| name | ai-core-runtime |
| description | Modular AI orchestration runtime for structured reasoning, semantic routing, multi-agent coordination, validation-first execution, and token-efficient cognitive workflows.
USE THIS SKILL whenever the user requests: AI system architecture, orchestration runtimes, modular agent systems, workflow governance, runtime design, automation architecture, reasoning pipelines, AI operating system design, microkernel orchestration, multi-agent frameworks, or bounded reasoning systems.
Also trigger for: "побудуй оркестрацію", "спроєктуй AI систему", "agent pipeline", "modular AI", "runtime architecture", "orchestration layer". DO NOT use for: single simple Q&A, one-off code snippets, or tasks needing no orchestration (use the specific skill directly); маршрутизація наміру в один скіл (semantic-router); мета-оркестрація важких процесів (rlm-harness); механіка топологій виконання (workflow-orchestration).
|
| license | MIT |
| metadata | {"author":"Prompt Ingeniero Ecosystem","version":"3.13.0","category":"orchestration","last_updated":"2026-07-26T00:00:00.000Z"} |
AI Core Runtime — v3.13.0
Працює українською за замовчуванням (українською-перша): тригери, відповіді й приклади — українською; перемикання лише слідом за користувачем.
🛡️ Протокол Збереження Перед Оновленням (ОБОВ'ЯЗКОВО)
Обов'язковий перед БУДЬ-ЯКОЮ зміною цього скіла. Канонічне джерело (не дублювати тут): melania — секції «🛡️ Протокол Збереження Перед Оновленням» + «Update Workflow» + «Core Rule 10 — Re-Read Before Update».
Стисло: re-read диску → порівняти версії (диск новіший → диск база) → integrity-diff → validation-mesh → safety-compliance-gate (перед пакуванням/публікацією) → backup/snapshot → merge-not-replace → bump+CHANGELOG → показати diff і чекати явного схвалення MA (Закон II).
Critical Facts
- [C] Стан не переживає межу сесії сам собою. Контекстне вікно — не сховище: без зовнішнього носія (диск, continuation-пакет) напрацювання зникають разом із сесією.
- [C] Підвантаження інструментів пошуком дає до −85% контексту на великих tool-бібліотеках — проти вантаження всіх визначень одразу.
- [C] Немічений запис у файловій пам'яті поширює отруєння без сліду. Без provenance (хто/яка сесія/який інструмент записав) джерело хибного факту згодом не встановлюється, а без перевірки шляху на межі sandbox можливий path-traversal.
Mission
Provide a lightweight microkernel runtime for Claude-based systems:
- Semantic routing — map intent to correct modules
- Modular skill activation — load only what's needed
- Bounded reasoning — prevent infinite loops and runaway context
- Governed orchestration — validate before acting
- Token-efficient execution — patch-first, never rewrite
Architecture Principles
| Principle | Rule |
|---|
| Microkernel | Core stays minimal; features are modules |
| Progressive Disclosure | Load metadata → body → references on demand |
| Patch-First | Always prefer diffs over full regeneration |
| Selective Activation | Never activate all agents globally |
| Bounded Recursion | Set max depth on any recursive workflow |
| Externalized Memory | State lives outside Claude's context window |
| Validation-Before-Output | Never emit unvalidated architecture |
Runtime Pipeline
User Intent
↓
[1] Intent Analysis → classify: create / debug / optimize / route
↓
[2] Context Modeling → load only relevant prior state
↓
[3] Semantic Routing → select skill(s) + agent(s) to activate
↓
[4] Skill Activation → progressive disclosure loading
↓
[5] Agent Orchestration → coordinate required agents
↓
[6] Validation → dependency + contradiction + continuity checks
↓
[7] Optimization → compress, patch, minimize tokens
↓
[8] Output Generation → structured result + next steps
Agent Activation Policy
Activate only what is required. Match task type to minimal agent set:
Клас моделі на агента/процес признач за model-fit політикою rlm-harness (references/model-fit-policy.md): диригент = найсильніша, прості/паралельні кроки = найдешевші придатні.
| Task Type | Agents to Activate |
|---|
| Architecture design | architect + validator |
| Code generation | builder + validator |
| Debugging | debugger + validator + optimizer |
| Research / analysis | researcher + analyst |
| Complex orchestration | planner + architect + validator + optimizer |
| Quick Q&A | (no agents, respond directly) |
Never activate all agents simultaneously.
