技能圖譜：為 AI Agents 構建深度知識系統

許多人低估了結構化知識的力量。它能催生全新類型的應用程式。

現在，人們編寫的「技能」往往只捕捉某一事物的某個面向。一個用於摘要的技能、一個用於程式碼審查的技能，諸如此類（通常）一個檔案對應一種能力。

這對簡單任務來說還行，但要真正深入，還需要別的東西。

想像一個治療技能，它能提供關於認知行為模式、依附理論、積極傾聽技巧、情緒調節框架等相關資訊。

單一個技能檔案無法容納這些。

技能圖譜

技能圖譜是一個由技能檔案透過 wikilink 連接而成的網路。

與其用一個大檔案，不如用許多小而可組合的片段，彼此相互參照。每個檔案都是一個完整的想法、技巧或技能，而 [[wikilink 在它們之間建立了一個可遍歷的圖譜]]

技能圖譜將相同的技能發現模式遞迴地應用在圖譜本身內部。

每個節點都有一個 YAML 描述，讓 Agent 無需讀取整個檔案即可掃描。

每個 wikilink 都帶有意義，因為它嵌入在文字中，因此 Agent 會跟隨相關的路徑，跳過不相關的內容。

漸進式揭露：

索引 → 描述 → 連結 → 章節 → 完整內容

大多數決策發生在讀取任何一個完整檔案之前。

基礎元素

你已經擁有所需的一切。

• wikilink：在句子中作為散文閱讀，因此它們承載意義而不僅僅是參考。
• YAML 前置資料：附帶描述，讓 Agent 無需讀取完整檔案即可掃描。
• MOC（內容地圖）：將相關的技能群組整理成可導航的子主題。

技能連結到其他技能，而其他技能又連結到更多技能，圖譜的深度取決於領域的需求。

arscontexta 外掛程式

arscontexta 是一個技能圖譜，它教導你的 Agent 如何建立技能圖譜。

（好吧，其實它是關於建立知識庫，但這是一回事……）

大約 250 個相互連結的 Markdown 檔案，教導 Agent 如何為你建立一個龐大的知識庫（也就是技能圖譜）。

單一個技能檔案做不到這一點。

但如果你建立一個由相互連結的研究主張（/技能）組成的圖譜，涵蓋認知科學、卡片盒筆記法、圖論、Agent 架構，其中每個片段都連結到其他片段，每個片段都可組合，且整個圖譜是可遍歷的，那麼情況就會改變。

這能實現什麼

想想看：

• 交易技能圖譜：風險管理、市場心理學、部位規模、技術分析，每個片段都連結到相關概念，讓上下文在它們之間流動。
• 法律技能圖譜：合約模式、合規要求、司法管轄細節、判例鏈，全部可從一個進入點遍歷。
• 公司技能圖譜：組織結構、產品知識、流程、入職背景、文化、競爭格局。

這些沒有一個能放進單一檔案，但全部都能以圖譜的形式運作。

如何建立一個

簡單的方法：安裝 arscontexta claude code 外掛程式，選擇研究預設，然後指向任何主題。

它會為你設定好 Markdown 資料夾結構，然後你再用 /learn 和 /reduce 來填充。

手動方法其實比你想像的簡單。

技能圖譜不需要放在你的 .claude/skills/ 資料夾中。關鍵在於一個索引檔案，它告訴 Agent 有哪些東西存在，以及如何遍歷它們。

以下是一個知識工作技能圖譜的索引範例：

1# knowledge-work
2
3Agent 也需要思考工具。就像卡片盒筆記法、常青筆記和記憶宮殿為人類提供了外部思考結構一樣，Agent 操作的知識系統也為 Agent 提供了外部思考結構。
4
5## 綜合
6
7關於這些片段如何組合在一起的成熟論點：
8
9- [[系統即論證]] —— 帶有工作量證明的哲學；每一則筆記、連結和 MOC 都展示了它所描述的方法論
10- [[從 wikilink 擴散激活和小世界拓撲中湧現出連貫的架構]] —— 基礎三角，回答了結構是什麼樣子、為什麼有效、Agent 如何導航以及何時重新評估
11...
12
13## 主題 MOC
14
15該領域分為七個相互關聯的區域：
16
17- [[圖譜結構]] —— wikilink、拓撲和連結模式如何建立可遍歷的知識圖譜
18- [[Agent 認知]] —— Agent 如何透過外部結構思考：遍歷、會話、注意力限制
19  - [[Agent 認知掛鉤]] —— 掛鉤強制執行、組合以及自動化品質的認知科學
20  - [[Agent 認知平台]] —— 平台能力層級、抽象層、上下文檔案架構
21- [[發現與檢索]] —— 描述、漸進式揭露和搜尋如何實現查找和載入內容
22- [[處理與工作流程]] —— 吞吐量、會話和交接如何讓工作在系統中流動
23...
24
25## 跨領域主張
26
27- [[強迫參與會產生弱連結]] —— 累積勝過生產力的社會類比：為了活動而強迫參與會產生淺層連結，就像沒有綜合的累積會產生淺層知識圖譜一樣
28
29## 需要探索的部分
30
31- 缺失：人類與 Agent 遍歷模式的比較。Agent 需要不同的架構嗎？
32- 擴展限制：在多大的系統規模下，人類策展會失效？

索引不是一個查詢表，而是一個指引注意力的進入點。Agent 讀取它，了解整體輪廓，然後跟隨與當前對話相關的連結。

每個連結的檔案都是一個獨立的方法論主張（= 技能）。以下是一個節點的範例：

注意看，文字中的 wikilink 如何告訴 Agent 何時以及為何要跟隨它們。

當圖譜變大時，內容地圖（MOC）會組織子主題。

演進

技能本質上是上下文工程，也就是將策展過的知識注入到重要的地方。

技能圖譜是下一步。

與其一次性注入，不如讓 Agent 導航一個知識結構，提取當前情況恰好需要的內容。

這就是遵循指令的 Agent 與理解領域的 Agent 之間的差異。

arscontexta 是一個 Claude Code 外掛程式，用於建立知識系統。它包含 249 個結構化知識檔案，Agent 可以遍歷這些檔案，推導出一個真正符合你工作流程的本地知識系統。

去使用它，並為其他所有事物建立技能圖譜。

海因里希