに基づいています。ユーザーがウィキパターンを理解したい場合、新しいナレッジベースをセットアップしたい場合、または3層アーキテクチャ（生データソース→ウィキ→スキーマ）のガイダンスが必要な場合に使用できます。また、ナレッジマネジメント戦略、ウィキ構造の意思決定、またはディスティレーション済みナレッジの整理方法についての議論にも活用できます。このスキルは「理論」部分を担当し、具体的な操作（データ取り込み、クエリ実行、リント処理）は他のスキルが対応します。
description の原文を見る
The foundational knowledge distillation pattern for building and maintaining an AI-powered Obsidian wiki. Based on Andrej Karpathy's LLM Wiki architecture. Use this skill whenever the user wants to understand the wiki pattern, set up a new knowledge base, or needs guidance on the three-layer architecture (raw sources → wiki → schema). Also use when discussing knowledge management strategy, wiki structure decisions, or how to organize distilled knowledge. This is the "theory" skill — other skills handle specific operations (ingesting, querying, linting).
SKILL.md 本文
LLM Wiki — 知識蒸留パターン
永続的で複合的なナレッジベースを維持しています。ウィキはチャットボットではなく、知識が一度蒸留されて現状を保つコンパイルされた成果物であり、クエリのたびに再導出されるものではありません。
3 層アーキテクチャ
レイヤー 1: 生ソース(不変)
ユーザーの元のドキュメント — 記事、論文、ノート、PDF、会話ログ、ブックマーク、および画像(スクリーンショット、ホワイトボード写真、図表、スライドキャプチャ)。これらはシステムによって変更されることはありません。ユーザーが保管している場所に存在します(.env の OBSIDIAN_SOURCES_DIR で構成)。画像は一級のソースです。取り込みスキルは Read ツールのビジョン対応を通じて画像を読み込み、その解釈されたコンテンツを逐語的に転写されたテキストでない限り推論として扱います。画像の取り込みはビジョン対応のモデルが必要です。ビジョン対応のないモデルは画像ソースをスキップし、どのファイルがスキップされたかを報告する必要があります。
生ソースは「ソースコード」と考えてください — 権威的ですが、直接クエリするのは難しいものです。
レイヤー 2: ウィキ(LLM 保守)
wiki/ ディレクトリに存在する相互接続され
...
詳細情報
- 作者
- Nero-kk
- ライセンス
- unknown
- 最終更新
- 2026/4/12
Source: https://github.com/Nero-kk/claude-agent-skills / ライセンス: unknown
関連スキル
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。
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。
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。
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。
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。
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。