agentleFS
matvej-melikhovmatvej-melikhov/karpathy-llm-wiki/.claude/skills/edge/SKILL.md

edge

Skill2 starsChanged 6 months agoMITView on GitHub

Показывает границу базы знаний — фронтирные страницы, у которых много исходящих связей и мало входящих, и предлагает для каждой связанные темы, которых ещё нет в базе. Read-only: только выводит статистику, не запускает поиск или заполнение. Решение, что углубить, принимает пользователь — обычно через /study. Триггеры: /edge, "edge", "границы базы", "что изучить дальше", "edge of vault", "purpose of vault", "куда расти".

1 other project uses a version of this.

Adopted by

Most recently taken up by

  • Other versions1 project uses a version of this.

    Word for word · 0

    None found.

    Edited · 0

    None found.

    Wrote their own version · 1

    1. SimonTheSalesBooster/edge-trading★ 1same name

    How matches are found. Word for word: the exact same text. Edited: shares passages with this file (“99% same” means 99% of its five-word phrases also appear here; 10% or more counts). Their own version: similar meaning, or, weakest, the same name. We can’t tell which project had it first. Projects are counted among the 200 most-starred candidates, and mentions are links to the repository we found, up to 50 per site, so both counts are a floor.

  • In this repository13 other files it gives its agents.

The file

Files
SKILL.md

edge: статистика границы базы знаний

Граница базы — это страницы, которые упираются в неосвоенный контекст: ссылаются на много концепций, но мало кто ссылается на них в ответ. Скилл выводит такие страницы и предлагает для каждой родственные темы, которых в базе ещё нет.

Read-only. Скилл ничего не создаёт, не правит, не запускает другие скиллы. Решение «изучить дальше» принимает пользователь — обычно вызывая /study <тема> после анализа вывода.


Команда и флаги

КомандаПоведение
/edgeTop-10 фронтирных страниц + LLM-предложения по каждой
/edge --top NTop-N (вместо 10)
/edge --page <страница>Подробный разбор окрестности одной страницы
/edge --rawТолько статистика без LLM-предложений (быстрый режим)

Workflow

Шаг 1. Запустить детерминированную статистику

python3 bin/edge.py --json --top 10

Возвращает JSON со списком фронтирных страниц. Для каждой:

  • name, path, type, domain[]
  • out_degree, in_degree, out_targets[] — список существующих wikilink-соседей
  • age_days, recency_weight, score

out_targets критичен для шага 3: это уже занятые направления, которые в предложениях упоминать не нужно.

Для одной страницы:

python3 bin/edge.py --json --page "<имя или путь>"

Если эмиттер вернул EXIT_USAGE (страница не найдена) — сообщи пользователю, какие имена существуют (ls wiki/ideas/ wiki/entities/ wiki/questions/ wiki/minds/).

Если top-список пуст (вся база интегрирована или базы пока нет) — так и скажи: «фронтир пуст, база цельная».

Шаг 2. Прочитать каждую фронтирную страницу

Для каждой страницы из top-N прочитай её содержимое (Read по path из JSON). Цель — понять, о чём страница, чтобы шаг 3 предлагал именно родственные темы, а не общие слова.

Шаг 3. Сгенерировать предложения

Для каждой фронтирной страницы предложи 3–5 родственных тем, которых нет в базе.

Источник предложений: training knowledge LLM. Это уже не детерминированная часть — здесь скилл переключается на собственное знание модели.

Жёсткие ограничения:

  1. Не предлагать темы, которые уже есть в базе. Список out_targets из JSON плюс полный wiki/index.md — игнорируемые имена. Если предложение совпадает с существующей страницей по смыслу (даже под другим именем) — не предлагай.
  2. Темы должны быть конкретными. Не «расширить тему», а «Eligibility Traces» или «Out-of-Bag Error».
  3. Темы должны быть смежными по содержанию. Если страница про GAE — предлагай вещи из RL/policy gradient, не общую философию ML.
  4. Каждое предложение — одна строка с пояснением 5–15 слов. Зачем эта тема рядом с этой страницей.

Не нужно отсекать «слишком очевидные» темы. Если в базе есть [[GAE]] и нет [[Eligibility Traces]] — это главный кандидат, а не «слишком очевидный».

Шаг 4. Сформировать вывод

Формат — таблица top-N со скором + развёрнутое описание окрестности и предложения для каждой страницы.

=== Граница базы знаний ===

Всего страниц в базе: N
Из ранжирования исключены типы: domain, meta

| # | score | out | in | age | type | страница |
|---|---|---|---|---|---|---|
| 1 | ... | ... | ... | ... | ... | [[Имя]] |
...

──────────────────────────────────────────────
[1] [[Имя страницы]]
    boundary: <score> (out=<o>, in=<i>, обновлено <d> дн. назад)
    domain: [[Domain1]], [[Domain2]]    # из frontmatter, если есть

    Что в базе уже есть из окрестности:
      [[Сосед1]], [[Сосед2]], [[Сосед3]]
      (это out_targets из bin/edge.py)

    Связанные темы вне базы:
      • Тема A — пояснение, зачем рядом
      • Тема B — пояснение
      • Тема C — пояснение

──────────────────────────────────────────────
[2] ...

Подсказка: `/study <тема>` для углубления одной из предложенных.

При --raw — только таблица без блоков «Что есть» и «Связанные темы вне базы».

При --page <X> — раздел для одной страницы, без таблицы топа.


Ограничения

  • Никаких файлов на запись. Скилл только читает: wiki/**/*.md, wiki/index.md. Не вызывает bin/embed.py update, не пишет в log.md, не трогает cache.md.
  • Не вызывает другие скиллы. Если в выводе уместно «можно изучить через /study» — это текст-подсказка, не автоматическое делегирование.
  • Не предлагает создать страницы напрямую. Если пользователь хочет создать страницу-стаб без изучения — это /save или ручной Write, не /edge.

Почему домены и meta исключены

Domain-страницы — навигационные хабы (MOC). По устройству они ссылаются на каждую страницу домена и почти ни на что не ссылаются — у них всегда высокий out-degree и низкий in-degree. Если их не исключить, top фронтира забивается ими и теряет смысл.

Meta — это инфраструктура (cache, index, dashboard, отчёты lint), не содержательное знание.

Mind, idea, entity, question — все ранжируются.


Связь с /lint и /study

СкиллЧто делаетКогда использовать
/lintнаходит нарушения консистентности (dead-link, orphan, contradiction)проверка целостности уже накопленного
/edgeнаходит направления роста на границе интеграцииобзор, куда расширяться
/studyрасширяет vault интерактивным изучением темызаполнение пробелов

/edge — диагностический скилл; /study — операционный. Между ними — выбор пользователя.

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.