convez.ai
SkillDados & AnalyticsAvançado
leislicai

Arquitetura de Formulários de Conhecimento

leislicai/claude-skills

Pipeline de KG com gates de qualidade e retry automático até 3x

Ver no GitHub
InicialPluginScore · de 0 a 100

Skill Python que orquestra pipelines multi-estágio para transformar documentos em bases de conhecimento estruturadas. Processa blocos de texto → entidades → wikis → pares QA, com inspeção de qualidade obrigatória e loops de feedback em cada etapa. Inclui contratos de schema, templates de prompt e isolamento de dados por domínio.

Instalação

$npx convez-ai leislicai/claude-skills

1 comando no terminal: detecta o formato do repositório (marketplace ou plugin avulso) e instala via Claude Code. Requer Node 18+ e o Claude Code instalado.

Métricas

Estrelas
0
Forks
0
Acompanhando
0
Saúde
28%
Último commit
há 5 meses
Versão
—
Issues abertas
0
Contribuidores
2

Casos de uso

  • Converter documentos técnicos ou legais em bases de conhecimento estruturadas
  • Extrair entidades e relações com validação semântica automática
  • Gerar pares pergunta-resposta contextualizados de políticas e manuais
  • Implementar quality gates em pipelines de processamento de dados

Veredito

Skill robusto e bem arquitetado para pipelines de conhecimento estruturado. Excelente para casos com requisitos rigorosos de qualidade; curva de aprendizado forte por conta da complexidade de orquestração multi-estágio e configuração por domínio.

README

A tradução para o português deste README ainda está na fila.

Claude Skills / Claude 技能集

Personal Claude Code skills collection. 个人 Claude Code 技能集合。

Skills / 技能

SkillVersionDescription / 描述
architecting-knowledge-formsv2.8.0多形态知识管线编排——Block → Entity → Wiki → QA + DB Export。含领域配置、prompt 模板、schema 契约、质量检查反馈回环。Design + execute multi-form knowledge pipelines with hard-gate quality inspection and feedback loops.

语言说明 / Language: 实体命名和领域配置假定中文源文档。编排模式(临时目录隔离、断点恢复、质量检查、动态谓词)是语言无关的。Entity naming and domain configs assume Chinese-language source documents. The orchestration pattern is language-agnostic.

Pipeline / 管线

Document → [Stage 1: 块提取] → [Stage 2: 实体提取] → [Stage 3: Wiki 编译] → [Stage 4: QA 生成]
                Block                  Entity                  Wiki                   QA
              Extraction             Extraction             Compilation            Generation

每阶段完成后强制执行质量检查(机械预检 + 语义评估),不合格则进入反馈回环(最多 3 次重试)。

Each stage is followed by mandatory quality inspection (mechanical pre-check + semantic evaluation). Failed stages enter a feedback loop (max 3 retries).

Output Structure / 产出结构

pipeline-output/
├── blocks/              # Stage 1 — kb_NNN.json
├── entities.json        # Stage 2 — 实体目录 + 关系
├── wiki/                # Stage 3 — ent_xxx.md
├── qa_pairs.json        # Stage 4 — QA 对
├── quality-reports/     # 质量报告(每阶段必生成)
└── human-review/        # 3 次重试后仍不通过,人工审阅

Example Run / 运行示例

天水市住房公积金 3 份核心政策文档,v2.7 管线产出 / 3 core Tianshui housing fund docs, v2.7 pipeline:

StageOutput / 产出Quality / 质量
1 — 块提取43 blocks全阶段机械检查 passed
2 — 实体提取14 entities + 25 relations100% related, 0 英文违规
3 — Wiki 编译14 wiki pages全阶段机械检查 passed
4 — QA 生成28 QA pairs(12 场景,0 常识问题)全阶段机械检查 passed

See architecting-knowledge-forms/examples/pipeline-output/ for full output.

Quick Start / 快速上手

Read GETTING_STARTED.md for a 5-minute walkthrough with good/bad output examples.

阅读 GETTING_STARTED.md 获取 5 分钟快速上手指引和好/坏输出对比示例。

Install / 安装

cp -r architecting-knowledge-forms ~/.claude/skills/
Ver o original no GitHub

Bom para

Relacionados