agentsclimarketplace

Vc aicx

Skill vetcoders/vibecrafted/vibecrafted-core/vibecrafted_core/skills/pl/vc-aicx

Vibecrafted. - The Founders' Framework | A marbles gameboard inspired convergence based coding system for shipping software with Al agents.

Install
npx -y skills add vetcoders/vibecrafted --skill vc-aicx

Assembled from the repository path, not quoted from the project. Check it against their README if it does not work.

2 things to look at

  • no licenseNo license file was found in the repository. Code published without one is not open source by default, so using it at work is a question for whoever answers licensing questions where you are.
  • 1 stars1 stars. Stars are a popularity signal and not a quality one, but at this level it is likely that nobody has read this closely except its author, and you would be relying on your own review.

What its author says it does

Copied from the file, not written here

An Intention Retrieval Engine for Agents' sessions. aicx (formerly ai-contexters) is a sophisticated parser tool that recovers and keeps the central history of agents' sessions in both human- and agent-readable format. Additionally it provides ad-hoc mode to recover agent output that is too large to read or is unreadable. Works on any Claude Code, OpenAI Codex, Gemini JSON, JSONL-format file regardless of extension (.jsonl, .txt, .output). Generates output path automatically — no -o flag needed.

SKILL.md

6.5 KB, ~2.0k tokens by cl100k_base, as published. Nobody here has run it

Kiedy używać

Pozyskaj historyczny kontekst z poprzednich sesji AI dla tego projektu. Szukamy dlaczego, nie ślepego zrzutu jak.

Checkpoint orientacji

W pracy specyficznej dla repo uruchom lub skonsumuj procedurę vc-init, zanim zamienisz pamięć AICX w rekomendację. Loctree:loctree to domyślny skill percepcji strukturalnej dla tego przebiegu; użyj go, aby wygenerować lub odświeżyć Mapę Aplikacji Wyprowadzoną z Kodu (Code-Derived Application Map), zanim zaufasz starszym intencjom.

Jeśli brakuje świeżych dowodów z vc-init, najpierw wykonaj przebieg init i traktuj rekomendacje specyficzne dla repo jako zablokowane, dopóki nie ma aktualnej prawdy repo.

AICX wyjaśnia, dlaczego wcześniejsi agenci tak postąpili. Loctree i bieżące bramki repo decydują, czy ta intencja jest nadal prawdziwa.

Doktryna pracy z repozytorium

W pracy z repozytorium zacznij od Loctree jako mapy: użyj loct context, loct occurrences, loct body i loct find --literal przed szerokim ręcznym przeszukiwaniem. Używaj AICX do kontekstu intencji i sesji. Używaj rg/grep jako fallbacku lub lokalnej lupy, nie jako zamiennika mapowania strukturalnego. Jeśli Loctree zawiedzie lub przeoczy jakąś powierzchnię, dopisz feedback do ~/.vibecrafted/loctree/loctree-fail.md.

Zestaw narzędzi:

  1. aicx (cli) oraz aicx-mcp (stdio i streamable-http): a) referencja mcp: - mcp_aicx_aicx_rank Ranguje przechowywane chunki sesji AI wg jakości treści. Pokazuje gęstość sygnału, współczynnik szumu i etykiety jakości (HIGH/MEDIUM/LOW/NOISE) per chunk. Użyj --strict, aby odfiltrować szum. - mcp_aicx_aicx_search Fuzzy search po przechowywanych chunkach sesji AI. Zwraca wyniki z oceną jakości i dopasowanymi liniami. Wspiera normalizację polskich znaków diakrytycznych oraz opcjonalne filtrowanie po projekcie. - mcp_aicx_aicx_steer Pozyskuje przechowywane chunki po metadanych sterujących (pola frontmattera). Filtruje po run_id, prompt_id, agent, kind, project i/lub zakresie dat, używając metadanych sidecar — bez potrzeby grepowania systemu plików. Zwraca ścieżki chunków wraz z ich metadanymi sidecar do selektywnego ponownego wejścia. b) referencja cli: - pełną dokumentację można pozyskać, wywołując aicx --help. c) starsze metody - aicx_refs(hours=<retrieval_hours>, project="<project>", strict=true) — wylistuj przechowywane pliki kontekstu - aicx_rank(project=<project>, hours=168, strict=true, top=5) — priorytetyzuj najgęstsze chunki

    To starsze punkty wejścia. Preferuj aicx_search; daje tę samą funkcjonalność i więcej.

