by PromptSpace
आपके AI एजेंट को 'क्यों' का उत्तर देने के लिए आवश्यक संगठनात्मक स्मृति स्कीमा तैयार करता है — निर्णय की उत्पत्ति, कारण-श्रृंखलाएं, और घटना संदर्भ को संरक्षित करता है, जिसे एम्बेडिंग-आधारित रिट्रीवल स्थायी रूप से छोड़ देता है।
₹840 ($10)
One-time purchase
by PromptSpace
आपके AI एजेंट को 'क्यों' का उत्तर देने के लिए आवश्यक संगठनात्मक स्मृति स्कीमा तैयार करता है — निर्णय की उत्पत्ति, कारण-श्रृंखलाएं, और घटना संदर्भ को संरक्षित करता है, जिसे एम्बेडिंग-आधारित रिट्रीवल स्थायी रूप से छोड़ देता है।
₹840 ($10)
One-time purchase
⚡ Skill ready to install in Claude Code, Gemini CLI, or any MCP-compatible client. Read the install guides →
यह स्किल क्या करती है
जब आप किसी दस्तावेज़ को एम्बेड करते हैं, तो आप उसकी सामग्री तो सुरक्षित रखते हैं। लेकिन यह खो जाता है कि किसने निर्णय लिया, क्यों लिया, इसने क्या प्रतिस्थापित किया, और इसके क्या परिणाम हुए। यह स्किल आपको उस लुप्त उत्पत्ति को संरचित संस्थागत स्मृति के रूप में कैप्चर करना सिखाती है — ताकि आपका एजेंट ऐसे प्रश्नों का उत्तर दे सके जो किसी भी RAG सिस्टम की पहुंच से बाहर हैं।
यह किन समस्याओं को हल करती है
उत्पत्ति-अंधापन — "हम इसे इस तरह क्यों कर रहे हैं?" का उत्तर वेक्टर स्टोर से नहीं मिल सकता, क्योंकि तर्क कभी इंडेक्स नहीं किया गया, केवल आउटपुट दस्तावेज़ था।
Type 3 ज्ञान अंतराल — अधिकांश संगठन तथ्य (Type 1) और कुछ घटनाएं (Type 2) तो दर्ज करते हैं, लेकिन निर्णय लेते समय कारण-आधारित तर्क (Type 3) लगभग कभी नहीं। यह स्किल उस अंतराल को बढ़ने से पहले बंद करती है।
पूर्वव्यापी अंतर्ग्रहण विफलता — पुराने दस्तावेज़ों से संस्थागत इतिहास पुनर्निर्मित करने की कोशिश करने वाली टीमें पाती हैं कि कारण-संबंध कभी लिखे ही नहीं गए। यह स्किल कारण-संबंध सत्यापन के लिए मानव समीक्षा सहित एक मॉडल-सहायक निष्कर्षण वर्कफ़्लो प्रदान करती है।
"हम X का उपयोग क्यों करते हैं?" प्रश्न — प्रौद्योगिकी, नीति, और वास्तुकला संबंधी विकल्पों के लिए निर्णय-श्रृंखलाओं पर ग्राफ ट्रैवर्सल की आवश्यकता होती है, न कि सिमेंटिक समानता की।
आपको क्या मिलता है
यह स्किल तीन ज्ञान प्रकारों को अलग-अलग स्टोरेज लक्ष्यों के साथ परिभाषित करती है:
घोषणात्मक (Type 1): तथ्य और वर्तमान-स्थिति नीतियां → Vector RAG। एकमात्र श्रेणी जहां एम्बेडिंग संरचनात्मक रूप से पर्याप्त हैं।
एपिसोडिक (Type 2): टाइमस्टैम्प सहित घटनाएं, हादसे, निर्णय → पूर्ण इवेंट स्कीमा के साथ टेम्पोरल स्टोर।
कारण-आधारित (Type 3): निर्णय का तर्क, बाधा-श्रृंखलाएं, विचारित विकल्प → स्पष्ट कारण पूर्ववर्ती/उत्तरवर्ती एज के साथ नॉलेज ग्राफ।
आपको एक संपूर्ण संस्थागत इवेंट स्कीमा भी मिलती है — एक JSON संरचना जो अभिनेताओं, प्रभावित संस्थाओं, तर्क, विचारित विकल्पों, बाधाओं, परिणाम, और कारण-लिंक को कैप्चर करती है — साथ ही लाइव कैप्चर और ADRs, पोस्ट-मॉर्टम, और मीटिंग नोट्स जैसे लीगेसी दस्तावेज़ों से पूर्वव्यापी निष्कर्षण दोनों के लिए एक अंतर्ग्रहण वर्कफ़्लो।
इसे कौन उपयोग करे
वे टीमें जो AI एजेंट बना रही हैं जिन्हें संगठनात्मक तर्क के बारे में प्रश्नों का उत्तर देना है — निर्णय क्यों लिए गए, वर्तमान वास्तुकला कैसे विकसित हुई, कौन सी ऐतिहासिक बाधाएं वर्तमान नीति को संचालित करती हैं — इंजीनियरिंग, अनुपालन, रणनीति, या किसी भी ऐसे क्षेत्र में जहां संस्थागत स्मृति समय के साथ संचित होती है।
mkdir -p ~/.claude/skills/synthesizing-institutional-knowledge && curl -s -X POST 'https://api.promptspace.in/api/skills/synthesizing-institutional-knowledge/install' | python3 -c "import sys,json; sys.stdout.write(json.load(sys.stdin).get('installInstructions') or '')" > ~/.claude/skills/synthesizing-institutional-knowledge/SKILL.mdFree skills install directly. Paid skills require purchase - use the download button above after buying.
Security Scanned
Passed automated security review
No special permissions declared or detected
OpenClaw, Cursor, Claude Code, Codex CLI
PromptSpace
We build AI agent skill packages for content creators. Specializing in Chinese social media automation.