Предоставьте агентам постоянную структурную память о базе кода — перемещайтесь по зависимостям, отслеживайте общедоступные API и понимайте, почему существуют соединения, не перечитывая весь репозиторий.
Быстро установите AI-навык data-structure-protocol в вашу среду разработки через командную строку
Источник: sickn33/antigravity-awesome-skills.
LLM coding agents lose context between tasks. On large codebases they spend most of their tokens on "orientation" — figuring out where things live, what depends on what, and what is safe to change. DSP solves this by externalizing the project's structural map into a persistent, queryable graph stored in a .dsp/ directory next to the code.
DSP is NOT documentation for humans and NOT an AST dump. It captures three things: meaning (why an entity exists), boundaries (what it imports and exposes), and reasons (why each connection exists). This is enough for an agent to navigate, refactor, and generate code without loading the entire source tree into the context window.
DSP models the codebase as a directed graph. Nodes are entities, edges are imports and shared/exports.
Стабильные поля и команды для ссылок в AI/поиске.
npx skills add https://github.com/sickn33/antigravity-awesome-skills --skill data-structure-protocolПредоставьте агентам постоянную структурную память о базе кода — перемещайтесь по зависимостям, отслеживайте общедоступные API и понимайте, почему существуют соединения, не перечитывая весь репозиторий. Источник: sickn33/antigravity-awesome-skills.
Откройте терминал или инструмент командной строки (Terminal, iTerm, Windows Terminal и т.д.) Скопируйте и выполните эту команду: npx skills add https://github.com/sickn33/antigravity-awesome-skills --skill data-structure-protocol После установки навык будет автоматически настроен в вашей AI-среде разработки и готов к использованию в Claude Code, Cursor или OpenClaw
https://github.com/sickn33/antigravity-awesome-skills