Skill Graphs: Aufbau tiefgreifender Wissenssysteme für KI-Agenten

Die Leute unterschätzen die Macht von strukturiertem Wissen. Es ermöglicht völlig neue Arten von Anwendungen.

Derzeit schreiben die Leute Skills, die einen Aspekt von etwas abdecken. Einen Skill zum Zusammenfassen, einen Skill für Code-Review usw. (Oft) eine Datei mit einer Fähigkeit.

Das ist für einfache Aufgaben in Ordnung, aber für echte Tiefe braucht es etwas anderes.

Stell dir einen Therapie-Skill vor, der relevante Informationen zu kognitiven Verhaltensmustern, Bindungstheorie, aktiven Zuhörtechniken, emotionalen Regulationsrahmenwerken usw. bereitstellt.

Eine einzelne Skill-Datei kann das nicht fassen.

Skill-Graphen

Ein Skill-Graph ist ein Netzwerk von Skill-Dateien, die mit Wiki-Links verbunden sind.

Statt einer großen Datei hast du viele kleine, zusammensetzbare Teile, die aufeinander verweisen. Jede Datei ist ein vollständiger Gedanke, eine Technik oder ein Skill, und [[Wiki-Links zwischen ihnen erzeugen einen durchquerbaren Graphen]].

Ein Skill-Graph wendet dasselbe Muster der Skill-Entdeckung rekursiv innerhalb des Graphen selbst an.

Jeder Knoten hat eine YAML-Beschreibung, die der Agent scannen kann, ohne die ganze Datei lesen zu müssen.

Jeder Wiki-Link trägt Bedeutung, weil er in Prosa eingewoben ist, sodass der Agent relevanten Pfaden folgt und überspringt, was unwichtig ist.

Progressive Offenlegung:

Index → Beschreibungen → Links → Abschnitte → vollständiger Inhalt

Die meisten Entscheidungen fallen, bevor eine einzige vollständige Datei gelesen wird.

Die Grundelemente

Du hast bereits alles, was du brauchst.

• Wiki-Links, die als Prosa in Sätzen lesbar sind, sodass sie Bedeutung tragen, nicht nur Referenzen.
• YAML-Frontmatter mit Beschreibungen, damit der Agent scannen kann, ohne vollständige Dateien zu lesen.
• MOCs (Maps of Content), die Cluster verwandter Skills in navigierbare Unterthemen organisieren.

Skills verlinken auf andere Skills, die auf andere Skills verlinken, und der Graph geht so tief, wie es die Domäne erfordert.

Das arscontexta-Plugin

arscontexta ist ein Skill-Graph, der deinem Agenten beibringt, wie man Skill-Graphen erstellt.

(Okay, eigentlich geht es um den Aufbau von Wissensbasen, aber das ist dasselbe...)

~250 verknüpfte Markdown-Dateien, die einem Agenten beibringen, wie man eine riesige Wissensbasis, also einen Skill-Graphen, für dich aufbaut.

Eine einzelne Skill-Datei könnte das nicht leisten.

Aber die Dinge ändern sich, wenn du einen Graphen aus miteinander verbundenen Forschungsaussagen (/Skills) zu Kognitionswissenschaft, Zettelkasten, Graphentheorie, Agentenarchitektur erstellst, bei dem jedes Teil auf andere verweist, jedes zusammensetzbar ist und das Ganze durchquerbar ist.

Was das ermöglicht

Denk mal drüber nach:

• Ein Trading-Skill-Graph: Risikomanagement, Marktpsychologie, Positionsgrößenbestimmung, technische Analyse, jedes Teil mit verwandten Konzepten verknüpft, sodass Kontext zwischen ihnen fließt.
• Ein Legal-Skill-Graph: Vertragsmuster, Compliance-Anforderungen, Länderspezifika, Präzedenzfallketten, alles von einem Einstiegspunkt aus durchquerbar.
• Ein Unternehmens-Skill-Graph: Organisationsstruktur, Produktwissen, Prozesse, Onboarding-Kontext, Kultur, Wettbewerbsumfeld.

Nichts davon passt in eine Datei, aber alles funktioniert als Graph.

Wie man einen erstellt

Der einfache Weg: Installiere das arscontexta Claude Code Plugin, wähle das Research-Preset und richte es auf ein beliebiges Thema.

Es richtet die Markdown-Ordnerstruktur für dich ein, und dann befüllst du sie mit /learn und /reduce.

