Skills Guide

Classification de taxonomie fédérée

VérifiéSûr

Extrait automatiquement des étiquettes de taxonomie fédérée à partir d'un texte, en combinant des suggestions LLM avec une validation déterministe sur un vocabulaire connu. Renvoie des 'bridge tags' pour permettre des requêtes multi-sauts entre différentes collections (lore, opérationnel, sparta). Utile avant d'enregistrer du contenu en mémoire, pour filtrer les informations pertinentes et faciliter les recherches transverses.

Télécharger et utiliser
Spar Skills Guide Bot
Data & IAIntermédiaire
02/06/2026
Claude Code
#taxonomy#tag-extraction#graph-traversal#federated

Recommandé pour

Claude CodeData scientistData & analyse

Synthèse automatique

Extrait des tags de taxonomie fédérée à partir d'un texte pour le stockage en mémoire et le parcours de graphes, en utilisant l'extraction par LLM et une validation déterministe.

Points forts

  • Fournit des tags structurés (pont, collection) pour les requêtes inter-collections.
  • Utilise une validation déterministe pour filtrer selon un vocabulaire connu.
  • Inclut des champs de confiance et de mémorisation pour le filtrage.
  • Prend en charge plusieurs types de collections (lore, operational, sparta).

Limites

  • Nécessite un vocabulaire de taxonomie prédéfini qui peut ne pas couvrir tous les concepts.
  • Le script (run.sh) doit être disponible et configuré.
  • Fonctionne uniquement avec du texte, pas d'images ou d'audio.
Quand l'utiliser

Lorsque vous devez extraire des tags standardisés à partir d'un contenu textuel pour le stocker dans un graphe mémoire et permettre une recherche basée sur celui-ci.

Quand l'éviter

Lorsque vous avez besoin d'une extraction de mots-clés bruts sans contraintes de taxonomie, ou lorsque le contenu n'est pas textuel.

Analyse de sécurité

Sûr
Score qualité88/100

The skill uses Bash and Read tools to run a tag extraction script with deterministic validation against known vocabularies. There are no destructive commands, exfiltration attempts, or obfuscation. The functionality is benign and well-defined.

Aucun point d'attention détecté

Comment cette analyse est faite

Exemples

Extract tags from error handling description
Extract Federated Taxonomy tags from this text: 'Error handling in the authentication module' with collection operational.
Get bridge tags only
Extract bridge tags from this text: 'The system is resilient against failures, but has some fragile legacy components' and only return bridge tags.
Classify text for lore collection
Classify this narrative text with taxonomy tags: 'The hero's journey through the corrupted data maze' for lore collection.

name: taxonomy description: > Extract Federated Taxonomy tags from text. LLM extracts candidates, deterministic validation filters to known vocabulary. Returns bridge tags for multi-hop graph traversal. allowed-tools: ["Bash", "Read"] triggers:

  • taxonomy
  • tag this
  • classify
  • what tags
  • bridge tags metadata: short-description: Extract taxonomy tags for graph traversal

Taxonomy

Extract Federated Taxonomy tags from text for memory storage and multi-hop graph traversal.

Quick Start

# Extract tags from text
./run.sh --text "Error handling in the authentication module" --collection operational

# Extract from file
./run.sh --file document.txt --collection lore

# Just get bridge tags (for graph traversal)
./run.sh --text "..." --bridges-only

Output

{
  "bridge_tags": ["Resilience", "Loyalty"],
  "collection_tags": {"function": "Fix", "domain": "Middleware"},
  "confidence": 0.8,
  "worth_remembering": true
}

Bridge Tags (Tier 0)

Shared across all collections - enable cross-collection queries:

| Tag | Indicates | |-----|-----------| | Precision | Methodical, optimized, algorithmic | | Resilience | Fault tolerance, error handling, robustness | | Fragility | Technical debt, brittleness, single point of failure | | Corruption | Bugs, data corruption, silent failures | | Loyalty | Security, compliance, auth, encryption | | Stealth | Hidden, evasion, infiltration |

Collection Types

  • lore - Narrative/story content (HLT vocabulary)
  • operational - Code/technical lessons (Operational vocabulary)
  • sparta - Security content (ATT&CK/D3FEND vocabulary)

Use Cases

  1. Before storing to memory: Get tags to enable graph traversal
  2. Filtering what to remember: Check worth_remembering field
  3. Cross-collection queries: Use bridge_tags for multi-hop search

Composing with /learn

# /learn can call /taxonomy for tag extraction
tags=$(./run.sh --text "$content" --collection operational --json)
bridge_tags=$(echo "$tags" | jq -r '.bridge_tags | join(",")')

Du fichier au premier essai

Le téléchargement contient exactement le contenu affiché sur cette fiche. Cette copie peut différer de la dernière version du dépôt source.

Consulter la source et ses fichiers annexes

Ce téléchargement contient uniquement SKILL.md. Les scripts, références, modèles et dépendances éventuels ne sont pas inclus. Récupérez les fichiers nécessaires depuis la source en conservant leur arborescence avant de poursuivre.

