Communitygithub.com

knowledge-ops

Gestión de base de conocimiento: ingesta, sincronización y recuperación a través de múltiples capas de almacenamiento (archivos locales, memoria MCP, vectores, repos Git). Actívalo cuando el usuario quiera guardar, organizar, sincronizar, deduplicar o buscar en sus sistemas de conocimiento.

¿Qué es knowledge-ops?

Knowledge Ops es una habilidad para agentes de IA que gestiona un sistema de conocimiento multicapa para ingerir, organizar, sincronizar y recuperar información en distintos almacenes. Es útil para desarrolladores y equipos que necesitan consolidar el contexto de trabajo (incidencias de GitHub, documentos de Linear, notas personales, archivos de memoria de Claude, y grafos de conocimiento MCP) en un solo lugar, evitando duplicados y asegurando que la verdad operativa viva donde corresponde. Funciona en plataformas como Claude Code, Cursor y Codex, y se activa cuando el usuario dice "guarda esto en la base de conocimiento", "sincroniza conocimiento" o "¿qué sé sobre X?". La habilidad clasifica el conocimiento, lo deduplica, lo almacena en la capa adecuada (memoria local, servidor MCP, repositorio Git, base de datos externa) y mantiene índices actualizados, permitiendo búsquedas semánticas y referencias cruzadas.

Compatible con✓Claude Code✓Codex CLI~Cursor
npx skills add https://github.com/affaan-m/everything-claude-code/tree/main/skills/knowledge-ops

Preguntar en tu IA favorita

Abre un nuevo chat con esta habilidad de agente ya precargada.

Documentación

Operaciones de Conocimiento

Gestiona un sistema de conocimiento multicapa para ingerir, organizar, sincronizar y recuperar conocimiento a través de múltiples almacenes.

Prefiere el modelo de espacio de trabajo activo:

  • El trabajo con código vive en los repos clonados reales
  • El contexto de ejecución activo vive en GitHub, Linear y archivos de contexto local del repositorio
  • Las notas más amplias orientadas a humanos pueden vivir en una carpeta de contexto/archivo fuera del repositorio
  • La memoria duradera entre máquinas pertenece a la base de conocimiento, no a un espacio de trabajo espejo

Cuándo activarlo

  • El usuario quiere guardar información en su base de conocimiento
  • Ingerir documentos, conversaciones o datos en almacenamiento estructurado
  • Sincronizar conocimiento entre sistemas (archivos locales, memoria MCP, Supabase, repos Git)
  • Deduplicar u organizar conocimiento existente
  • El usuario dice "guarda esto en la KB", "sincroniza el conocimiento", "¿qué sé sobre X?", "ingiere esto", "actualiza la base de conocimiento"
  • Cualquier tarea de gestión de conocimiento más allá de un simple recuerdo de memoria

Arquitectura del Conocimiento

Capa 1: Verdad de ejecución activa

  • Fuentes: Incidencias de GitHub, PRs, discusiones, notas de versión, incidencias/proyectos/docs de Linear
  • Uso: el estado operativo actual del trabajo
  • Regla: si algo afecta a un plan de ingeniería activo, hoja de ruta, despliegue o versión, prefiere ponerlo aquí primero

Capa 2: Memoria de Claude Code (Acceso Rápido)

  • Ruta: ~/.claude/projects/*/memory/
  • Formato: Archivos Markdown con metadatos YAML
  • Tipos: preferencias de usuario, comentarios, contexto del proyecto, referencia
  • Uso: contexto de acceso rápido que persiste entre sesiones
  • Se carga automáticamente al inicio de la sesión

Capa 3: Servidor de Memoria MCP (Grafo de Conocimiento Estructurado)

  • Acceso: herramientas de memoria MCP (create_entities, create_relations, add_observations, search_nodes)
  • Uso: búsqueda semántica en todas las memorias almacenadas, mapeo de relaciones
  • Persistencia entre sesiones con estructura de grafo consultable

Capa 4: Repositorio de base de conocimiento / almacén de documentos duraderos

  • Uso: notas duraderas seleccionadas, exportaciones de sesiones, investigación sintetizada, memoria del operador, documentos extensos
  • Regla: este es el almacén duradero preferido para el contexto entre máquinas cuando el contenido no es código propiedad del repositorio

Capa 5: Almacén de datos externo (Supabase, PostgreSQL, etc.)

