Mokee04/ontologie_recherche

Hierarchische Agent-Fähigkeiten für domänenontologische Planung, Recherche, Konstruktion und Validierung mit gespeicherten Forschungsartefakten und evaluierungsbereiten Workflows.

Was ist ontologie_recherche?

Diese Skill-Sammlung bietet AI-Agenten wie Claude Code, Cursor oder Codex die Möglichkeit, domänenontologische Prozesse durchzuführen. Sie umfasst vier hierarchische Stufen: Planung, Recherche, Konstruktion und Validierung einer Ontologie. Der Skill ermöglicht es, Forschungsartefakte wie Ontologie-Diagramme, Konzeptlisten und Validierungsergebnisse zu speichern und wiederzuverwenden. Die enthaltenen Workflows sind evaluierungsbereit, was bedeutet, dass sie leicht in Entwicklungs- oder QA-Pipelines integriert werden können. Der Anwendungsbereich reicht von der Extraktion von Domänenwissen aus Texten bis hin zur formalen Repräsentation in Ontologien, die für semantische Anwendungen oder maschinelles Lernen genutzt werden können. Die Plattformunterstützung variiert, wird jedoch hauptsächlich für CLI-basierte Agenten wie Claude Code dokumentiert, die mit dem Skill-System arbeiten.

Funktioniert mit~Claude Code~Codex CLI~Cursor
npx skills add Mokee04/ontology_research

Installed? Explore more Produktivität & Zusammenarbeit skills: steipete/gemini, steipete/gh-issues, steipete/skill-creator · View all 6 →

In Ihrer bevorzugten KI fragen

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

Dokumentation

Was macht ontologie_recherche?

Hierarchische Agent-Fähigkeiten für domänenontologische Planung, Recherche, Konstruktion und Validierung mit gespeicherten Forschungsartefakten und evaluierungsbereiten Workflows.

Übersicht

Diese Sammlung von Agent-Fähigkeiten (Skills) ermöglicht es AI-Agenten, den gesamten Lebenszyklus einer Domänenontologie zu durchlaufen:

  • Planung: Definition des Umfangs, der Ziele und der Methode der Ontologie-Entwicklung.
  • Recherche: Sammlung von Domänenwissen, Identifizierung relevanter Konzepte und Beziehungen.
  • Konstruktion: Modellierung der Ontologie unter Verwendung formaler Repräsentationen (z. B. OWL, RDF).
  • Validierung: Überprüfung der Ontologie auf Konsistenz, Vollständigkeit und Korrektheit.

Verwendung

  1. Installation: Klonen Sie das Repository und fügen Sie es Ihrem Agent-Projekt hinzu.
  2. Initialisierung: Führen Sie den Planungsskill aus, um die Anforderungen zu definieren.
  3. Recherche: Nutzen Sie den Rechercheskill, um Domäneninformationen zu sammeln.
  4. Konstruktion: Generieren Sie die Ontologie mit dem Konstruktionsskill.
  5. Validierung: Validieren Sie die Ontologie mit dem Validierungsskill.

Voraussetzungen

  • Python 3.9+
  • Zugriff auf eine Wissensdatenbank oder ein Dokumentenarchiv für die Recherche (z. B. lokale Dateien, APIs).
  • Agent-Plattform: Claude Code, Cursor, Codex oder ein anderer kompatibler CLI-Agent.

Workflow

Der typische Workflow ist in der Datei WORKFLOW.md beschrieben. Kurz zusammengefasst:

  1. Planungsskill: plan_ontology --domain "Ihr Domänenname"
  2. Rechercheskill: research_domain --domain "Ihr Domänenname" --sources "Quellenverzeichnis"
  3. Konstruktionsskill: build_ontology --input research_artifacts/ --output ontology.owl
  4. Validierungsskill: validate_ontology --input ontology.owl

Artefakte

Alle generierten Artefakte werden im Ordner artifacts/ gespeichert:

  • research_notes/ : Notizen zur Domänenrecherche
  • concept_lists/ : Listen identifizierter Konzepte und Beziehungen
  • ontology_models/ : Ontologie-Modelle in verschiedenen Formaten (OWL, RDF, JSON-LD)
  • validation_reports/ : Validierungsergebnisse

Beispiel

# Planung starten
plan_ontology --domain "Medizinische Bildgebung"

# Recherche durchführen
research_domain --domain "Medizinische Bildgebung" --sources "pubmed, radiology_docs"

# Ontologie bauen
build_ontology --input langchain://research_artifacts/ --output artifacts/ontology_models/medical_imaging.owl --format owl

# Validieren
validate_ontology --input artifacts/ontology_models/medical_imaging.owl

Unterstützung

Diese Skills wurden für Claude Code, Cursor und Codex getestet. Bei Problemen erstellen Sie bitte ein Issue im GitHub-Repository.

Verwandte Skills