agentleFS
jtprogrujtprogru/bear-skills/skills/vault-stats/SKILL.md

vault-stats

Skill1 starsChanged 3 months agoMITView on GitHub

Статистика хранилища, поиск мёртвых заметок через `.agents/scripts/vault_stats_*.py` и справка по фоновой автоматизации (launchd-агенты weekly/monthly-distillate). Используй на «какие заметки бесполезны», «статистика базы», «мёртвые заметки», «посчитай связность», «что там собирает weekly по расписанию».

The file

Files
SKILL.md
<!-- СГЕНЕРИРОВАНО bin/mirror.js. Не редактировать: правки затрёт следующая генерация. Источник правды — domains/<домен>/. -->

Статистика хранилища и поиск мёртвых заметок

Набор .agents/scripts/vault_stats_*.py считает сигналы «мёртвости» заметки. Запускается по явному запросу («какие заметки бесполезны», «статистика базы»), в рабочем цикле не участвует. Промежуточные файлы кладутся в каталог из VAULT_STATS_OUT (по умолчанию временный). Заметок скрипты не трогают; единственное исключение — calibrate, который перезаписывает .agents/scripts/vault_stats_weights.json, то есть меняет поведение скоринга при следующих прогонах. Флага «только посчитать» у него нет, откат — через git.

python3 .agents/scripts/vault_stats_graph.py    # связность, плотность, частота правок, композитный скор
python3 .agents/scripts/vault_stats_lexdup.py   # вычитание шаблонного каркаса + текстовые дубли
python3 .agents/scripts/vault_stats_embed.py    # эмбеддинги заметок через LM Studio
uv run --with numpy .agents/scripts/vault_stats_semdup.py     # семантические дубли и изоляты
uv run --with numpy .agents/scripts/vault_stats_calibrate.py  # веса по git-удалениям → weights.json

Порядок обязателен: каждый шаг читает выхлоп предыдущих. embed требует поднятого LM Studio с той же моделью, что в OPENAI_EMBEDDING_MODEL из .mcp.json. calibrate пишет weights.json, который graph подхватывает автоматически при следующем прогоне.

Исключения задаются слоями: встроенные умолчания → OBSIDIAN_IGNORE_PATTERNS из .mcp.json → VAULT_STATS_IGNORE/VAULT_STATS_UNIGNORE → флаги --ignore/--unignore/--no-score. Из патернов MCP по умолчанию вычитаются 04. Архив/** и 05. Дневник/** — поиску они не нужны, статистике нужны. --show-config печатает итог.

Метод, ограничения каждого сигнала и способ калибровки описаны в заметке [[Мёртвая заметка опознаётся пересечением сигналов, а не одним]] и в шапках скриптов. Скор ранжирует список на разбор, а не выносит приговор.

Автоматизация

_Система/scripts/weekly-distillate.sh — headless claude -p, собирает черновик weekly из ежедневных заметок завершившейся недели. Запускается launchd-агентом ru.jtprog.weekly-distillate (пн 08:04), лог — ~/Library/Logs/weekly-distillate.log. _Система/scripts/monthly-distillate.sh — аналогично собирает черновик monthly из weekly-заметок завершившегося месяца; launchd-агент ru.jtprog.monthly-distillate (1-е число, 08:12), лог — ~/Library/Logs/monthly-distillate.log. Руками дёргать не нужно. .agents/scripts/excalidraw_migration.py — разовый миграционный скрипт, в рабочем цикле не участвует.

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.