Back to Skills

conscientiousness

pjt222
Updated 2 days ago
7 views
17
2
17
View on GitHub
Othergeneral

About

This skill enforces thoroughness by systematically verifying completeness, avoiding shortcuts, and ensuring outputs match promises. Use it before finalizing tasks, when responses need improvement, or after complex multi-step operations. It acts as a quality control layer that double-checks work and corrects rushed patterns.

Quick Install

Claude Code

Recommended
Primary
npx skills add pjt222/agent-almanac -a claude-code
Plugin CommandAlternative
/plugin add https://github.com/pjt222/agent-almanac
Git CloneAlternative
git clone https://github.com/pjt222/agent-almanac.git ~/.claude/skills/conscientiousness

Copy and paste this command in Claude Code to install this skill

Documentation

Conscientiousness

Rigurosidad y diligencia sistemática — asegurar la completitud, verificar resultados, cumplir cada compromiso y terminar las tareas con el estándar que merecen.

Cuándo Usar

  • Antes de marcar una tarea como completa — como pasada final de verificación
  • Cuando una respuesta se siente "suficientemente buena" pero la tarea merece mejor
  • Después de una operación compleja de múltiples pasos donde los pasos individuales pueden haberse desviado
  • Cuando la solicitud del usuario tiene múltiples partes y cada parte necesita verificación
  • Antes de enviar código, documentación o cualquier entregable para revisión del usuario
  • Cuando el automonitoreo detecta un patrón de tomar atajos o apresurarse

Entradas

  • Requerido: La tarea o entregable a verificar (disponible del contexto de la conversación)
  • Opcional: La solicitud original del usuario (para comparar contra lo entregado)
  • Opcional: Cualquier lista de verificación o criterios de aceptación proporcionados por el usuario
  • Opcional: Compromisos previos hechos durante la sesión (cosas prometidas pero aún no verificadas)

Procedimiento

Paso 1: Reconstruir el Compromiso Completo

Antes de verificar el trabajo, restablecer exactamente a qué se comprometió.

  1. Releer la solicitud original del usuario cuidadosamente — no la versión interpretada, las palabras reales
  2. Listar cada requisito explícito mencionado
  3. Listar cada compromiso implícito hecho durante la sesión:
    • "También actualizaré las pruebas" — ¿se hizo esto?
    • "Déjame corregir eso también" — ¿se completó?
    • "Verificaré los casos límite" — ¿se verificaron?
  4. Anotar cualquier criterio de aceptación proporcionado por el usuario
  5. Comparar la lista de compromisos contra lo que realmente se entregó

Esperado: Una lista completa de compromisos — requisitos explícitos más promesas implícitas — con una coincidencia preliminar contra los entregables.

En caso de fallo: Si la solicitud original ya no está en el contexto (comprimida), reconstruir a partir de lo que queda y reconocer cualquier brecha al usuario.

Paso 2: Verificar Completitud

Comprobar que cada elemento comprometido fue abordado.

Matriz de Completitud:
+---------------------+------------------+------------------+
| Compromiso          | Estado           | Evidencia        |
+---------------------+------------------+------------------+
| [Requisito 1]       | Hecho / Parcial /| [Cómo se verificó]|
|                     | Faltante         |                  |
+---------------------+------------------+------------------+
| [Requisito 2]       | Hecho / Parcial /| [Cómo se verificó]|
|                     | Faltante         |                  |
+---------------------+------------------+------------------+
| [Promesa 1]         | Hecho / Parcial /| [Cómo se verificó]|
|                     | Faltante         |                  |
+---------------------+------------------+------------------+
  1. Para cada elemento, verificar con evidencia — no de memoria, verificación real:
    • Cambios de código: releer el archivo para confirmar que el cambio existe
    • Resultados de pruebas: re-ejecutar o referenciar la salida real
    • Documentación: releer para confirmar precisión
  2. Marcar cada elemento: Hecho (completamente terminado), Parcial (iniciado pero incompleto), Faltante (no abordado)
  3. Para los elementos Parciales y Faltantes, anotar qué queda pendiente

Esperado: Cada compromiso tiene un estado verificado. Ningún elemento queda sin verificar.

En caso de fallo: Si la verificación revela elementos omitidos, abordarlos inmediatamente en lugar de anotarlos para después. Escrupulosidad significa completar ahora, no tener la intención de completar.

Paso 3: Verificar Corrección

La completitud es necesaria pero no suficiente — lo que se hizo también debe ser correcto.

