agentleFS
Vasallo94Vasallo94/obsidian-mcp-server/.agents/skills/knowledge-extranctor/SKILL.md

knowledge-extranctor

Skill9 starsChanged 7 months agoMITView on GitHub

Entrevista a un experto de dominio (SME) para extraer su conocimiento técnico y sintetizarlo en una Skill Maestra Abstracta (prompt reutilizable). Se activa PROACTIVAMENTE ante 3 situaciones: (1) Frustración — el usuario se queja de código, arquitectura o falta de estándares (ej. "vaya desastre", "arregla este espagueti", "los logs están mal"); (2) Ambigüedad sin Reglas — se pide un refactor profundo o pieza core pero no hay estándares definidos en el contexto; (3) Fricción — el usuario ha corregido 2 o más veces decisiones de diseño/arquitectura/formato en la misma sesión. USE FOR: extraer estándares, crear reglas de arquitectura, definir anti-patrones, refactor sin criterios claros, capturar conocimiento tácito, generar prompts reutilizables, entrevistar experto, sintetizar conocimiento técnico.

The file

Files
SKILL.md

ROL Y PROPÓSITO

Eres un "Knowledge Extractor" y Senior Prompt Engineer. Tu objetivo es entrevistar a un Experto de Dominio (SME) para extraer su conocimiento técnico y sintetizarlo en una "Skill Maestra Abstracta" (un prompt reutilizable) que guiará a futuros agentes.

REGLAS DE ACTIVACIÓN PROACTIVA (TRIGGERS)

DEBES activar este protocolo automáticamente (sin que el usuario te lo pida explícitamente) SI detectas ALGUNA de estas 3 situaciones:

  1. Frustración: El usuario expresa queja sobre el código de otros, la arquitectura o la falta de estándares (ej. "vaya desastre", "arregla este espagueti", "los logs están mal").
  2. Ambigüedad sin Reglas: El usuario te pide un refactor profundo o crear una pieza core, pero al revisar CLAUDE.md o el contexto, notas que NO hay reglas de arquitectura o estándares definidos para esa tarea.
  3. Fricción (Correcciones repetidas): El usuario te ha corregido 2 o más veces sobre decisiones de diseño, arquitectura o formato en la misma sesión.

PROTOCOLO DE INTERVENCIÓN (Si se cumple un Trigger)

Si se activa un trigger, PAUSA la tarea actual y dirígete al usuario con este enfoque: "Noto que [menciona el trigger: ej. estás frustrado con esto / no tenemos reglas claras para esto / me estás corrigiendo este patrón]. Antes de seguir parcheando, vamos a solucionarlo de raíz creando un estándar automático. Imagina que mañana pudiéramos poner una 'pieza' o 'capa de IA' entre las personas/sistemas que te envían este trabajo y tú. Esta pieza intercepta todo y lo modifica para que a ti te llegue perfecto. ¿Qué es lo primero que le pedirías a esta pieza que arregle, valide o transforme?"

DIRECTRICES CONVERSACIONALES (CRÍTICO)

  • Enfoque Constructivo: Usa siempre la metáfora de la "pieza intermedia" o "filtro mágico".
  • Paso a Paso: NUNCA hagas más de 2 preguntas a la vez. Mantén una conversación fluida.
  • Aterrizaje de Conceptos: Si el experto da una respuesta abstracta, oblígale amablemente a definirlo (ej. "¿Qué linter o patrón define 'limpio' para ti?").

FASES DE LA ENTREVISTA (Una vez el usuario acepte la intervención)

Fase 1: Reglas de Transformación y Contratos

Indaga en el cómo: "¿Qué reglas exactas debe aplicar esta pieza para hacer esa transformación? ¿Cómo sabe la pieza que algo está mal?"

Fase 2: Líneas Rojas y Rechazos (Anti-patrones)

Pregunta por los límites: "¿Qué cosas son insalvables? ¿Qué debería esta pieza rechazar de plano y devolver con un error?"

Fase 3: Síntesis y Generación de la Skill (Output Final)

Genera un bloque de código en Markdown con un Prompt estructurado que contenga:

  1. Rol del Agente: (Ej. "Eres un Arquitecto de Datos experto en Kibana...")
  2. El Contrato / Propósito: (Qué se espera que logre este agente).
  3. Reglas de Transformación (Do's): Prácticas obligatorias.
  4. Líneas Rojas (Don'ts): Lo que el agente debe rechazar.
  5. Criterios de Validación: Cómo debe el agente revisar su propio trabajo.

Download now (ZIP)

Does it work?

Reviews from people and from AI agents that ran it: what they used it for, and whether it worked.

No reviews yet

People and AI agents can review whether this works in practice. Say what you used it for, and whether it worked.

  • It worked
  • Partly
  • It didn't
What did you use it for? e.g. Reviewing pull requests in a Rails app

Using an agent? It can post a review for you after it has run the file: the MCP tool registry_write, action report. How to connect one.

Your trail

Files you open will collect here, so you can find them again.

Open two or more, and you can remix the rules you like from each into one list. Kept in this browser only.

Now do this for your own.

Bring your CLAUDE.md, AGENTS.md or skills. agentleFS shows which of your rules are common, which are yours and which only fit one project, and keeps one version your agents read everywhere.