Динамічна оркестрація + економія: скіли/агенти для співпраці добирай динамічно за
наміром задачі, а не з фіксованого переліку — будь-який скіл може взаємодіяти з будь-яким,
включно з тими, що зʼявляться пізніше (виявлення через semantic-router на льоту). Активуй
мінімальний достатній набір: лише потрібні, у потрібній кількості — щоб не марнувати токени,
але й не жертвувати якістю (бракує охоплення → додай скіл; зайве → прибери).
Kernel fallback-start: канонічна точка входу при неоднозначному вході — semantic-router (тріаж наміру щозапиту). ai-core-runtime стартує першим ЛИШЕ коли роутер недоступний/не завантажений: якщо роутер можна завантажити — завантаж і передай тріаж йому; якщо роутер СПРАВДІ недоступний — виконай ЛОКАЛЬНИЙ тріаж сам (класифікуй намір і активуй мінімальний достатній ланцюг без залежності від роутера). Тривіальний вхід → 0 агентів/скілів (зазначити).
Available agents: researcher, analyst, architect, builder, debugger, validator, optimizer
Token Optimization Rules
- Patch-only updates — output diffs, not full files
- Compressed summaries — use continuation-memory skill for long sessions
- Selective context loading — load references only when they add value
- No boilerplate regeneration — never re-output unchanged sections
- Bounded execution — set explicit stop conditions on iterative tasks
- Modular loading — each module is loaded on demand, not preloaded
Read references/token-efficiency.md for detailed patterns.
Validation Requirements
Before any output, verify:
If validation fails → report clearly with UNKNOWN rather than guessing.
Standard Output Format
Structure every architecture response as:
1. ANALYSIS — what the user is actually asking for
2. ARCHITECTURE — the proposed design (diagrams, modules, flows)
3. VALIDATION — what was checked, what passed, what is uncertain
4. OPTIMIZATION — token/performance improvements identified
5. RESULT — concrete deliverable (code, config, schema, plan)
6. NEXT STEPS — what to do next to continue
Critical Rules
- Never regenerate entire repositories unless explicitly requested
- Never create infinite recursive loops
- Never claim persistent internal memory (use continuation-memory skill)
- Always use progressive disclosure
- Always separate references from SKILL.md body
- Always preserve naming conventions from prior sessions
Поведінкові правила (Karpathy)
Дефолти для будь-якого виконання в рантаймі:
- Think Before Coding — не припускай; винеси компроміси й невизначеності наперед.
- Simplicity First — мінімальне рішення; без спекулятивного коду/агентів.
- Surgical Changes — кожна змінена одиниця трасується до запиту; не розширювати обсяг.
- Goal-Driven — критерії успіху → цикл до підтвердження (evidence over claims).
Режим стислості (економія)
Стискай лише видимий вивід, не reasoning-кроки:
- Прибирай преамбули/повтори; став суть першою; деталі — на вимогу.
- Стислість не знижує якість: якщо стиснення втрачає сенс — розгортай.
- Safety-виняток (обов'язково): для security-попереджень, незворотних дій, юридичних/медичних і будь-яких ризикованих тем — повна проза, без стиснення.
- Узгоджено з token-economy: мінімальний достатній обсяг, не на шкоду повноті.
Tiered-depth + scope-перемикачі (мінімальний достатній ОБСЯГ ДАНИХ)
Економ не лише вивід — а й глибину даних, які тягнеш/обробляєш:
- Депт-леддер: бери найдешевший рівень, що відповідає на задачу (status → огляд → повний аналіз → глибокий дебаг). Не стрибай на найглибший, якщо вистачає поверхневого.
- Scope-перемикачі (
include*): вантаж лише потрібні поля/секції на вимогу, не весь обсяг (патерн конекторів типу vercel-mcp-connector).
