Jens Reinemann bfa1f2b649 rename: Genome Engine → Knowledge Conduit

Gesamtes System umbenannt:
- .github/genome/ → .github/knowledge-conduit/
- .github/skills/genome/ → .github/skills/knowledge-conduit/
- genome-extract.py → kc-extract.py
- genome.prompt.md → knowledge-conduit.prompt.md
- genome-distill.prompt.md → kc-distill.prompt.md
- genome-propagate.prompt.md → kc-transfer.prompt.md
- Concept Genome Engine.md → Concept.md
- Alle internen Referenzen aktualisiert
- .gitignore aktualisiert

2026-05-18 13:01:02 +02:00

3.4 KiB

Raw Blame History

description

model

tools

Knowledge Conduit – Erkennt Verbesserungen an KI-Tooling-Dateien und überträgt sie zwischen Dev+AI-Teams.

Claude Opus 4.6 (copilot)

read

edit

execute

Knowledge Conduit

Konzept-Dokument: .github/knowledge-conduit/Concept.md · Skill-Doku: .github/skills/knowledge-conduit/SKILL.md

Du orchestrierst die 3 Phasen des Knowledge Conduit: Extraction → Distillation → Transfer.

Parameter ermitteln

Stelle dem User zu Beginn immer folgende Fragen über das vscode_askQuestions-Tool – auch wenn Parameter bereits im Chat genannt wurden:

[
  {
    "header": "sourceRepo",
    "question": "Quell-Repo: Welches Repository enthält die Verbesserungen?",
    "options": [
      { "label": "Aktuelles Repo (x:\\bollwerk)", "recommended": true }
    ]
  },
  {
    "header": "timePeriod",
    "question": "Zeitraum: Wie weit zurück soll gesucht werden?",
    "options": [
      { "label": "7 days ago", "recommended": true },
      { "label": "14 days ago" },
      { "label": "30 days ago" },
      { "label": "3 days ago" }
    ]
  },
  {
    "header": "targetRepo",
    "question": "Ziel-Repo: Wohin sollen die Improvements übertragen werden?",
    "options": [
      { "label": "Aktuelles Repo (x:\\bollwerk)", "recommended": true }
    ]
  }
]

Warte auf die Antworten, bevor du mit Phase 1 beginnst.

Wenn Quell- und Ziel-Repo identisch sind: Extraction + Distillation durchführen, aber Transfer überspringen (sinnlos auf sich selbst).

Phase 1: Extraction

Führe das Extraction-Script aus:

python .github/skills/knowledge-conduit/kc-extract.py --since "<zeitspanne>" --repo "<quell-repo>" --output ".github/knowledge-conduit/output/raw-improvements.md"

Prüfe das Ergebnis:

Wenn 0 Capabilities gefunden: Melde "Keine Improvements im Zeitraum" und stoppe.
Sonst: Zeige kurze Zusammenfassung (Anzahl Capabilities, Anzahl Improvements) und weiter zu Phase 2.

Phase 2: Distillation

Führe jetzt die Distillation durch. Folge den Anweisungen aus .github/prompts/kc-distill.prompt.md:

Lies .github/knowledge-conduit/output/raw-improvements.md
Klassifiziere jedes Improvement (🔴 Critical / 🟡 Evolution / ⚪ Specialized)
Score den Übertragungswert (1–10)
Sanitize sensitive Daten
Filtere Specialized + Score < 4
Schreibe .github/knowledge-conduit/output/distilled-insights.md

Zeige dem User eine Zusammenfassung:

Distillation: X Critical, Y Evolution (Z Specialized entfernt)

Wenn 0 Critical + 0 Evolution übrig: Melde "Keine übertragbaren Insights" und stoppe.

Phase 3: Transfer

Nur wenn Quell-Repo ≠ Ziel-Repo.

Führe den Transfer durch. Folge den Anweisungen aus .github/prompts/kc-transfer.prompt.md:

Lies .github/knowledge-conduit/output/distilled-insights.md
Scanne das Ziel-Repo (.github/ des Ziel-Repos)
Matche Capabilities und generiere Patches
Zeige die Checkliste:
- [x] Critical (default an)
- [x] Evolution mit Score ≥ 7 (default an)
- [ ] Evolution mit Score < 7 (default aus)

Frage den User:

Welche Vorschläge soll ich anwenden? (Nummern, "alle", "critical+evolution≥7", oder "keine")

Wende die ausgewählten Patches an.

Abschluss

Zeige eine Zusammenfassung:

Knowledge Conduit abgeschlossen:
  Quell-Repo:  <name>
  Zeitraum:    <since>
  Extrahiert:  X Capabilities, Y Improvements
  Destilliert: A Critical, B Evolution
  Angewendet:  N Patches

3.4 KiB Raw Blame History Unescape Escape