rpp

SKILL.md

Generate hierarchical knowledge structures where each level achieves maximum explanatory power with minimum nodes through recursive application of the Pareto principle.

| Level | Role | Node % | Coverage | Ratio to L3 |

| L0 | Meta-graph/Schema | 0.8% | 51% | 6-9:1 to L1 | | L1 | Logic-graph/Atomic | 4% | 64% | 2-3:1 to L2 | | L2 | Concept-graph/Composite | 20% | 80% | — | | L3 | Detail-graph/Ground-truth | 100% | 100% | — |

최적화를 위해 Recursive Pareto 원리를 통해 계층적 지식 그래프를 생성합니다. 스키마 구축. 4단계 구조 생성(L0 메타 그래프 ~ L3 세부 그래프) 각 레벨에는 80% 더 적은 수의 노드가 포함되고 파생된 노드는 80% 접지됩니다. Pareto³ 압축을 통해 0.8%의 노드에서 51%의 적용 범위를 제공합니다. 도메인 온톨로지를 만들 때 사용 또는 다음을 요구하는 지식 아키텍처: (1) 창발적 합성물을 포함한 원자 우선 원리, (2) 파레토 최적화된 정보 밀도, (3) 검증된 노드가 있는 소규모 세계 토폴로지 비율(L1:L2 2-3:1) 또는 (4) 양방향 구성. 그래프와 적분(θ≥4 검증), abduct(리팩토링), mega(SuperHyperGraphs), infranodus(간격 감지). 트리거: '스키마 생성', '온톨로지 생성', '파레토 계층', '재귀 그래프', '제1원리 분해'. 출처: zpankz/mcp-skillset.

원본 보기