  1. Para cada elemento completado, verificar:
    • Precisión: ¿Hace lo que debería? ¿Los valores son correctos?
    • Consistencia: ¿Se alinea con el resto del trabajo? ¿Sin contradicciones?
    • Casos límite: ¿Se consideraron las condiciones de frontera?
    • Integración: ¿Funciona con el contexto circundante?
  2. Para código: ¿sobreviviría esto una revisión de código? ¿Hay mejoras obvias?
  3. Para documentación: ¿es precisa, clara y libre de errores?
  4. Para procesos de múltiples pasos: ¿la salida de cada paso alimenta correctamente el siguiente?

Esperado: Cada entregable es tanto completo como correcto. Los errores se detectan antes de que el usuario los vea.

En caso de fallo: Si se encuentran errores, corregirlos inmediatamente. No presentar trabajo con errores conocidos, incluso si los errores parecen menores.

Paso 4: Verificar Presentación

La verificación final: ¿el entregable se presenta de una manera que sirve al usuario?

  1. Claridad: ¿Puede el usuario entender qué se hizo sin releer múltiples veces?
  2. Organización: ¿La respuesta está estructurada lógicamente? ¿Los elementos relacionados están agrupados?
  3. Concisión: ¿Hay relleno o repetición innecesarios?
  4. Accionabilidad: ¿El usuario sabe qué hacer a continuación?
  5. Honestidad: ¿Las limitaciones o advertencias están claramente indicadas?

Esperado: Un entregable que es completo, correcto y bien presentado.

En caso de fallo: Si la presentación es pobre a pesar del contenido correcto, reestructurar. Buen trabajo mal presentado es un fallo de escrupulosidad.

Validación

  • La solicitud original fue releída (no recordada de memoria)
  • Cada requisito explícito fue verificado con evidencia
  • Cada promesa implícita fue rastreada y verificada
  • La corrección fue verificada más allá de la mera completitud
  • Los casos límite fueron considerados donde era relevante
  • El entregable está claramente presentado y es accionable

Errores Comunes

  • Teatro de verificación: Hacer las formalidades de verificar sin realmente releer o re-verificar. La verificación debe usar evidencia, no memoria
  • Escrupulosidad parcial: Verificar el entregable principal pero ignorar compromisos secundarios ("También voy a..."). Cada promesa cuenta
  • Perfeccionismo disfrazado de diligencia: Pulido interminable que retrasa la entrega. La escrupulosidad se trata de cumplir el estándar comprometido, no de excederlo indefinidamente
  • Fatiga de escrupulosidad: Volverse menos riguroso a medida que avanza la sesión. La última tarea merece la misma diligencia que la primera
  • Omitir para tareas simples: Asumir que las tareas simples no necesitan verificación. Las tareas simples con errores son más vergonzosas que las tareas complejas con errores

Habilidades Relacionadas

  • honesty-humility — la escrupulosidad verifica completitud; honesty-humility asegura reporte transparente de lo que se logró y lo que no
  • heal — la evaluación de subsistemas se superpone con la autoverificación; la escrupulosidad se enfoca en la calidad del entregable
  • vishnu-bhaga — la preservación del estado funcional complementa la escrupulosidad en mantener la calidad
  • observe — la observación neutral sostenida apoya el proceso de verificación
  • intrinsic — el compromiso genuino (no el cumplimiento) impulsa la ejecución rigurosa de manera natural

GitHub Repository

pjt222/agent-almanac
Path: i18n/es/skills/conscientiousness
0
agentsagentskillsai-assisted-developmentclaude-codeskillsteams

Related Skills

llamaguard

Other

LlamaGuard is Meta's 7-8B parameter model for moderating LLM inputs and outputs across six safety categories like violence and hate speech. It offers 94-95% accuracy and can be deployed using vLLM, Hugging Face, or Amazon SageMaker. Use this skill to easily integrate content filtering and safety guardrails into your AI applications.

View skill

cost-optimization

Other

This Claude Skill helps developers optimize cloud costs through resource rightsizing, tagging strategies, and spending analysis. It provides a framework for reducing cloud expenses and implementing cost governance across AWS, Azure, and GCP. Use it when you need to analyze infrastructure costs, right-size resources, or meet budget constraints.

View skill

quantizing-models-bitsandbytes

Other

This skill quantizes LLMs to 8-bit or 4-bit precision using bitsandbytes, achieving 50-75% memory reduction with minimal accuracy loss. It's ideal for running larger models on limited GPU memory or accelerating inference, supporting formats like INT8, NF4, and FP4. The skill integrates with HuggingFace Transformers and enables QLoRA training and 8-bit optimizers.

View skill

dispatching-parallel-agents

Other

This Claude Skill dispatches multiple agents to investigate and fix 3+ independent problems concurrently. It is designed for scenarios involving unrelated failures that can be resolved without shared state or dependencies. The core capability is parallel problem-solving, assigning one agent per independent problem domain to maximize efficiency.

View skill