skill-upgrader

Skill-upgrader to narzędzie do formalnego ulepszania istniejących umiejętności do standardu Decision Theory v5 Hybrid. Wykorzystuje cztery równoległe agenty wspierane przez Ragie RAG, które analizują strukturę MDP, przestrzeń akcji, logikę modalną i semantykę decyzji. Idealne dla deweloperów chcących sformalizować swoje umiejętności przy użyciu teorii decyzji i algorytmów planowania. Wymaga dostępu do indeksowanych książek: LaValle Planning Algorithms i Blackburn Modal Logic.

1. Przygotuj swoją umiejętność w formacie SKILL.md i upewnij się, że masz dostęp do Ragie RAG z zaindeksowanymi partycjami: decision-theory (LaValle Planning Algorithms, Sutton & Barto RL) oraz modal-logic (Blackburn Modal Logic, Huth & Ryan Logic in CS).

2. Utwórz sesję upgradu, uruchamiając polecenie bash, które wygeneruje unikalny identyfikator sesji z datą i nazwą umiejętności, a następnie stwórz katalog roboczy w ścieżce thoughts/skill-builds/{SESSION}.

3. Zainicjuj blackboard — plik markdown w katalogu sesji zawierający metadane: nazwę umiejętności, ścieżkę do pliku wejściowego, docelowy format (Decision Theory v5 Hybrid) oraz sekcję do zbierania wyników od agentów.

4. Uruchom cztery agenty równolegle za pomocą narzędzia Task: Agent LaValle (MDP state space), Agent Sutton-Barto (action space i sequential decisions), Agent Blackburn (modal logic structure) oraz Agent semantyki (decision semantics). Każdy agent czyta wejściową umiejętność, wysyła zapytania do odpowiedniej partycji Ragie i dołącza wyniki do blackboard.

5. Monitoruj postęp agentów poprzez obserwowanie aktualizacji pliku blackboard. Po zakończeniu wszystkich czterech agentów przejrzyj zebrane wyniki i użyj ich do ręcznego lub automatycznego wygenerowania sformalizowanej umiejętności w formacie v5 Hybrid.

6. Zweryfikuj wyjściową umiejętność pod kątem poprawności struktury MDP, definicji stanów, przestrzeni akcji i logiki modalnej zgodnie ze standardami Decision Theory v5.