1. Télécharger le fichier

Télécharger SKILL.md

Depuis la racine d’un projet de test, enregistrez le fichier sous .skill-downloads/federated-taxonomy-classification-mm78nnjp/SKILL.md, ou utilisez la commande suivante. Ce dossier sert à examiner la skill avant son installation.

Commande pour macOS/Linux ou WSL : un shell POSIX et curl sont nécessaires. Sous Windows sans WSL, utilisez le bouton de téléchargement et créez le dossier manuellement.

mkdir -p '.skill-downloads/federated-taxonomy-classification-mm78nnjp' && curl --fail --show-error --location 'https://skills-guides.com/api/skills/federated-taxonomy-classification-mm78nnjp/download' --output '.skill-downloads/federated-taxonomy-classification-mm78nnjp/SKILL.md.part' && mv '.skill-downloads/federated-taxonomy-classification-mm78nnjp/SKILL.md.part' '.skill-downloads/federated-taxonomy-classification-mm78nnjp/SKILL.md'

2. Vérifier les prérequis

Lisez SKILL.md avant de l’utiliser. Si le fichier cite des scripts ou services externes, examinez-les et préparez les accès nécessaires dans votre environnement de test.

Aucune section de prérequis reconnue dans ce fichier. Cela ne signifie pas qu’il est autonome : les bibliothèques, outils et accès peuvent être cités ailleurs dans le contenu ou dans le dépôt source.

Les plateformes de la fiche sont des indications du catalogue. Les chemins ci-dessous suivent la documentation des outils ; ils ne prouvent pas que cette skill y a été exécutée. Aucune version minimale de ces outils n’est attestée pour cette fiche.

3. Charger la skill

Après vérification, copiez le dossier complet dans le projet avec l’une des commandes ci-dessous, puis ouvrez une nouvelle session de l’outil. La commande s’arrête si un dossier du même nom existe déjà : comparez les fichiers avant de le remplacer.

Claude Code
test -f '.skill-downloads/federated-taxonomy-classification-mm78nnjp/SKILL.md' && test -s '.skill-downloads/federated-taxonomy-classification-mm78nnjp/SKILL.md' && mkdir -p '.claude/skills' && test ! -e '.claude/skills/taxonomy' && cp -R '.skill-downloads/federated-taxonomy-classification-mm78nnjp' '.claude/skills/taxonomy'

OpenSkills

OpenSkills doit déjà être installé. La procédure locale install/read est contrôlée avec OpenSkills 1.5.0, qui exige Node.js ≥ 20.6.0. Aucun slug du catalogue n’est résolu automatiquement.

Installation officielle d’OpenSkills
openskills install './.skill-downloads/federated-taxonomy-classification-mm78nnjp'

openskills read 'federated-taxonomy-classification-mm78nnjp'

La lecture doit afficher le contenu du fichier installé et son dossier de base. Elle ne lance ni la skill ni ses dépendances.

Pour un agent qui lit AGENTS.md, synchronisez ensuite l’index. Cette commande modifie AGENTS.md : relisez le diff avant de l’utiliser.

openskills sync

Mode manuel ou autre outil : joignez SKILL.md à une conversation, ou ouvrez-le dans un agent capable de lire les fichiers. Ajoutez les ressources annexes nécessaires. Il n’existe pas de dossier universel reconnu par tous les outils.

4. Faire un premier essai

Utilisez une entrée courte et fictive : un endpoint d’API, un petit document ou un brief d’interface. Dans une nouvelle conversation, joignez le fichier ou donnez son chemin à l’agent, puis adaptez cette demande :

Lis .skill-downloads/federated-taxonomy-classification-mm78nnjp/SKILL.md et applique ses instructions à cet exemple : [décrire une entrée de test]. Indique les fichiers, dépendances ou accès qui manquent. Produis le résultat demandé par la skill sans inventer de données ni exécuter de script non examiné.

Résultat attendu : une sortie correspondant aux instructions de la skill, ou une liste précise des prérequis manquants. Une simple confirmation de lecture ne valide pas le premier usage. Si une ressource externe est indisponible, ce parcours reste à tester.

Skills similaires

Créer des cartes interactives avec kepler.gl

Data & IA

Création de cartes interactives et export HTML autonome avec le package Python keplergl, à partir de données géospatiales (DataFrame, GeoJSON, CSV).

Claude CodeCursorCodexintermediateSûr 11,995
Skills Guide Bot

Optimisation de paramètres par agent

Data & IA

Guide d'optimisation de systèmes configurables avec objectif mesurable, via des essais bornés et une recommandation fondée sur des preuves.

Claude CodeCursorCodexintermediateSûr 45,609
Skills Guide Bot

Relance des visiteurs ICP

Data & IA

Identifiez les utilisateurs inscrits correspondant au profil client idéal mais qui n'ont pas activé, et rédigez des messages de relance personnalisés pour les réengager.

Claude CodeintermediateSûr 6,843
Skills Guide Bot