Uso con asistentes de IA

codeknit incluye habilidades listas para usar que enseñan a los asistentes de codificación con IA cómo utilizarlo de manera efectiva. Estas habilidades permiten a los asistentes extraer la estructura de código, detectar duplicados y realizar análisis estructurales sin necesidad de indicaciones manuales.

Descripción general de habilidades

codeknit proporciona dos habilidades:

• codeknit-parse: Enseña a los asistentes a extraer la estructura de código (funciones, clases, métodos, variables) y relaciones (llamadas, herencia, contención) en archivos .skt.
• codeknit-fingerprint: Enseña a los asistentes a detectar código duplicado y casi duplicado utilizando fuzzy hashing.

Cada habilidad incluye documentación que el asistente lee bajo demanda para comprender el uso, las flags, los formatos de salida y los flujos de trabajo.

Instalación

Utiliza el ayudante de instalación para copiar los directorios de habilidades a la carpeta de habilidades de tu asistente. El instalador descarga solo los archivos de habilidades incluidos, por lo que no necesitas clonar el repositorio.

Instala para Codex, Kiro y Claude Code:

curl -fsSL https://raw.githubusercontent.com/awslabs/codeknit/main/scripts/install-skills.sh | bash

Instala para un asistente específico:

curl -fsSL https://raw.githubusercontent.com/awslabs/codeknit/main/scripts/install-skills.sh | bash -s -- --assistant codex
curl -fsSL https://raw.githubusercontent.com/awslabs/codeknit/main/scripts/install-skills.sh | bash -s -- --assistant kiro
curl -fsSL https://raw.githubusercontent.com/awslabs/codeknit/main/scripts/install-skills.sh | bash -s -- --assistant claude

Desde una copia local, puedes usar los ayudantes de Makefile:

make skills-install-dry-run
make skills-install

El instalador omite los directorios de habilidades existentes de forma predeterminada. Para reemplazarlos, añade --force:

curl -fsSL https://raw.githubusercontent.com/awslabs/codeknit/main/scripts/install-skills.sh | bash -s -- --assistant all --force

Después de la instalación, el asistente sabrá automáticamente cómo invocar los comandos de codeknit, seleccionar las flags apropiadas e interpretar la salida .skt.

Qué enseña cada habilidad

codeknit-parse

La habilidad codeknit-parse enseña a los asistentes a:

• Ejecutar codeknit parse con las flags apropiadas para diferentes escenarios
• Elegir el modo de salida correcto:
  • directory-flat (predeterminado) para la mayoría de los proyectos
  • inline para archivos individuales o entradas pequeñas
  • directory-tree para reflejar la estructura del código fuente
• Leer e interpretar archivos de salida .skt, incluyendo las secciones [symbols], [edges] y opcionalmente [dict]
• Utilizar datos estructurales para refactorización, mapeo de dependencias y revisión de código
• Ejecutar codeknit graph analyze para obtener información más profunda sobre la calidad del código (dependencias cíclicas, símbolos hub, god classes, etc.)

codeknit-fingerprint

La habilidad codeknit-fingerprint enseña a los asistentes a:

• Usar codeknit fingerprint para la detección de duplicados, auditorías DRY e identificación de refactorizaciones
• Seleccionar rangos de similitud apropiados (--min-similarity, --max-similarity)
• Leer la sección [duplicates] para identificar código casi duplicado
• Entender que los fingerprints miden la forma estructural, no la intención semántica
• Usar --rerank con incrustaciones de Ollama para reducir falsos positivos cuando sea necesario

Ejemplos de flujos de trabajo

Análisis estructural

1. Pide al asistente que analice la estructura de tu base de código
2. Ejecuta codeknit parse ./src y lee los archivos .skt resultantes
3. Responde preguntas estructurales: dependencias, cadenas de llamadas, código muerto
4. Para obtener información más profunda, ejecuta codeknit graph analyze ./src e interpreta el informe

[symbols]
## src/service.go
S1 type/struct L5-L8 AuthService {}
S2 callable/method L10-L15 Authenticate(token: string) {receiver=*AuthService}

[edges]
S1 --contains--> S2

Detección de duplicados

1. Pide al asistente que encuentre código duplicado
2. Ejecuta codeknit fingerprint ./src
3. Lee la sección [duplicates] en la salida
4. Investiga los pares marcados y propone consolidaciones

[duplicates]
S1, S2: 87% similitud
S3, S4: 76% similitud

Consejos

• Siempre lee los archivos .skt, no el código fuente sin procesar, para preguntas estructurales — contienen la estructura extraída en un formato compacto y confiable
• Usa codeknit graph analyze para descubrir problemas de calidad de código como dependencias cíclicas, símbolos hub y cadenas de herencia profundas
• Ejecuta codeknit fingerprint antes de grandes refactorizaciones para identificar código copiado y pegado que debería consolidarse
• El formato .skt está diseñado para ser eficiente en tokens, lo que lo hace ideal para ventanas de contexto de LLM
• Usa --minify para reducir aún más el uso de tokens al procesar bases de código grandes