mcpField
K
knowledge-synthesis

knowledge-synthesis

github.com/nickcrewAgent 工作流6269 次安装18 周前更新
代码仓库

关于 knowledge-synthesis

knowledge-synthesis 是一种将多 Agent 工作中的交互、日志和结果整理为可检索知识的技能。它涵盖模式发现、实践归纳、洞见分发，并根据反馈更新知识库。

主要功能

  1. 01挖掘交互、日志与结果
  2. 02识别重复模式与矛盾
  3. 03将发现整理为知识条目和手册
  4. 04构建便于检索的知识结构
  5. 05分发洞见并纳入反馈

适用场景

  1. 01汇总多个 Agent 或研究会话的发现
  2. 02维护共享知识库
  3. 03识别工作流中反复出现的成败模式
  4. 04在项目或团队间迁移实践经验

安装

复制下面的命令，在终端中运行。

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

安装后在 Claude Code 中输入/knowledge-synthesis确认已加载。

附带文件references/synthesis-workflow.md

详细介绍

知识综合

从多 Agent 系统中提取、整理并分发见解。通过模式识别、最佳实践归纳和结构化检索，将原始交互数据、日志和结果转化为可执行的知识。

何时使用此技能

  • 综合来自多个 Agent 或研究会话的发现
  • 构建或更新共享知识库
  • 识别工作流中反复出现的成功或失败模式
  • 根据实证证据归纳最佳实践
  • 组织数据以优化检索（RAG 优化）
  • 在项目或团队之间进行跨领域知识迁移

快速参考

资源用途何时加载
references/synthesis-workflow.md模式识别、RAG 优化、引用方法、知识图谱开始综合周期时

工作流

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

阶段 1：知识发现

在提取见解之前，先梳理全貌：

  1. 界定来源范围 -- 确定要挖掘哪些交互、日志、产物和结果
  2. 分类信号 -- 按价值（高／中／低）、新颖度和置信度为每项发现添加标签
  3. 识别模式 -- 查找反复出现的成功模式、失败模式和决策树
  4. 记录矛盾 -- 标注来源存在分歧或结果不一致之处
发现清单
  • 已识别所有相关交互日志
  • 已将结果映射到产生这些结果的工作流
  • 已为反复出现的模式标注置信度
  • 已标记矛盾和边缘情况

阶段 2：归纳

将原始模式转化为结构化、可检索的知识：

  1. 编写知识条目 -- 撰写简洁、可执行的摘要，并附上背景和证据
  2. 构建决策树 -- 针对常见的选择节点，记录决策逻辑
  3. 创建操作指南 -- 为频繁出现的模式编写分步指南
  4. 更新索引 -- 组织数据以供检索（嵌入、标签、图链接）
知识条目模板
## [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]

阶段 3：传播

将恰当的见解传递给恰当的使用者：

  • 将知识条目发送给其工作流会受到影响的 Agent
  • 将高置信度模式整合到技能参考资料和操作指南中
  • 将低置信度模式标记为需要进一步验证
  • 更新检索索引，确保未来的查询能够找到新知识

阶段 4：反馈循环

形成闭环，确保知识库保持准确：

  • 监控采纳情况——Agent 是否在应用这些模式？
  • 记录修正——当模式被证明有误时，更新或撤回它
  • 跟踪检索质量——相关查询是否能找到恰当的知识条目？
  • 根据实际结果调整置信度评分

有依据的回答与引用

根据知识库回答问题时，请提供有依据的回答：

  1. 在文中使用编号引用标记（例如 [1]、[2]）
  2. 附上 参考资料 部分，列出来源和相关摘录
  3. 引用提供证据的具体会话、日志或产物

示例：

重试逻辑在高延迟环境下将故障率降低了 40% [1]。

参考资料： [1] “Session 2025-03-12” -- “添加指数退避后，错误率从 12% 降至 7%”

反模式

  • 不要根据单个数据点进行综合——应要求多个来源相互佐证
  • 不要在未标注置信度的情况下归纳模式
  • 不要覆盖现有知识，除非引用了新的证据
  • 不要跳过反馈循环——未经验证的知识会随着时间推移而失效

评论

支持 Markdown