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 estructural sin necesidad de indicaciones manuales.

Resumen 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 entender el uso, las flags, los formatos de salida y los flujos de trabajo.

Instalación

Copia los directorios de las habilidades a la carpeta de habilidades de tu asistente.

Para Kiro:

cp -r skills/codeknit-parse ~/.kiro/skills/codeknit-parse
cp -r skills/codeknit-fingerprint ~/.kiro/skills/codeknit-fingerprint

Para Claude Code:

cp -r skills/codeknit-parse ~/.claude/skills/codeknit-parse
cp -r skills/codeknit-fingerprint ~/.claude/skills/codeknit-fingerprint

Después de la instalación, el asistente sabrá automáticamente cómo invocar comandos de codeknit, seleccionar 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 flags apropiadas para diferentes escenarios
• Elegir el modo de salida correcto:
  • directory-flat (predeterminado) para la mayoría de 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 secciones [symbols], [edges] y opcionalmente [dict]
• Usar 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 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 embeddings de Ollama para reducir falsos positivos cuando sea necesario

Ejemplos de flujo 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, dead code
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 señalados y propone consolidación

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

Consejos

• Siempre lee 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