スキルグラフ：AI エージェントのための高度な知識システムの構築

人々は構造化された知識の力を過小評価している。それは全く新しい種類のアプリケーションを可能にする。

現在、人々は何かの一面を捉えるスキルを作成している。要約のためのスキル、コードレビューのためのスキルなどだ。(多くの場合) 1 つの機能を持つ 1 つのファイル。

単純なタスクならそれで十分だが、真の深みには別のものが必要だ。

認知行動パターン、愛着理論、アクティブリスニングのテクニック、感情調整のフレームワークなどに関する適切な情報を提供するセラピースキルを想像してみてほしい。

1 つのスキルファイルではそれを保持できない。

スキル グラフ

スキル グラフとは、ウィキリンクで接続されたスキルファイルのネットワークである。

1 つの大きなファイルの代わりに、相互に参照する小さな構成可能な部品が多数存在する。各ファイルは 1 つの完全な考え、テクニック、またはスキルであり、[[それらを繋ぐウィキリンクで探索可能なグラフができる]]

スキル グラフは、同じスキル発見パターンをグラフ自体の中で再帰的に適用する。

すべてのノードには、エージェントがファイル全体を読まずにスキャンできる YAML 説明が含まれている。

すべてのウィキリンクは、散文に織り込まれているため意味を持ち、エージェントは関連するパスをたどり、重要でないものはスキップする。

プログレッシブディスクロージャー:

インデックス → 説明 → リンク → セクション → 全文

ほとんどの決定は、1 つの完全なファイルを読む前に行われる。

基本要素

必要なものはすべて揃っている。

• ウィキリンク - 文の中で散文として読めるため、単なる参照ではなく意味を持つ。
• 説明付きの YAML フロントマター - エージェントが完全なファイルを読まずにスキャンできる。
• MOC (マップ オブ コンテンツ) - 関連するスキルのクラスターを、ナビゲート可能なサブトピックに整理する。

スキルは他のスキルにリンクし、そのスキルはさらに他のスキルにリンクし、グラフはドメインが必要とする深さまで続く。

arscontexta プラグイン

arscontexta は、あなたのエージェントにスキル グラフの構築方法を教えるスキル グラフである。

(実際にはナレッジベースの構築に関するものだが、同じことだ...)

エージェントに大規模なナレッジベース (別名スキル グラフ) を構築する方法を教える、約 250 の相互接続されたマークダウンファイル。

1 つのスキルファイルではそれはできなかった。

しかし、認知科学、ツェッテルカステン、グラフ理論、エージェントアーキテクチャに関する相互接続された研究クレーム (/スキル) のグラフを構築すれば、状況は変わる。各部分は他の部分にリンクし、それぞれが構成可能で、全体が探索可能になる。

これによって可能になること

考えてみてほしい:

• トレーディングスキル グラフ: リスク管理、市場心理、ポジションサイジング、テクニカル分析。各部分が関連概念にリンクされ、コンテキストがそれらの間を流れる。
• 法律スキル グラフ: 契約パターン、コンプライアンス要件、管轄区域の詳細、判例の連鎖。すべてが 1 つのエントリポイントから探索可能。
• 企業スキル グラフ: 組織構造、製品知識、プロセス、オンボーディングコンテキスト、文化、競合状況。

これらはどれも 1 つのファイルには収まらないが、すべてグラフとして機能する。

構築方法

簡単な方法: arscontexta claude code プラグインをインストールし、研究プリセットを選択して、任意のトピックを指定する。

マークダウンフォルダ構造が自動的にセットアップされ、その後 /learn と /reduce で埋めていく。

手動の方法は、考えているよりも簡単だ。

スキル グラフは、.claude/skills/ フォルダに存在する必要はない。鍵となるのは、何が存在し、どのように探索するかをエージェントに伝えるインデックスファイルである。

以下は、ナレッジワークスキル グラフのインデックスの例である:

1# knowledge-work
2
3エージェントにも思考のためのツールが必要だ。ツェッテルカステン、エバーグリーンノート、記憶の宮殿が人間に思考のための外部構造を与えたように、エージェントが操作する知識システムはエージェントに思考のための外部構造を与える。
4
5## 統合
6
7各部分がどのように組み合わさるかについての議論が展開されている:
8
9- [[the system is the argument]] — 作業証明を伴う哲学; すべてのノート、リンク、MOC は、それが説明する方法論を実証する
10- [[coherent architecture emerges from wiki links spreading activation and small-world topology]] — 構造がどのように見えるか、なぜ機能するか、エージェントがどのようにナビゲートするか、いつ再評価するかを答える基礎的な三角形
11...
12
13## トピック MOC
14
15ドメインは 7 つの相互接続された領域に分かれる:
16
17- [[graph-structure]] — ウィキリンク、トポロジー、リンクパターンがどのように探索可能な知識グラフを生成するか
18- [[agent-cognition]] — エージェントが外部構造を通じてどのように考えるか: トラバーサル、セッション、アテンション制限
19  - [[agent-cognition-hooks]] — フックの強制、構成、自動品質の認知科学
20  - [[agent-cognition-platforms]] — プラットフォーム機能階層、抽象化レイヤー、コンテキストファイルアーキテクチャ
21- [[discovery-retrieval]] — 説明、プログレッシブディスクロージャー、検索がどのようにコンテンツの発見と読み込みを可能にするか
22- [[processing-workflow]] — スループット、セッション、ハンドオフがどのようにシステム内で作業を進めるか
23...
24
25## クロスドメインクレーム
26
27- [[forced engagement produces weak connections]] — アキュムレーションと生産性の社会的類似物: 活動のための強制的なエンゲージメントは浅いつながりを生み出し、統合のない蓄積は浅い知識グラフを生み出す
28
29## 必要な探索
30
31- 欠落: 人間とエージェントのトラバーサルパターンの比較。エージェントには異なるアーキテクチャが必要か？
32- スケーリング限界: どのシステムサイズで人間のキュレーションが失敗するか？

インデックスはルックアップテーブルではなく、注意を向けるエントリポイントである。エージェントはそれを読み、状況を理解し、現在の会話に関連するリンクをたどる。

リンクされた各ファイルは、独立した方法論クレーム (= スキル) である。以下が 1 つのノードの例である:

散文内のウィキリンクが、いつ、なぜそれらをたどるべきかをエージェントに伝えているのがわかる。

グラフが大きくなると、マップ オブ コンテンツ (MOC) がサブトピックを整理する。

進化

スキルは、コンテキストエンジニアリングであり、本質的には、重要な場所に注入されるキュレーションされた知識である。

スキル グラフはその次のステップである。

1 回の注入の代わりに、エージェントは知識構造をナビゲートし、現在の状況に正確に必要なものを引き出す。

これが、指示に従うエージェントと、ドメインを理解するエージェントの違いである。

arscontexta は、知識システムを構築するための claude code プラグインである。エージェントがトラバースして、ワークフローに本当にフィットするローカルな知識システムを導き出す、249 の構造化された知識ファイル。

使ってみて、他のすべてのもののためにスキル グラフを構築してほしい。

heinrich