- Lazy-контекст: рішення про потрібну глибину прийми ДО завантаження (крок [2] Context Modeling), не після.
- Мультимовний шар (внутрішньо): проміжні reasoning-шари можна вести найкомпактнішою для них мовою (щільніший токен на символ) → більше контексту за ту саму ціну. Фінальна відповідь — завжди українською; багатомовність лише внутрішня.
Принцип: «мінімальний достатній ОБСЯГ ДАНИХ» доповнює «мінімальний достатній НАБІР скілів» і «стискай лише вивід».
Related Skills
- continuation-memory — use when session is long or needs resuming
- semantic-router — use when routing intent across multiple skills
- validation-mesh — use for deep validation workflows
- n8n-orchestrator — use when building n8n automation pipelines
- rlm-harness — мета-оркестратор НАД рантаймом: RLM-політика моделей по ролях + динамічний контрол-луп + рецепти; цей скіл — kernel/активація під ним.
- gmi-audit — GMI-лінза для оцінки когнітивної архітектури: інваріанти G1–G7 (модель світу · ціль · висновок · пам'ять · навчання · метакогніція · детермінація/read-out) + вісь спостерігача. Застосуй, коли проєктуєш/аудиш повноту рантайму чи агентної системи.
📎 Advanced Patterns (v4)
Read references/resilience-patterns.md WHEN you need: circuit breakers, retry+idempotency, state machines, structured logging, graceful degradation.
Load only on demand — not proactively.
Зміни
-
v3.13.0 (2026-07-26) — Секція Critical Facts: фактичні твердження скіла винесено окремо й протеговано [C] за Core Rule 14 (claim-evidence). Лише додавання.
-
v3.12.0 (2026-07-19) — Self-Dev Wave 2 (аудит 2026-07-18): взаємні DO NOT-межі в описі — semantic-router (intent→скіл), rlm-harness (мета-оркестрація), workflow-orchestration (механіка топологій) [#8]; +last_updated у metadata (був відсутній) [#21/#45]. Лише опис/метадані.
-
v3.11.0 (2026-07-19) — Хвиля 1 Self-Dev (аудит 2026-07-18): (A) «Kernel default-start» → fallback-start — канонічна точка входу при неоднозначному вході тепер semantic-router; ACR стартує першим лише коли роутер недоступний (розрив циклу «хто перший», знахідка №2). (B) Де-хардкод мертвого посилання: product-self-knowledge → офіційні docs (docs.claude.com) у прикладі extended thinking (№1; історичний запис v3.7.1 у changelog не переписувався — append-only). (C) Fallback без глухого кута: якщо роутер справді недоступний — ЛОКАЛЬНИЙ тріаж без залежності від нього (рев'ю Codex PR #24). Лише уточнення.
-
v3.10.1 (2026-07-13) — Крос-лінк gmi-audit у Related Skills: GMI-лінза (інваріанти G1–G7 когнітивної системи + вісь спостерігача/read-out) для аудиту повноти рантайму/агентної архітектури. Лише додавання (DRY-покажчик, без дублювання). (Джерело: experiments/gmi harvest.)
-
v3.10.0 (2026-07-11) — Kernel-патерни (frontier-research harvest): (A) Deferred tools / Tool Search — активація інструментів пошуком замість повного списку (розширення депт-леддера на НАБІР ІНСТРУМЕНТІВ; до −85% контексту). (B) Memory-handler kernel-безпека: обов'язковий path-traversal захист sandbox-пам'яті + provenance-мітка кожного запису (анти-poisoning). API-механіка обох — покажчик на llm-api-builder (DRY). Агностично, без пін-у моделей. Лише додавання. (Джерело: дослідницький звіт 2026-07-11.)
-
v3.9.2 (2026-06-26) — evals/ реконструйовано. Форензик-аудит: claim існував з v3.2.0, але артефакт відсутній у всіх джерелах (git/транскрипти/FS) → відтворено, claim НЕ видалено. evals/ виключається з .skill (тест-артефакт). Лише додавання.
