Skills Agentes

Migrate

Migración universal desde Obsidian, Notion, Logseq, markdown, CSV, JSON o Roam hacia gbrain.

Solicitaput_pagesearchadd_linkadd_tagsync_brain
Estrellas
28.9k

en todo el repo

Actividad
39

0–100, la ruta de este skill

Actualizado
hace 4 meses

último commit aquí

Commits
0

últimos 90 días

Contexto
1.2k tok

19 tok en reposo

Paquete
1 archivo

5 KB

Instalar

Funciona con cualquier agente que lea SKILL.md

npx -y skills add garrytan/gbrain --skill migrate --agent claude-code

Se instala solo en este repositorio.

Qué hace

  • Importa contenido de Obsidian, Notion, Logseq, markdown, CSV, JSON o Roam hacia gbrain
  • Convierte wikilinks, block refs y tags del sistema origen a enlaces y tags de gbrain
  • Prueba la migración con una muestra de 5-10 archivos antes de importar todo
  • Verifica el resultado comparando conteo de páginas, salud y round-trip de lectura
  • Genera un informe de migración con estadísticas de importación y verificación

Úsalo cuando

  • Migrar desde Obsidian, Notion, Logseq, markdown, CSV, JSON o Roam
  • Importar un vault, exportación o directorio de notas hacia gbrain

No lo uses cuando

    Qué lo activa

    Di cualquiera de estas frases y el agente debería cargar este skill.

    • Migra mi vault de Obsidian a gbrain
    • Importa mi exportación de Notion en gbrain
    • Quiero pasar mis notas de Logseq a gbrain
    • Importa este CSV de contactos como páginas en gbrain

    SKILL.md

    En inglés

    Migrate Skill

    Universal migration from any wiki, note tool, or brain system into GBrain.

    Contract

    • Source data is never modified or deleted; migration is additive only.
    • Every migrated page is verified round-trip: written to gbrain, read back, spot-checked.
    • Cross-references from the source system (wikilinks, block refs, tags) are converted to gbrain equivalents.
    • Migration is tested on a sample (5-10 files) before bulk execution.
    • Post-migration health check confirms page count, link integrity, and embedding coverage.

    Supported Sources

    Source Format Strategy
    Obsidian Markdown + [[wikilinks]] Direct import, convert wikilinks to gbrain links
    Notion Exported markdown or CSV Parse Notion's export structure
    Logseq Markdown with ((block refs)) Convert block refs to page links
    Plain markdown Any .md directory Import directory into gbrain directly
    CSV Tabular data Map columns to frontmatter fields
    JSON Structured data Map keys to page fields
    Roam JSON export Convert block structure to pages

    Phases

    1. Assess the source. What format? How many files? What structure?
    2. Plan the mapping. How do source fields map to gbrain fields (type, title, tags, compiled_truth, timeline)?
    3. Test with a sample. Import 5-10 files, verify by reading them back from gbrain and exporting.
    4. Bulk import. Import the full directory into gbrain.
    5. Verify. Check gbrain health and statistics, spot-check pages.
    6. Build links. Extract cross-references from content and create typed links in gbrain.

    Obsidian Migration

    1. Import the vault directory into gbrain (Obsidian vaults are markdown directories)

    2. Wire the graph with native wikilink support (v0.12.1+):

      gbrain extract links --source db --dry-run | head -20    # preview
      gbrain extract links --source db                         # commit
      

      extract links natively parses [[relative/path]] and [[relative/path|Display Text]] alongside standard [text](page.md) markdown syntax. Ancestor-search resolution handles wiki KBs where authors omit one or more leading ../ prefixes. The .md suffix is inferred automatically for wikilinks.

    Obsidian-specific:

    • Tags (#tag) become gbrain tags
    • Frontmatter properties map to gbrain frontmatter
    • Attachments (images, PDFs) are noted but handled separately via file storage

    Notion Migration

    1. Export from Notion: Settings > Export > Markdown & CSV
    2. Notion exports nested directories with UUIDs in filenames
    3. Strip UUIDs from filenames for clean slugs
    4. Map Notion's database properties to frontmatter
    5. Import the cleaned directory into gbrain

    CSV Migration

    For tabular data (e.g., CRM exports, contact lists):

    1. For each row in the CSV, create a page with column values as frontmatter
    2. Use a designated column as the slug (e.g., name)
    3. Use another column as compiled_truth (e.g., notes)
    4. Store each page in gbrain

    Verification

    After any migration:

    1. Check gbrain statistics to verify page count matches source
    2. Check gbrain health for orphans and missing embeddings
    3. Export pages from gbrain for round-trip verification
    4. Spot-check 5-10 pages by reading them from gbrain
    5. Test search: search gbrain for "someone you know is in the data"

    Anti-Patterns

    • Bulk import without sample test. Never import the full dataset before verifying with 5-10 files. The cost of cleaning up hundreds of bad pages is enormous.
    • Destroying source data. Migration is additive. Never modify, move, or delete the source files.
    • Ignoring cross-references. Wikilinks, block refs, and tags from the source system must be converted to gbrain equivalents. Dropping them loses the knowledge graph.
    • Skipping verification. A migration without post-import health check, page count comparison, and spot-check reads is incomplete.

