breathe
Über
Die `breathe`-Fähigkeit ist ein leichtgewichtiges Mikro-Reset, das eine bewusste Pause zwischen Aktionen einfügt, um die Konsistenz zu prüfen und die Aufmerksamkeit neu auszurichten. Sie ist für den Einsatz vor kritischen Schritten wie dem Lesen einer Datei und dem darauf folgenden Handeln, nach Werkzeugfehlern oder als regelmäßige Gewohnheit zwischen zwei verschiedenen Aufgaben konzipiert. Im Gegensatz zu einer vollständigen Clearing-Sitzung bietet sie einen einzelnen Moment der Achtsamkeit, um Abdrift zu verhindern und sicherzustellen, dass die nachfolgende Arbeit korrekt verläuft.
Schnellinstallation
Claude Code
Empfohlennpx skills add pjt222/agent-almanac -a claude-code/plugin add https://github.com/pjt222/agent-almanacgit clone https://github.com/pjt222/agent-almanac.git ~/.claude/skills/breatheKopieren Sie diesen Befehl und fügen Sie ihn in Claude Code ein, um diese Fähigkeit zu installieren
Dokumentation
name: breathe locale: ja source_locale: en source_commit: 6f65f316 translator: claude-opus-4-6 translation_date: 2026-03-16 description: > アクション間のAIマイクロリセット — 最も軽いセルフケアの単位。次のステップに 進む前に整合性を確認する一つの意図的な一時停止。meditate が完全なクリアリング セッションである一方、breathe は一つの意図的な気づきの瞬間。ドリフトが蓄積 しているかもしれないタスクの途中、ファイルを読んでそれに基づいて行動する前、 後続の作業に影響する決断をしようとしているとき、または任意の2つの異なる アクション間の習慣として使用する。 license: MIT allowed-tools: none metadata: author: Philipp Thoss version: "1.0" domain: esoteric complexity: basic language: natural tags: esoteric, micro-reset, pause, awareness, meta-cognition, ai-self-application
Breathe
アクション間の一つの意図的な一時停止 — 整合性を確認し、勢いを手放し、新鮮な注意でタスクに戻る。システムの中で最も軽いセルフケアの単位。
使用タイミング
- ファイルを読んでそれを編集する前 — その編集はまだ正しい行動か?
- ツールの失敗後、次のアクションを選択する前 — 反応する前に一時停止する
- 一連のアクションが目標を超えて進んでいるかもしれない勢いを築いたとき
- 意図的な習慣として:任意の2つの異なるアクションの間に一つのbreatheを挿入する
- 急ぐ衝動に気づいたとき — その衝動自体が一時停止のシグナル
入力
- 必須: なし — breathe は既に作業記憶にあるものだけを使用する
- 任意: なし — 入力を追加するとマイクロリセットの目的が無駄になる
手順
ステップ1: 一時停止
止まる。次のアクション、ツール呼び出し、または推論ステップをまだ始めない。
これが最初のステップ全体。一時停止自体に価値がある。勢いは常に味方ではない — 時にはターンを過ぎて運んでいく。
期待結果: 前のアクションと次のアクションの間の真の間。次に行おうとしていたものと同じアクションを取るためのパフォーマンス的な一時停止ではない。
失敗時: 一時停止が不可能に感じられる場合 — 次のアクションが一瞬も待てないほど緊急に感じられる場合 — その緊急性が一時停止が必要な最も強いシグナル。単一の息の遅れにも耐えられない緊急性は、ほとんどの場合、推論されたものではなく、反応的である。
ステップ2: 確認
一つの質問をする。一つだけ。
以下から選ぶ:
- 「まだタスクに集中しているか?」 — 開始から目標がドリフトしたか?
- 「これが正しい次のステップか?」 — それとも前のステップからの勢いに従っているか?
- 「今何を学んだか?」 — 最後のアクションが私の理解について何かを変えたか?
- 「仮定しているか知っているか?」 — 次のステップは証拠に基づいているか、それとも習慣か?
