Skill Contradiction Analyzer v2.0.0

Meta-Skill ufficiale per il rilevamento di contraddizioni tra skill AI.

---

Comandi

Comando	Descrizione
/analizza <skillA> <skillB>	Analisi completa con report dettagliato
/confronta <skillA> <skillB>	Analisi rapida: solo verdetto (per CI/CD)

---

/analizza vs /confronta

La differenza è solo nell'output, non nell'analisi. Entrambi fanno lo stesso identico lavoro dietro le quinte. Cambia cosa ti restituiscono:

	/analizza	/confronta
Dettaglio	Report completo	Solo verdetto
Include	Statement originali, spiegazione, severity, suggerimento, fix difficulty	Quante contraddizioni, quante bloccanti, score, compatibile sì/no
Per chi	Sviluppatore che deve capire e correggere	Pipeline CI/CD che deve solo sapere se passare o bloccare
Output	3 livelli di dettaglio	1 riga di verdetto

---

Flusso Completo — Dalla A alla Z

Cosa succede quando scrivi /analizza skillA skillB:

---

INPUT

/analizza skillA skillB
(file · URL · testo diretto)

---

Fase 1 — Carica & Preprocessa

Prende la sorgente grezza e la trasforma in struttura dati.

• loader → carica da file / URL / testo inline
• language_detector → IT o EN?
• format_detector → Markdown? YAML? JSON?
• cleaner → rimuove spazi e caratteri spuri
• parser → estrae sezioni e headers
• segmenter → divide in frasi atomiche
• metadata_extractor → nome, versione, autore
• validator → controlli sicurezza

Output: RawSkillA, RawSkillB

---

Fase 2 — Estrai Entità

Per ogni frase atomica, esegue 9 estrattori in parallelo:

• rule_extractor → MUST? SHOULD? NEVER?
• passive_extractor → "deve essere X" → MUST X
• constraint_extractor → max 100, min 200...
• directive_extractor → verbi: crea, invia, valida...
• conditional_extractor → se X allora Y...
• temporal_extractor → prima A poi B...
• dependency_extractor → Python 3.12+, API v2...
• priority_extractor → "questa skill ha supremazia"...
• assumption_extractor → "dato che il sistema è stateless"...

Output: EntityRegistryA, EntityRegistryB (~30–50 entità per skill)

---

Fase 3 — Normalizza

Porta ogni entità in forma canonica unificata:

[SOGGETTO] MODALITA' [PREDICATO] [OGGETTO] [CONDIZIONI]

• canonical_form → traduce nella forma sopra
• synonym_resolver → "generare" → "creare"
• negation_normalizer → "evita di X" → NOT X
• quantifier_normalizer → "sempre" → ∀
• modality_normalizer → "devi" → MUST
• numerical_normalizer → "5 min" → 300s
• unit_converter → "1 ora e mezza" → 5400s

Output: NormalizedEntitySetA, NormalizedEntitySetB

---

Fase 4 — Rileva Contraddizioni (il cuore del sistema)

Accumulation mode: per ogni coppia candidata, esegue tutti i rilevatori senza fermarsi al primo match.

Step 1 — Genera coppie candidate (con pruning: solo stesso dominio + predicati correlati)

Step 2 — Per ogni coppia, prova tutti i 15 rilevatori:

#	Rilevatore	Cosa cerca
1	direct_opposition	MUST X vs MUST_NOT X
2	mutual_exclusion	JSON vs solo XML
3	numerical_conflict	max < min, range disgiunti
4	temporal_conflict	ordine invertito: A poi B vs B poi A
5	conditional_conflict	stessa condizione, azione opposta
6	priority_conflict	entrambe rivendicano supremazia
7	semantic_opposition	"conciso" vs "dettagliato"
8	scope_conflict	regola globale vs eccezione locale
9	resource_conflict	lock esclusivo sulla stessa risorsa
10	assumption_clash	stateless vs stateful
11	side_effect_conflict	effetto di A distrugge ciò che serve a B
12	compatibility_conflict	versioni o dipendenze incompatibili
13	meta_contradiction	"ignora tutte le altre skill"
14	inference_chain	conflitto che emerge solo tramite logica
15	default_contradiction	default opposti

Una coppia può generare più contraddizioni — vengono accumulate tutte.

Step 3 — Deduplica i risultati (stessa coppia + stessa categoria = duplicato)

Output: Contradiction[] (lista completa, ordinata per confidence)

---

Fase 5 — Assegna Scoring

Per ogni contraddizione trovata:

• severity_calculator → da 1 a 10 (peso categoria + confidenza + impatto)
• confidence_calculator → da 0.0 a 1.0
• impact_estimator → BLOCKING / CRITICAL / WARNING / INFO / NEGLIGIBLE
• cumulative_impact → 2 WARNING nello stesso dominio ≈ 1 CRITICAL?
• blocker_classifier → si può procedere con l'integrazione?
• priority_ranker → ordina dal più grave al meno grave
• score_aggregator → compatibilità globale 0–100

Output: ScoredContradiction[] con severity, confidence, impatto, fix difficulty

---

Fase 6 — Genera Report

Report a 3 livelli (Progressive Disclosure):

Livello 1 — Executive Summary

Skill A vs Skill B
 2 BLOCKING    1 CRITICAL    2 WARNING
Score Compatibilita': 35/100 — ALTO CONFLITTO
Queste skill NON possono coesistere senza modifiche.

Livello 2 — Tabella Contraddizioni

#1  OPPOSIZIONE DIRETTA    Severity 9/10   BLOCKING
#2  CONFLITTO NUMERICO     Severity 8/10   BLOCKING
#3  OPPOSIZIONE SEMANTICA  Severity 5/10   WARNING

Livello 3 — Dettaglio Completo (per ogni contraddizione)

Statement A:   "Devi validare l'input"
Statement B:   "Non validare mai l'input"
Spiegazione:   Perche' sono in conflitto
Suggerimento:  Come risolvere
Fix Difficulty: MEDIA

Output finale: AnalysisResult

---

OUTPUT

Comando	Risultato
/analizza	Report completo a 3 livelli
/confronta	Solo verdetto + score

Formati disponibili: Markdown · JSON · HTML

---

Uso Rapido

/analizza skill-sicurezza.md skill-performance.md
/confronta policy-aziendale.md nuova-skill.md
/analizza "Devi sempre validare l'input" "Non validare mai l'input"

---

Cosa Fa

• Confronta due skill AI e trova ogni contraddizione tra loro
• 15 categorie di contraddizioni: dall'opposizione diretta fino a conflitti semantici e meta-contraddizioni
• Accumulation mode: non si ferma al primo conflitto — trova tutto
• Report a 3 livelli: sommario → tabella → dettaglio con spiegazione e suggerimento
• Funziona in italiano e inglese con rilevamento automatico della lingua
• Sanitizzazione contro prompt injection e contenuti malevoli

---

Struttura

skill-contradiction-analyzer/
├── SKILL.md
├── core/               engine, types, config, errors, cache, metrics
├── layer1_input/       loader, parser, segmenter, validator
├── layer2_extraction/  9 estrattori specializzati
├── layer3_norm/        canonical_form, synonym_resolver
├── layer4_detection/   15 rilevatori in accumulation mode
├── layer5_scoring/     severity, confidence, impact classification
├── layer6_output/      report generator a 3 livelli
├── knowledge/          thesaurus, matrici, pattern (9 JSON)
├── security/           sanitizer, content policy
└── tests/              69 test · 22 fixture · 0 falliti

---

Installazione

pip install -e .

---

Vedi SKILL.md per la documentazione completa.