Der manuelle Weg ist einfacher, als du denkst.

Ein Skill-Graph muss nicht in deinem .claude/skills/-Ordner leben. Der Schlüssel ist eine Indexdatei, die dem Agenten sagt, was existiert und wie er es durchqueren kann.

So sieht ein Index für einen Skill-Graphen für Wissensarbeit aus:

1# knowledge-work
2
3Auch Agenten brauchen Denkwerkzeuge. So wie Zettelkasten, Evergreen Notes und Gedächtnispaläste Menschen externe Strukturen zum Denken gaben, geben agentenbetriebene Wissenssysteme Agenten externe Strukturen zum Denken.
4
5## Synthese
6
7Ausgearbeitete Argumente, wie die Teile zusammenpassen:
8
9- [[Das System ist das Argument]] — Philosophie mit Arbeitsnachweis; jede Notiz, jeder Link und jede MOC demonstriert die Methodik, die sie beschreibt
10- [[Kohärente Architektur entsteht aus Wiki-Links, Aktivierungsausbreitung und Small-World-Topologie]] — das grundlegende Dreieck, das beantwortet, wie Struktur aussieht, warum sie funktioniert, wie Agenten sie navigieren und wann neu bewertet werden muss
11...
12
13## Themen-MOCs
14
15Die Domäne gliedert sich in sieben miteinander verbundene Bereiche:
16
17- [[graph-structure]] — wie Wiki-Links, Topologie und Verlinkungsmuster durchquerbare Wissensgraphen erzeugen
18- [[agent-cognition]] — wie Agenten durch externe Strukturen denken: Traversal, Sitzungen, Aufmerksamkeitsgrenzen
19  - [[agent-cognition-hooks]] — Hook-Durchsetzung, Komposition und Kognitionswissenschaft der automatisierten Qualität
20  - [[agent-cognition-platforms]] — Plattform-Fähigkeitsstufen, Abstraktionsebenen, Kontextdatei-Architektur
21- [[discovery-retrieval]] — wie Beschreibungen, progressive Offenlegung und Suche das Auffinden und Laden von Inhalten ermöglichen
22- [[processing-workflow]] — wie Durchsatz, Sitzungen und Übergaben die Arbeit durch das System bewegen
23...
24
25## Domänenübergreifende Behauptungen
26
27- [[Erzwungene Beteiligung erzeugt schwache Verbindungen]] — das soziale Analogon zu Akkretion über Produktivität: Erzwungene Beteiligung um der Aktivität willen erzeugt oberflächliche Verbindungen, genauso wie Akkumulation ohne Synthese oberflächliche Wissensgraphen erzeugt
28
29## Erforderliche Erkundungen
30
31- Fehlend: Vergleich zwischen menschlichen und Agenten-Traversal-Mustern. Brauchen Agenten andere Architekturen?
32- Skalierungsgrenzen: Bei welcher Systemgröße versagt die menschliche Kuratierung?

Der Index ist keine Nachschlagetabelle, sondern ein Einstiegspunkt, der die Aufmerksamkeit lenkt. Der Agent liest ihn, versteht die Landschaft und folgt den Links, die für das aktuelle Gespräch relevant sind.

Jede verlinkte Datei ist ein eigenständiger Methodikanspruch (= Skill). So sieht ein Knoten aus:

Siehst du, wie die Wiki-Links innerhalb der Prosa dem Agenten sagen, wann und warum er ihnen folgen soll.

Eine Inhaltsübersicht (MOCs) organisiert Unterthemen, wenn der Graph größer wird.

Die Evolution

Skills sind im Grunde Context Engineering, kuratiertes Wissen, das dort eingespritzt wird, wo es wichtig ist.

Skill-Graphen sind der nächste Schritt.

Statt einer einzelnen Einspritzung navigiert der Agent eine Wissensstruktur und zieht genau das herein, was die aktuelle Situation erfordert.

Das ist der Unterschied zwischen einem Agenten, der Anweisungen befolgt, und einem Agenten, der eine Domäne versteht.

arscontexta ist ein Claude Code Plugin, das genau das für den Aufbau von Wissenssystemen tut. 249 Dateien mit strukturiertem Wissen, die der Agent durchquert, um ein lokales Wissenssystem abzuleiten, das wirklich zu deinem Workflow passt.

Los, nutze es und baue Skill-Graphen für alles andere.

heinrich