-
v3.9.1 (2026-06-15) — DRY: «Протокол Збереження» → тонкий міст на канон у melania (де-дублювання + усунення 8-варіантного дрейфу). Поведінка незмінна — гейт той самий, джерело єдине.
-
v3.2.0 (2026-06-02) — додано директиву «українською-перша» + власні (5 кейсів).
Extended Thinking Integration
Для задач що потребують глибокого аналізу (архітектурні рішення, складний дебаг,
multi-step reasoning) — активуй extended thinking через API:
response = client.messages.create(
model=MODEL,
max_tokens=16000,
thinking={"type": "enabled", "budget_tokens": 10000},
messages=[{"role":"user","content": complex_task}]
)
for block in response.content:
if block.type == "thinking": audit_log(block.thinking)
if block.type == "text": present(block.text)
Коли вмикати: архітектурні trade-off, діагностика складних помилок, побудова
довгих reasoning chains. Коли НЕ вмикати: прості CRUD, форматування, look-up.
Tool Use Orchestration
tools = [search_tool, code_exec_tool, validation_tool]
response = client.messages.create(model=MODEL, tools=tools, messages=msgs)
tool_calls = [b for b in response.content if b.type=="tool_use"]
results = await asyncio.gather(*[execute(tc) for tc in tool_calls])
Ланцюг інструментів: вихід одного → вхід наступного. Перевіряй результат
кожного кроку через validation-mesh перед передачею далі.
Deferred tools / Tool Search (kernel-патерн активації): для великих tool-бібліотек НЕ вантаж
усі визначення в контекст — підвантажуй пошуком за потребою (та сама логіка, що депт-леддер даних:
мінімальний достатній НАБІР ІНСТРУМЕНТІВ; емпірика: до −85% контексту на великих бібліотеках).
API-механіка (tool search / use examples) — у llm-api-builder.
Memory-handler (kernel-безпека): якщо рантайм експонує моделі файлову пам'ять — handler
ЗОБОВ'ЯЗАНИЙ: (1) валідувати кожен шлях у межах sandbox-директорії (path-traversal захист:
resolve → перевірка префікса), (2) мітити кожен запис provenance (хто/яка сесія/який інструмент
записав) — інакше poisoned memory поширюється без сліду. API-механіка — у llm-api-builder.
MCP Server Coordination
Коли задача потребує зовнішніх сервісів через MCP:
response = client.messages.create(
model=MODEL, messages=msgs,
mcp_servers=[
{"type":"url","url":"https://mcp.asana.com/sse","name":"asana"},
{"type":"url","url":"https://drivemcp.googleapis.com/mcp/v1","name":"gdrive"}
]
)
Правила: активуй лише потрібні MCP-сервери (не всі одразу);
перевіряй type: mcp_tool_result блоки окремо від type: text.
-
v3.4.0 (2026-06-02) — extended thinking, parallel tool use, MCP coordination patterns.
-
v3.5.0 (2026-06-02) — Pre-Update Preservation Protocol; resilience-patterns reference (circuit breaker, retry, state machines, observability).
-
v3.6.0 (2026-06-10) — Фаза 2: I-5: поведінкові правила Karpathy у рантаймі.
-
v3.7.0 (2026-06-10) — Фаза 3: I-7: режим стислості (стискати лише видимий вивід; safety-виняток — повна проза).
-
v3.7.1 (2026-06-10) — анти-застарілість: де-хардкод моделі у прикладі extended thinking (звіряти через product-self-knowledge).
-
v3.8.0 (2026-06-12) — tiered-depth + scope-перемикачі (мінімальний достатній ОБСЯГ ДАНИХ): депт-леддер, include*-завантаження, lazy-контекст; внутрішній мультимовний шар (фінал — українською). (Harvest Vercel MCP → Proposal #4.)
-
v3.9.0 (2026-06-14) — P-01: крос-лінк rlm-harness + покажчик model-fit політики у Agent Activation (клас моделі на агента). (SKILL-AUDIT-LEDGER, harvest RLM Harness.)
