mcpField
K
knowledge-synthesis

knowledge-synthesis

github.com/nickcrewエージェントワークフロー6269 回インストール18 週間前に更新
リポジトリ

knowledge-synthesis について

knowledge-synthesis は、マルチエージェント作業のやり取り、ログ、成果を検索可能な知識に整理するスキルです。パターンの発見、ベストプラクティスの記録、知見の共有、フィードバックに基づくナレッジベースの更新を扱います。

主な機能

  1. 01やり取り、ログ、成果の分析
  2. 02反復するパターンや矛盾の特定
  3. 03知見をナレッジ項目やプレイブックに整理
  4. 04検索しやすい知識構造の構築
  5. 05知見の共有とフィードバックの反映

活用シーン

  1. 01複数エージェントや調査セッションの知見統合
  2. 02共有ナレッジベースの保守
  3. 03ワークフローで繰り返す成功・失敗の特定
  4. 04プロジェクトやチーム間での実践知の移転

インストール

コマンドをコピーしてターミナルで実行します。

$npx skills add https://github.com/nickcrew/claude-cortex --skill knowledge-synthesis

インストール後、Claude Code で/knowledge-synthesisを入力して読み込まれたか確認します。

同梱ファイルreferences/synthesis-workflow.md

詳細

知識の統合

複数エージェントシステムにわたる知見を抽出、整理、共有します。パターン認識、ベストプラクティスの体系化、構造化検索を通じて、生のインタラクションデータ、ログ、結果を実用的な知識へと変換します。

このスキルを使用する場面

  • 複数のエージェントや調査セッションから得た知見を統合するとき
  • 共有ナレッジベースを構築または更新するとき
  • ワークフローにおける成功または失敗の反復パターンを特定するとき
  • 実証的な証拠に基づいてベストプラクティスを体系化するとき
  • 効率的な検索のためにデータを構造化するとき（RAG の最適化）
  • プロジェクトやチーム間で分野横断的に知識を移転するとき

クイックリファレンス

リソース目的読み込むタイミング
references/synthesis-workflow.mdパターン認識、RAG の最適化、引用方法、ナレッジグラフ統合サイクルを開始するとき

ワークフロー

Phase 1: Discovery     → Mine interactions, logs, and outcomes for patterns
Phase 2: Codification  → Document best practices, build knowledge graph
Phase 3: Dissemination → Surface insights to relevant agents/teams
Phase 4: Feedback      → Capture adoption feedback, refine the knowledge base

フェーズ 1：知識の発見

知見を抽出する前に、全体像を把握します。

  1. ソースの範囲を定める -- 調査対象となるインタラクション、ログ、成果物、結果を特定します
  2. シグナルを分類する -- 各知見に価値（高／中／低）、新規性、確信度のタグを付けます
  3. パターンを特定する -- 繰り返される成功パターン、失敗モード、意思決定ツリーを探します
  4. 矛盾を記録する -- ソース間で意見が異なる箇所や、結果が分かれる箇所を記録します
発見チェックリスト
  • 関連するすべてのインタラクションログを特定した
  • 結果を、それを生み出したワークフローに対応付けた
  • 繰り返されるパターンに確信度を付けた
  • 矛盾や例外的なケースにフラグを付けた

フェーズ 2：体系化

生のパターンを、構造化され検索可能な知識に変換します。

  1. ナレッジナゲットを作成する -- 文脈と証拠を含む、簡潔で実用的な要約を作成します
  2. 意思決定ツリーを構築する -- よくある選択の場面について、判断ロジックを記録します
  3. プレイブックを作成する -- 頻繁に繰り返されるパターンの手順をまとめたガイドを作成します
  4. インデックスを更新する -- 検索用にデータを構造化します（埋め込み、タグ、グラフリンク）
ナレッジナゲットのテンプレート
## [Pattern Name]

**Context**: When does this pattern apply?
**Evidence**: What interactions/outcomes support it? [cite sources]
**Action**: What should agents do when they encounter this situation?
**Confidence**: High | Medium | Low
**Tags**: [domain], [workflow-type], [agent-role]

フェーズ 3：共有

適切な知見を、適切な利用者に届けます。

  • ナレッジナゲットを、そのワークフローに影響を受けるエージェントに配信します
  • 確信度の高いパターンをスキルのリファレンスやプレイブックに取り込みます
  • 確信度の低いパターンには、さらなる検証が必要であることを示します
  • 今後のクエリで新しい知識が見つかるよう、検索インデックスを更新します

フェーズ 4：フィードバックループ

ナレッジベースの正確性を保つために、フィードバックループを完結させます。

  • 適用状況を監視する -- エージェントはパターンを適用していますか？
  • 修正を記録する -- パターンが誤りだと判明した場合は、更新または撤回します
  • 検索品質を追跡する -- 適切なクエリに対して、適切なナレッジナゲットが提示されていますか？
  • 実際の結果に基づいて確信度スコアを調整します

根拠に基づく回答と引用

ナレッジベースに基づいて質問に回答するときは、根拠に基づいた回答を提供します。

  1. インラインで番号付きの引用マーカー（例：[1]、[2]）を使用します
  2. ソースと関連する抜粋を記載した References セクションを末尾に追加します
  3. 根拠となった具体的なセッション、ログ、または成果物を引用します

例：

再試行ロジックにより、高遅延環境での失敗が 40% 減少します [1]。

References: [1] 「Session 2025-03-12」 -- 「指数バックオフを追加したところ、エラー率が 12% から 7% に低下しました」

アンチパターン

  • 単一のデータポイントから統合しないでください -- 複数の裏付けとなるソースを必要とします
  • 確信度の評価を付けずにパターンを体系化しないでください
  • 新たな証拠を引用せずに既存の知識を上書きしないでください
  • フィードバックループを省略しないでください -- 検証されない知識は時間とともに劣化します

コメント

Markdown 対応