Agent skill · operations · affaan-m
knowledge-ops
複数のストレージレイヤー（ローカルファイル、MCP メモリ、ベクターストア、Git リポジトリ）にわたるナレッジベースの管理、取り込み、同期、検索。ユーザーが知識システム全体で保存・整理・同期・重複排除・検索を行いたい場合に使用します。
Why this skill is useful
Adds structured workflows for knowledge management across multiple storage layers that the AI wouldn't reliably generate on its own.
What it needs
About 1k tokens when loaded. Last updated 2026-08-06. 238,342 stars on the source repository.
What this skill does
ナレッジ操作 複数のストアにわたって知識を取り込み・整理・同期・検索するための多層ナレッジシステムを管理します。 ライブワークスペースモデルを優先してください: コード作業は実際にクローンしたリポジトリ内に置く アクティブな実行コンテキストは GitHub、Linear、リポジトリローカルの working-context ファイルに置く 広範な人間向けノートはリポジトリ外のコンテキスト/アーカイブフォルダに置くことができる 耐久性のあるクロスマシンメモリはシャドウリポジトリのワークスペースではなく、ナレッジベースに置く アクティベートするタイミング ユーザーがナレッジベースに情報を保存したい ドキュメント・会話・データを構造化されたストレージに取り込む システム間で知識を同期する（ローカルファイル、MCP メモリ、Supabase、Git リポジトリ） 既存の知識を重複排除または整理する ユーザーが「KB に保存して」「ナレッジを同期して」「X について何を知っているか」「取り込んで」「ナレッジベースを更新して」と言う 単純なメモリ呼び出しを超えたあらゆるナレッジ管理タスク ナレッジアーキテクチャ レイヤー 1: アクティブな実行の真実 ソース: GitHub のイシュー、PR、ディスカッション、リリースノート、Linear のイシュー/プロジェクト/ドキュメント 用途: 作業の現在の運用状態 ルール: アクティブなエンジニアリング計画・ロードマップ・ロールアウト・リリースに影響する場合は、まずここに置くことを優先する レイヤー 2: Claude Code メモリ（クイックアクセス） パス: ~/.claude/projects//memory/ フォーマット: フロントマター付き Markdown ファイル タイプ: ユーザー設定、フィードバック、プロジェクトコンテキスト、リファレンス 用途: 会話間で持続するクイックアクセスコンテキスト セッション開始時に自動読み込み レイヤー 3: MCP メモリサーバー（構造化ナレッジグラフ） アクセス: MCP メモリツール（createentities、createrelations、addobservations、searchnodes） 用途: 保存されたすべてのメモリに対するセマンティック検索、関係マッピング クエリ可能なグラフ構造によるクロスセッション永続化 レイヤー 4: ナレッジベースリポジトリ / 耐久性ドキュメントストア 用途: キュレートされた耐久性ノート、セッションエクスポート、合成されたリサーチ、オペレーターメモリ、長文ドキュメント ルール: コンテンツがリポジトリ所有のコードでない場合の、クロスマシンコンテキストの優先耐久性ストア レイヤー 5: 外部データストア（Supabase、PostgreSQL など） 用途: 構造化データ、大規模ドキュメントストレージ、全文検索 最適な場面: メモリファイルには大きすぎるドキュメント、SQL クエリが必要なデータ レイヤー 6: ローカルコンテキスト/アーカイブフォルダ 用途: 人間向けノート、アーカイブされたゲームプラン、ローカルメディア整理、一時的な非コードドキュメント ルール: 情報ストレージには書き込み可能だが、シャドウコードワークスペースとしては使用しない 使用しない場面: アクティブなコード変更や上流に置くべきリポジトリの真実 取り込みワークフロー 新しい知識を取り込む必要がある場合: 1. 分類 どのタイプの知識か？ ビジネス決定 -> メモリファイル（プロジェクトタイプ）+ MCP メモリ アクティブなロードマップ / リリース / 実装状態 -> まず GitHub + Linear 個人的な好み -> メモリファイル（ユーザー/フィードバックタイプ） リファレンス情報 -> メモリファイル（リファレンスタイプ）+ MCP メモリ 大規模ドキュメント -> 外部データストア + メモリ内サマリー 会話/セッション -> ナレッジベースリポジトリ + メモリ内短いサマリー 2. 重複排除 この知識がすでに存在するか確認する: 既存エントリのメモリファイルを検索する 関連用語で MCP メモリをクエリする 別のローカルノートを作成する前に、その情報が既に GitHub や Linear に存在するか確認する 重複を作らない。代わりに既存エントリを更新する。 3. …
How to use it
Reference it in AdaL, Claude Code, Cursor or any coding agent — nothing to install:
@skills affaan-m/knowledge-ops--88f814