GxG Knowledge Base
A living knowledge system where GxG operators and AI agents share context, evidence, and decisions.
27 entries in the catalog
OpenKnowledge — полностью open-source AI-native markdown IDE для людей и агентов. WYSIWYG-редактор (Notion-like) с нативным MCP, agentic search, Git-backed синхронизацией. Агенты (Claude, Cursor, Codex) могут напрямую читать и писать в базу знаний.
Детальное руководство по созданию realtime voice AI-агентов с помощью связки Mastra + LiveKit. Архитектура, аудио-пайплайн (WebRTC, VAD, STT, LLM, TTS), бизнес-логика через Mastra, деплой, фронтенд, метрики качества и рекомендуемый стек моделей.
Architecture concept: a central git repository with skill + data consumed by Hermes, Claude Code, CI/CD, OpenClaw, Cursor, and team members — single source of truth for all agents, tools, and people.
Free repo that drops an entire AI agency onto your machine: 232 specialist agents (backend architect, growth hacker, etc.) each with expert personas your coding agent can call on. 128K+ stars.
Обзорная карта (MOC) всех skill-паков, каталогов промптов и playbook-репозиториев в KB. 36+ записей: официальные (Anthropic, NVIDIA, CrewAI), community (awesome-lists, n8n, Zapier), Marketing, Sales, RevOps. Фильтр: type=blueprint.
Прикладные приёмы из Dark Factory (Vince) для определения когда AI-агент врёт или галлюцинирует — методы верификации и sanity checks.
6 компонентов implementation layer, которые нельзя пропустить: data connectors, workflow engine, memory, security, observability, deployment — без любого из них агент не работает в enterprise.
Архитектура: Claude = «мозг» (решения и задачи) + Hermes = «руки» (исполнение в мире) — модель разделения ответственности между reasoning и action.
Архитектура Agentic OS: слой моделей (авто-детект) + память (Obsidian/Context7) + skills + голос + ROI-трекер — единая панель для всех AI-инструментов.
Классификация действий агента по риску: read-only (мягкий judge), reversible writes, external actions, high-risk (judge+human). 4 класса = 4 уровня проверки.
LLM-as-Judge: actor выполняет действие, judge проверяет каждый шаг. Паттерн безопасности для агентов с высоким риском ошибки.
Routing matrix от Nate B. Jones: каждый класс задач требует своего агента — не один продукт для всего, а правильный агент для каждой задачи.