  2. aicx intents (cli): Wyciąga z historii sesji intencje projektu, wyniki, taski i decyzje architektoniczne do ustrukturyzowanych formatów.

    • Przykładowa ekstrakcja: aicx intents -p <ProjectName> --emit json | tee intents.json
    • Podsumowanie przez jq: jq 'map(.kind) | group_by(.) | map({kind: .[0], count: length})' intents.json
    • Lista ostatnich intencji: jq -r '.[] | select(.kind == "intent") | "[\\(.date)] \(.agent): \(.summary[0:150])..." ' intents.json | sort -r | head -n 15

Co zrozumieć:

  • Jaka była pierwotna intencja stojąca za architekturą?
  • Jaką prowizorkę nałożono późną nocą, żeby „po prostu zadziałało"?

Dyscyplina:

AICX to silnik pozyskiwania intencji, nie ślepe działo RAG. Pozyskaj kontekst decyzji, a potem zweryfikuj ich aktualną prawdziwość w Zmyśle 2.

Struktura wyjścia:

[1-100/100 <score_range>] <org>/<repo> | <agent> | <date>
session(s): <session_id>
cwd: <cwd>
search result:
  > <result>
  > - <file_path>
  > [HH:MM:SS] assistant: <result>
  > [HH:MM:SS] user: <result>
source file(s):
$HOME/.aicx/store/<org>/<repo>/<date>/<type>/<agent>/<session_id>.md

Narzędzie extract — użyj, gdy nie możesz odczytać wyniku agenta bezpośrednio:

  • Wyjście zbyt duże dla narzędzia Read (>10k tokenów)
  • Plik z wynikami narzędzi to surowy JSONL, nieczytelny dla człowieka
  • Subagent się wykrzaczył, ale zostawił częściowy log
  • Potrzebny kontekst poprzedniej sesji przed rozpoczęciem pracy
  1. Komenda
aicx extract --format {claude,codex,gemini,ollama} <INPUT_FILE> -o /tmp/aicx-extract-<basename>.md

--format claude parsuje JSONL z Claude Code, jak również strukturę json Gemini. Rozszerzenie pliku nie ma znaczenia — .jsonl, .txt, .output działają tak samo.

Ścieżka wyjściowa: Wyprowadź z nazwy pliku wejściowego. Użyj basename pliku wejściowego (bez rozszerzenia) jako nazwy wyjścia: /tmp/aicx-extract-<basename>.md. Nigdy nie pytaj użytkownika o ścieżkę wyjściową.

Gdzie znaleźć pliki wejściowe

$HOME/.claude/projects/<project>/<session-id>/tool-results/<hash>.txt     # Agent result (most common)
$HOME/.claude/projects/<project>/<session-id>/subagents/agent-<id>.jsonl  # Subagent session
/private/tmp/claude-501/.../tasks/<task-id>.output                    # Background task
$HOME/.claude/projects/<project>/<uuid>.jsonl                             # Full session

Przydatne flagi

FlagaEfekt
--conversationTylko user/assistant, bez szumu narzędzi
--max-message-chars 8000Przycina długie wiadomości
--user-onlyTylko wiadomości użytkownika

Przykładowy flow odzyskiwania

# 1. Extract (output path derived automatically from input basename)
aicx extract --format claude \
  $HOME/.claude/projects/-Users-foo-myrepo/abc123/tool-results/xy9z.txt \
  -o /tmp/aicx-extract-xy9z.md

# 2. Read the result
Read /tmp/aicx-extract-xy9z.md

𝚅𝚒𝚋𝚎𝚌𝚛𝚊𝚏𝚝𝚎𝚍. with AI Agents by Vetcoders (c)2024-2026 LibraxisAI

Keep looking

Skills are one crate of 328,083. Ordering is by how many stacks a row turns up in, so the top of any crate is what has actually been picked rather than what has the most stars.