Communitygithub.com

geovanejunior92-debug/graphify

Verwendet für Fragen zu einer Codebasis, ihrer Architektur, Dateibeziehungen oder Projektinhalten – insbesondere wenn graphify-out/ existiert, wo die Frage zuerst als graphify-Abfrage behandelt werden sollte. Wandelt jegliche Eingabe (Code, Dokumente, Paper, Bilder, Videos) in einen dauerhaften Wissensgraphen mit Gott-Knoten, Community-Erkennung und Abfrage-/Pfad-/Erklärungswerkzeugen um.

Was ist graphify?

Dieses Skill, 'graphify', ermöglicht es einem KI-Agenten (wie Claude Code, Cursor, Codex), eine beliebige Codebasis, Dokumentation oder andere Projektdateien in einen persistenten Wissensgraph zu verwandeln. Es extrahiert Beziehungen, erstellt 'Gott-Knoten' für übergeordnete Konzepte und erkennt automatisch Communities. Die Hauptstärke liegt darin, dass nach der Erstellung des Graphen (erkennbar am Verzeichnis `graphify-out/`) jede Frage des Nutzers zuerst als eine Abfrage an diesen Graphen behandelt wird, anstatt als isolierte Frage. Das Skill stellt dann Werkzeuge zur Verfügung, um den Graphen zu durchsuchen (query), Pfade zwischen Knoten zu finden (path) oder Konzepte zu erklären (explain). Es ist besonders nützlich, um die Architektur großer Codebasen zu verstehen, Abhängigkeiten zu visualisieren oder Informationen aus gemischten Quellen (Code + Docs + Bilder) zu integrieren.

Funktioniert mit~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/geovanejunior92-debug/claude-skills/tree/main/skills/graphify

In Ihrer bevorzugten KI fragen

Öffnet einen neuen Chat, in dem dieser Agent-Skill bereits geladen ist.

Dokumentation

Was macht graphify?

Verwenden Sie dieses Skill für jede Frage zu einer Codebasis, ihrer Architektur, Dateibeziehungen oder Projektinhalten – insbesondere, wenn das Verzeichnis graphify-out/ existiert, bei dem die Frage zuerst als eine Graphify-Abfrage behandelt werden sollte. Wandelt beliebige Eingaben (Code, Dokumente, Paper, Bilder, Videos) in einen dauerhaften Wissensgraphen mit Gott-Knoten, Community-Erkennung und Abfrage-/Pfad-/Erklärungswerkzeugen um.

Funktionsweise

  1. Graph-Erstellung: Das Skill verarbeitet Ihre Eingabedaten (Codebasis, Dokumente usw.) und erstellt einen strukturierten Wissensgraphen. Dieser Graph wird standardmäßig in einem Ordner namens graphify-out/ gespeichert.
  2. Intelligente Abfrage: Sobald der Graph existiert (z. B. durch vorherige Ausführung), interpretiert das Skill jede neue Benutzerfrage automatisch als eine Abfrage gegen diesen Graphen. Es sucht nicht nur nach Schlüsselwörtern, sondern versteht die Beziehungen zwischen Konzepten.
  3. Gott-Knoten und Communities: Das Skill identifiziert automatisch übergeordnete Konzepte ("Gott-Knoten") und gruppiert verwandte Knoten in sinnvolle Communities. Dies hilft, die Gesamtstruktur des Projekts zu verstehen.
  4. Werkzeuge:
    • query: Durchsucht den Graphen nach relevanten Knoten und Beziehungen basierend auf der Frage.
    • path: Findet den Pfad zwischen zwei beliebigen Knoten, z. B. um zu sehen, wie zwei Dateien oder Konzepte miteinander verbunden sind.
    • explain: Gibt eine detaillierte Erklärung zu einem bestimmten Knoten oder einer Beziehung.

Wann ist dieses Skill nützlich?

  • Codebase-Architektur verstehen: Fragen Sie nach der Beziehung zwischen Dateien, Modulen oder Services.
  • Abhängigkeiten visualisieren: Finden Sie heraus, welche Teile des Systems von anderen abhängen.
  • Dokumentation integrieren: Kombinieren Sie Informationen aus Code, Doku und Bildern in einem einzigen, durchsuchbaren Graphen.
  • Fehleranalyse: Verfolgen Sie, wie ein Fehler in einer Komponente andere Teile des Systems beeinflussen könnte.

Beispiel

Wenn Sie einen Graphen aus einer React-Codebasis erstellt haben, könnten Sie fragen:

"Welche Komponenten importieren useAuth?"

Das Skill würde dann den Wissensgraphen durchsuchen, um alle Komponenten zu finden, die eine Beziehung zu useAuth haben, und Ihnen die Ergebnisse in einer strukturierten Form präsentieren.

Unterstützte Plattformen

  • Claude Code
  • Cursor
  • Codex
  • Andere KI-Agenten, die Skills unterstützen

Individual skills in this repo

This repo contains 3 individual skills — each has its own dedicated page.

geovanejunior92-debug/caveman-compress

Compress natural language memory files (CLAUDE.md / AGENTS.md, todos, preferences) into caveman format to save input tokens. Preserves all technical substance, code, URLs, and structure. Compressed version overwrites the original file. Human-readable backup saved as FILE.original.md. Trigger: /caveman-compress FILEPATH or "compress memory file"

geovanejunior92-debug/caveman-learn

Close the loop on a Caveman learn report — review the ranked token sinks and apply cost-lowering fixes (trim config, offload recurring context to cavemem) with per-edit consent. Use when the user runs "caveman learn", asks to lower their agent's token cost, wants to trim a heavy CLAUDE.md / AGENTS.md, or wants to offload context they re-paste every session into cavemem.

geovanejunior92-debug/task-observer

Monitors task execution for skill improvement opportunities. Use this skill during ANY multi-step task, agentic workflow, or substantive work session where the agent is using tools and producing deliverables. It captures patterns, user corrections, workflow insights, and methodology worth preserving as reusable skills. Also triggers during post-task feedback discussions and when the user explicitly mentions skill observations, improvements, the observation log, skill taxonomy, or asks the agent to watch for skill opportunities. Also known as "One Skill to Rule Them All" — trigger on this phrase too. IMPORTANT: this skill should be invoked at the start of every task-oriented session — if you are about to use tools to produce deliverables, invoke this skill first. For reliable activation, pair this description with a CLAUDE.md / AGENTS.md instruction or harness-level session-start hook (see Recommended Activation Setup) — description-level matching alone is not enforceable.

Verwandte Skills