  • Uso: datos estructurados, almacenamiento de documentos grandes, búsqueda de texto completo
  • Ideal para: documentos demasiado grandes para archivos de memoria, datos que requieren consultas SQL

Capa 6: Carpeta de contexto/archivo local

  • Uso: notas orientadas a humanos, planes de juego archivados, organización de medios locales, documentos temporales no relacionados con código
  • Regla: escribible para almacenar información, pero no es un espacio de trabajo de código espejo
  • No usar para: cambios de código activos o verdad del repositorio que debería vivir upstream

Flujo de Ingesta

Cuando sea necesario capturar nuevo conocimiento:

1. Clasificar

¿Qué tipo de conocimiento es?

  • Decisión de negocio -> archivo de memoria (tipo proyecto) + memoria MCP
  • Estado activo de hoja de ruta / versión / implementación -> GitHub + Linear primero
  • Preferencia personal -> archivo de memoria (tipo usuario/comentarios)
  • Información de referencia -> archivo de memoria (tipo referencia) + memoria MCP
  • Documento grande -> almacén de datos externo + resumen en la memoria
  • Conversación/sesión -> repositorio KB + resumen breve en la memoria

2. Deduplicar

Comprueba si este conocimiento ya existe:

  • Busca en los archivos de memoria entradas existentes
  • Consulta la memoria MCP con términos relevantes
  • Verifica si la información ya existe en GitHub o Linear antes de crear otra nota local
  • No crees duplicados. Actualiza las entradas existentes en su lugar.

3. Almacenar

Escribe en la(s) capa(s) adecuada(s):

  • Siempre actualiza la memoria de Claude Code para acceso rápido
  • Usa la memoria MCP para capacidad de búsqueda semántica y mapeo de relaciones
  • Actualiza GitHub / Linear primero cuando la información cambia la verdad del proyecto activo
  • Haz commit al repositorio KB para adiciones duraderas en formato extenso

4. Indexar

Actualiza cualquier índice o archivo de resumen relevante.

Operaciones de Sincronización

Sincronización de Conversaciones

Sincroniza periódicamente el historial de conversaciones en la base de conocimiento:

  • Fuentes: archivos de sesión de Claude, sesiones de Codex, otras sesiones de agente
  • Destino: repositorio de base de conocimiento
  • Genera un índice de sesiones para navegación rápida
  • Haz commit y push

Sincronización del Estado del Espacio de Trabajo

Refleja la configuración y scripts importantes del espacio de trabajo en la base de conocimiento:

  • Genera mapas de directorios
  • Oculta la configuración sensible antes de hacer commit
  • Rastrea cambios a lo largo del tiempo
  • No trates la base de conocimiento ni la carpeta de archivo como el espacio de trabajo de código activo

Sincronización de GitHub / Linear

Cuando la información afecta a la ejecución activa:

  • actualiza la incidencia, PR, discusión, notas de versión o hilo de hoja de ruta correspondiente de GitHub
  • adjunta documentos de soporte a Linear cuando el trabajo necesita contexto de planificación duradero
  • solo refleja una nota local después si aún añade valor

Sincronización de Conocimiento entre Fuentes

Recoge conocimiento de múltiples fuentes en un solo lugar:

  • Exportaciones de conversaciones de Claude/ChatGPT/Grok
  • Marcadores del navegador
  • Eventos de actividad de GitHub
  • Escribe un resumen de estado, haz commit y push

Patrones de Memoria

# Corto plazo: contexto de la sesión actual
Usa TodoWrite para el seguimiento de tareas dentro de la sesión

# Medio plazo: archivos de memoria del proyecto
Escribe en ~/.claude/projects/*/memory/ para recuperación entre sesiones

# Largo plazo: GitHub / Linear / KB
Pon la verdad de ejecución activa en GitHub + Linear
Pon el contexto sintetizado duradero en el repositorio de base de conocimiento

# Capa semántica: grafo de conocimiento MCP
Usa mcp__memory__create_entities para datos estructurados permanentes
Usa mcp__memory__create_relations para mapeo de relaciones
Usa mcp__memory__add_observations para nuevos hechos sobre entidades conocidas
Usa mcp__memory__search_nodes para encontrar conocimiento existente

Buenas Prácticas

  • Mantén los archivos de memoria concisos. Archiva datos antiguos en lugar de dejar que los archivos crezcan sin límite.
  • Usa metadatos YAML para metadatos en todos los archivos de conocimiento.
  • Deduplica antes de almacenar. Busca primero, luego crea o actualiza.
  • Prefiere un único hogar canónico por conjunto de hechos. Evita copias paralelas del mismo plan entre notas locales, archivos del repositorio y documentos del rastreador de tareas.
  • Oculta información sensible (claves API, contraseñas) antes de hacer commit a Git.
  • Usa convenciones de nomenclatura consistentes para los archivos de conocimiento (minúsculas-con-guiones).
  • Etiqueta las entradas con temas/categorías para una recuperación más fácil.