    Output Format

    MIGRATION REPORT -- [source] -> GBrain
    =======================================
    
    Source: [format] ([file count] files, [size])
    Mapping: [field mapping summary]
    
    Sample Test (N files):
    - Imported: N/N
    - Round-trip verified: N/N
    - Cross-refs converted: N
    
    Bulk Import:
    - Total imported: N
    - Skipped (duplicates/errors): N
    - Links created: N
    - Tags migrated: N
    
    Verification:
    - Page count match: [yes/no]
    - Health check: [pass/fail]
    - Search test: [query] -> [result count] hits
    

    Tools Used

    • Store/update pages in gbrain (put_page)
    • Read pages from gbrain (get_page)
    • Link entities in gbrain (add_link)
    • Tag pages in gbrain (add_tag)
    • Get gbrain statistics (get_stats)
    • Check gbrain health (get_health)
    • Search gbrain (query)

    Reproducido de garrytan/gbrain bajo licencia MIT. Leer esta página en markdown.

    Archivos

    1 archivo en el paquete. Solo se lee SKILL.md al activarse — las referencias se cargan si el skill decide que las necesita.

    Antes de instalar

    Requiere tener los datos de origen exportados (por ejemplo, vault, export de Notion o CSV) y acceso a las herramientas de gbrain como put_page, add_link y sync_brain.

    Detalles

    Creador
    garrytan
    Categoría
    Productividad
    Licencia
    MIT
    Recursos incluidos
    Solo SKILL.md
    Repositorio
    garrytan/gbrain
    Código fuente
    Ver SKILL.md

    Etiquetas

    Más de garrytan/gbrain

    Este repo incluye 75 skills. Si instalas uno, normalmente ya tienes los demás.

    Setup

    28.9k

    Configura GBrain con auto-aprovisionamiento de Supabase o PGLite, inyección en AGENTS.md y primera importación.

    Costo de contexto al activarse
    7.4k tok
    Tamaño del paquete
    1 archivo
    Última actualización
    hace 4 días
    bases de datos

    Chequeos de salud del brain: aplicación de back-links, auditoría de citas, validación de filing, detección de info obsoleta, páginas huérfanas y benchmarks.

    Costo de contexto al activarse
    5k tok
    Tamaño del paquete
    1 archivo
    Última actualización
    hace 4 días
    productividad

    Migra un brain de gbrain-base a la taxonomía de 14 tipos canónicos de gbrain-base-v2 usando gbrain onboard --check y el handler Minion unify-types.

    Costo de contexto al activarse
    3.2k tok
    Tamaño del paquete
    1 archivo
    Última actualización
    hace 5 días
    bases de datos

    Cuándo y qué recuperar: abre la página del brain de una entidad relevante antes de responder desde memoria.

    Costo de contexto al activarse
    740 tok
    Tamaño del paquete
    1 archivo
    Última actualización
    hace 1 hora
    productividad

    Operaciones del brain: búsqueda primero, ciclo leer-enriquecer-escribir, atribución de fuentes, enriquecimiento ambiental y back-linking. Leer antes de cualquier interacción con el brain.

    Costo de contexto al activarse
    2.6k tok
    Tamaño del paquete
    1 archivo
    Última actualización
    hace 3 días
    productividad

    Importa exports de ChatGPT, Claude y Perplexity y transcripciones de sesiones como páginas fechadas en conversations/, valida y extrae hechos, y mantiene el archivo sin huecos con detección y backfill.

    Costo de contexto al activarse
    5k tok
    Tamaño del paquete
    2 archivos
    Última actualización
    hace 4 días
    productividad

    Skills relacionados

    Archivista universal para archivos personales (Dropbox/B2/Gmail-takeout/disco local). Filtra contenido de alto valor y lo muestra de forma interactiva; exige un allow-list scan_paths explícito en gbrain.yml.

    Costo de contexto al activarse
    2.7k tok
    Tamaño del paquete
    2 archivos
    Última actualización
    hace 3 meses
    productividad

    Transforma volcados de texto crudo de artículos en el brain en páginas estructuradas con resumen ejecutivo, citas textuales, insights clave, por qué importa y referencias cruzadas.

    Costo de contexto al activarse
    1.5k tok
    Tamaño del paquete
    2 archivos
    Última actualización
    hace 3 meses
    productividad

    Filtro de calidad previo a la escritura para todo lo que entra al brain: nada de cp/mv en crudo. Resuelve entidades con nombre por registro y aplica el árbol de decisión de dedup leyendo el primer resultado.

    Costo de contexto al activarse
    3.7k tok
    Tamaño del paquete
    2 archivos
    Última actualización
    hace 9 días
    productividad