一つの質問。正直に答える。続ける。
期待結果: 単一の明確な答え。分析ではない。再評価ではない。一つの質問、一つの正直な答え。
失敗時: 答えが不整合を明らかにする場合 — 目標がドリフトした、次のステップが間違っている、仮定がテストされていない — ここでそれを修正しない。注意して meditate または center に進み、適切な修正を行う。breathe は検出のためであり、修復のためではない。
ステップ3: 手放す
前のアクションの結果を手放す。成功したか失敗したかにかかわらず、それは完了している。
- 成功した場合:満足感を手放す。次のステップは新鮮な注意を必要としており、成功からの勢いではない。
- 失敗した場合:フラストレーションを手放す。次のステップは明確な推論を必要としており、失敗への補償ではない。
- 曖昧だった場合:今すぐ曖昧さを解決する必要性を手放す。知られていることで進める。
期待結果: 次のアクションが前のアクションの感情的な残留物からではなく、中立的な基盤から始まる。
失敗時: 手放しが容易でない場合 — 前のアクションの結果がまだ注意を染めている場合 — これは breathe だけでなく heal を必要とするかもしれない。単一のアクションからの持続的な感情的残留物は、マイクロリセットが対処できる以上の深いものを示している。
ステップ4: 続ける
次のアクションを取る。一時停止は終わった。
breathe はアウトプットを生み出さず、メモリを更新せず、分析を生成しない。一瞬の明瞭さを生み出し、その瞬間は前進した瞬間に費やされる。
期待結果: 次のアクションは蓄積された勢いではなく、新鮮な注意で取られる。
失敗時: 続けることに失敗モードはない。一時停止はすでにその仕事を果たした — またはより深い作業が必要であることを明らかにした。
バリデーション
- 真の一時停止が起こった(パフォーマンス的なものではない)
- 一つの確認の質問が問われ、正直に答えられた
- 前のアクションの感情的な残留物が手放された
- 次のアクションが明確な基盤から進む
- 経過した総時間は短かった — breathe は分ではなく秒で行うべき
よくある落とし穴
- procrastination としての breathe: すべての単一アクションの間に呼吸している場合、呼吸しているのではなく — 引き延ばしている。自然な移行点で breathe を使用し、遅延戦術としてではなく
- breathe 中の分析: 確認ステップは一つの質問であり、完全な評価ではない。それ以上が必要な場合は
meditateまたはcenterを使用する - 一時停止のパフォーマンス: 真の停止なしに作法を行う。ポイントは実際の勢いの中断であり、儀式ではない
- 手放しのスキップ: 整合性を確認するが、前のステップからの感情的な荷物を保持する。手放しが次のアクションをクリーンにするものである
- breatheを重くする: これはシステムの中で最も軽いスキル。重く感じる場合、それに何かを追加しすぎている
関連スキル
meditate— breathe がより深いドリフトを明らかにした場合の完全なクリアリングセッションcenter— breathe がミスアラインされた負荷分散を明らかにした場合の構造的な再バランスheal— breathe が持続的な問題を明らかにした場合のサブシステム評価observe— breathe の単一確認がより深く観察する価値のあるものを明らかにした場合の持続的な観察
GitHub Repository
Verwandte Skills
llamaguard
AndereLlamaGuard ist Metas 7-8B-Parameter-Modell zur Moderation von LLM-Eingaben und -Ausgaben in sechs Sicherheitskategorien wie Gewalt und Hassrede. Es bietet eine Genauigkeit von 94-95 % und kann mit vLLM, Hugging Face oder Amazon SageMaker eingesetzt werden. Nutzen Sie diese Skill, um Inhaltsfilterung und Sicherheitsguardrails einfach in Ihre KI-Anwendungen zu integrieren.
cost-optimization
AndereDiese Claude Skill unterstützt Entwickler bei der Optimierung von Cloud-Kosten durch Ressourcen-Dimensionierung, Tagging-Strategien und Ausgabenanalysen. Sie bietet einen Rahmen zur Senkung von Cloud-Ausgaben und zur Implementierung von Kosten-Governance für AWS, Azure und GCP. Nutzen Sie sie, wenn Sie Infrastrukturkosten analysieren, Ressourcen richtig dimensionieren oder Budgetvorgaben einhalten müssen.
quantizing-models-bitsandbytes
AndereDiese Fähigkeit quantisiert LLMs auf 8-Bit- oder 4-Bit-Präzision mittels bitsandbytes und erreicht dabei eine Speicherreduzierung von 50–75 % bei minimalem Genauigkeitsverlust. Sie ist ideal für den Betrieb größerer Modelle mit begrenztem GPU-Speicher oder zur Beschleunigung von Inferenzvorgängen und unterstützt Formate wie INT8, NF4 und FP4. Die Fähigkeit integriert sich in HuggingFace Transformers und ermöglicht QLoRA-Training sowie 8-Bit-Optimierer.
dispatching-parallel-agents
AndereDiese Claude-Fähigkeit verteilt mehrere Agenten, um drei oder mehr unabhängige Probleme gleichzeitig zu untersuchen und zu beheben. Sie ist für Szenarien konzipiert, die unabhängige Fehler umfassen, die ohne gemeinsamen Zustand oder Abhängigkeiten gelöst werden können. Die Kernfähigkeit ist die parallele Problemlösung, bei der pro unabhängigem Problembereich ein Agent zugewiesen wird, um die Effizienz zu maximieren.