Puerta de Calidad

Antes de completar cualquier operación de conocimiento:

  • no se crearon entradas duplicadas
  • datos sensibles ocultados en cualquier archivo rastreado por Git
  • índices y resúmenes actualizados
  • capa de almacenamiento adecuada elegida para el tipo de datos
  • referencias cruzadas añadidas donde sea relevante

Individual skills in this repo

This repo contains 20 individual skills — each has its own dedicated page.

accessibility

Design, implement, and audit inclusive digital products using WCAG 2.2 Level AA. Use when building or auditing UI that must meet WCAG 2.2 Level AA, or when reviewing a change for keyboard, contrast, or screen-reader support.

affaan-m/claude-api

Anthropic Claude API patterns for Python and TypeScript. Covers Messages API, streaming, tool use, vision, extended thinking, batches, prompt caching, and Claude Agent SDK. Use when building applications with the Claude API or Anthropic SDKs.

affaan-m/everything-claude-code

End-to-end marketing campaign planning and execution. Covers audience research, positioning, campaign angle definition, landing page copy, email sequences, social posts, ad copy, short-form video scripts, and content calendars. Use as the orchestration layer for multi-channel product launches. Use when planning or executing a multi-channel product launch, or producing landing page, email, social, or ad copy.

affaan-m/everything-claude-code

Development conventions and patterns for everything-claude-code. JavaScript project with conventional commits.

affaan-m/everything-claude-code-conventions

Development conventions and patterns for everything-claude-code. JavaScript project with conventional commits.

affaan-m/frontend-design

Create distinctive, production-grade frontend interfaces with high design quality. Use when the user asks to build web components, pages, or applications and the visual direction matters as much as the code quality.

affaan-m/gget

gget CLI and Python workflow for quick genomic database queries, sequence lookup, BLAST-style searches, enrichment checks, and reproducible bioinformatics evidence logs.

affaan-m/literature-review

Systematic literature-review workflow for academic, biomedical, technical, and scientific topics, including search planning, source screening, synthesis, citation checks, and evidence logging.

affaan-m/motion-ui

Production-ready UI motion system for React/Next.js. Use when implementing animations, transitions, or motion patterns.

affaan-m/project-guidelines-example

Example project-specific skill template based on a real production application.

affaan-m/pubmed-database

Direct PubMed and NCBI E-utilities search workflows for biomedical literature, MeSH queries, PMID lookup, citation retrieval, and API-backed literature monitoring.

affaan-m/scholar-evaluation

Structured scholarly-work evaluation for papers, proposals, literature reviews, methods sections, evidence quality, citation support, and research-writing feedback.

affaan-m/uspto-database

USPTO patent and trademark data workflow for official record lookup, PatentSearch queries, TSDR checks, assignment data, and reproducible IP research logs.

agent-architecture-audit

Full-stack diagnostic for agent and LLM applications. Audits the 12-layer agent stack for wrapper regression, memory pollution, tool discipline failures, hidden repair loops, and rendering corruption. Produces severity-ranked findings with code-first fixes. Essential for developers building agent applications, autonomous loops, or any LLM-powered feature. Use when an agent or LLM feature misbehaves and the failing layer is unknown, or before shipping an agent stack.

agent-eval

Head-to-head comparison of coding agents (Claude Code, Aider, Codex, etc.) on custom tasks with pass rate, cost, time, and consistency metrics. Use when choosing between coding agents, or when a change to an agent setup needs measured pass rate, cost, and time rather than an impression.

agent-harness-construction

Design and optimize AI agent action spaces, tool definitions, and observation formatting for higher completion rates. Use when defining or revising an agent

agentic-engineering

Operate as an agentic engineer using eval-first execution, decomposition, and cost-aware model routing. Use when planning or executing engineering work that agents will carry out end to end.

agentic-os

Build persistent multi-agent operating systems on Claude Code. Covers kernel architecture, specialist agents, slash commands, file-based memory, scheduled automation, and state management without external databases. Use when building a persistent multi-agent system on Claude Code with its own memory, commands, and scheduling.

agent-introspection-debugging

Structured self-debugging workflow for AI agent failures using capture, diagnosis, contained recovery, and introspection reports. Use when an agent run fails and you need a reproducible diagnosis instead of a retry.

agent-payment-x402

Add x402 payment execution to AI agents with per-task budgets, spending controls, and non-custodial wallets. Supports Base through agentwallet-sdk and X Layer through OKX Payments / OKX Agent Payments Protocol. Use when an agent must pay for something itself and needs per-task budgets, spending controls, and a non-custodial wallet.

Skills relacionados