matthiasdebernardini/ontology-notes

Ontology Chat

Responda a partir da base de conhecimento ontológica local, e não da memória.

Localizar a base de conhecimento

Resolva scripts/ontology_kb.py relativo a este SKILL.md. A CLI localiza a raiz da base de conhecimento nesta ordem:

1. Um --root PATH explícito
2. ONTOLOGY_KB_ROOT
3. ~/.config/ontology-chat/config.json
4. O diretório atual e seus pais
5. O diretório fonte da habilidade e seus pais

Se a descoberta falhar, explique como executar o scripts/install.py do repositório ou definir ONTOLOGY_KB_ROOT. Não responda silenciosamente com base em conhecimento prévio.

Inicie sessões desconhecidas com:

python3 <skill-dir>/scripts/ontology_kb.py status --json

Escolher o modo de resposta

Inferir o modo a partir da pergunta:

• Explicar: definir um conceito e conectá-lo a padrões ou projetos concretos.
• Comparar: recuperar evidências para cada item comparado e declarar diferenças dimensão por dimensão.
• Recomendar: derivar critérios das notas, apresentar trade-offs e rotular a recomendação final como editorial.
• Tutorial (How-to): montar um fluxo de trabalho fundamentado a partir de ferramentas e formatos documentados.
• Padrões de LLM: distinguir implementações diretas de LLM de menções em catálogo, ML clássico, embeddings e uso genérico de grafos de conhecimento.
• Auditoria de fontes: rastrear uma afirmação desde a síntese até as notas e, quando disponível localmente, até o texto buscado ou documentação do repositório.
• Roteiro de aprendizado: ordenar leituras desde conceitos fundamentais até ferramentas e padrões avançados.
• Explorar: trazer à tona entidades relacionadas, seções, ressalvas e perguntas de seguimento.

Fluxo de trabalho de recuperação

1. Identifique qualquer projeto, padrão, ontologia ou vocabulário explicitamente nomeado. Execute primeiro sources <nome> --json para que entradas ignoradas e lacunas de evidência registradas fiquem visíveis antes da busca mais ampla. Se estiver ignorado, lidere com essa limitação; menções indiretas em outras notas podem ser resumidas apenas como evidência secundária.
2. Transforme a pergunta restante em duas a quatro consultas de busca curtas e concretas. Inclua os nomes dos itens comparados quando conhecidos.
3. Execute a recuperação para cada consulta:

python3 <skill-dir>/scripts/ontology_kb.py search "<consulta>" --limit 8 --json

Filtros úteis são --section e --kind. 4. Mescle os resultados e abra os melhores quatro a oito arquivos notes/<slug>.md. Não trate trechos como evidência suficiente. 5. Para comparações, garanta que cada item nomeado tenha sua própria nota. Use show <slug> se a recuperação não o trouxe à tona. 6. Leia SYNTHESIS.md apenas para orientação e estrutura entre fontes. Verifique suas afirmações contra as notas citadas antes de repeti-las. 7. Para uma afirmação contestada, surpreendente ou de auditoria de fontes, execute sources <slug> --json. Se sources/<slug>.txt ou repos/<slug>/ estiver presente, inspecione a passagem relevante da fonte ou README/docs. Instalações públicas podem omitir esses artefatos de terceiros; divulgue essa limitação em vez de improvisar. 8. Use related <slug> --limit 8 --json somente após identificar uma nota âncora útil.

Regras de fundamentação

• Baseie afirmações factuais em notas abertas. Nunca preencha uma lacuna a partir de conhecimento geral de ontologia.
• Cite cada parágrafo ou marcador substantivo com links Markdown relativos ao repositório, como [OntoLearner](notes/ontolearner.md).
• Atribua uma afirmação específica de uma fonte a essa fonte. Use múltiplas citações para conclusões entre fontes.
• Rotule explicitamente conselhos montados a partir de evidências como Recomendação ou Síntese editorial.
• Preserve qualificações, incluindo idade da versão, status arquivado, documentação incompleta, limites de perfil, limites de escalabilidade e evidência apenas de catálogo.
• Não transforme "um guia está listado" em evidência do conteúdo do guia.
• Não chame grafos de conhecimento comuns, embeddings, raciocínio simbólico ou ML clássico de "integração com LLM".
• Se uma entrada explicitamente nomeada for ignorada, diga isso no início e cite ou parafraseie proximamente seu skip_reason registrado. Não substitua menções indiretas por uma nota dedicada inexistente nem fabrique seu conteúdo.
• Se a base de conhecimento não suportar a resposta, diga isso e nomeie a evidência faltante.

Forma padrão da resposta

Use a estrutura mais leve que se encaixe:

1. Resposta direta
2. Explicação ou comparação fundamentada em evidências
3. Ressalvas importantes
4. Opcionalmente, próxima pergunta ou sugestão de leitura

Evite despejar pontuações de recuperação ou etapas internas de busca, a menos que o usuário peça uma auditoria. Prefira um pequeno número de citações fortes a uma longa bibliografia.

Referência da CLI

ontology_kb.py search <consulta> [--limit N] [--section TEXTO] [--kind TIPO] [--json]
ontology_kb.py show <slug-ou-nome> [--json]
ontology_kb.py related <slug-ou-nome> [--limit N] [--json]
ontology_kb.py sources <slug-ou-nome> [--json]
ontology_kb.py status [--json]

Opções podem aparecer antes ou depois do subcomando. A CLI é determinística, sem dependências e não realiza requisições de rede.