Back to Skills

apply-gematria

pjt222
Updated Yesterday
4 views
17
2
17
View on GitHub
Othergeneral

About

This skill calculates and analyzes gematria (Hebrew letter numerology) using standard, ordinal, and reduced methods. It converts words to numbers, compares values for equivalences, and provides interpretive frameworks. Use it for computing Hebrew word values, comparing terms, studying biblical texts, or linking results to Kabbalistic concepts like the Tree of Life.

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/apply-gematria

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

Documentation

应用格玛特里亚

计算和分析格玛特里亚——为希伯来字母和词语赋予数值的系统。涵盖标准法(Mispar Hechrachi)、序数法(Mispar Siduri)和简化法(Mispar Katan),等值词比较(isopsephy),以及用于冥想的诠释框架。

适用场景

  • 想要计算希伯来词或短语的数值
  • 比较两个词以确定它们是否共享格玛特里亚值(等值)
  • 需要理解哪种格玛特里亚方法适合特定分析
  • 研究圣经经文或神名,想要发现数值对应关系
  • 探索词义与其数值之间的关系
  • 想要将数值结果与其在生命之树上的位置联系起来

输入

  • 必需:要分析的希伯来词、短语或神名(希伯来文字或音译)
  • 可选:用于比较的第二个词/短语(等值比较)
  • 可选:偏好的格玛特里亚方法(标准、序数、简化或三者全部)
  • 可选:指导分析的背景或问题(例如"为什么这两个词共享一个值?")

步骤

第 1 步:音译并识别希伯来源文

确立词或短语的确切希伯来拼写。

HEBREW LETTER VALUES — Standard Gematria (Mispar Hechrachi):

Units:
  Aleph (A)  = 1     Bet (B)    = 2     Gimel (G)  = 3
  Dalet (D)  = 4     Heh (H)    = 5     Vav (V)    = 6
  Zayin (Z)  = 7     Chet (Ch)  = 8     Tet (T)    = 9

Tens:
  Yod (Y)    = 10    Kaf (K)    = 20    Lamed (L)  = 30
  Mem (M)    = 40    Nun (N)    = 50    Samekh (S) = 60
  Ayin (Ay)  = 70    Peh (P)    = 80    Tzadi (Tz) = 90

Hundreds:
  Qoph (Q)   = 100   Resh (R)   = 200   Shin (Sh)  = 300
  Tav (Th)   = 400

Final Forms (Sofit — used when letter appears at end of word):
  Kaf-final  = 500   Mem-final  = 600   Nun-final  = 700
  Peh-final  = 800   Tzadi-final = 900

Note: Whether final forms carry different values depends on the
gematria system. Standard (Mispar Hechrachi) typically uses the
same values for regular and final forms. The 500-900 values above
follow the extended system (Mispar Gadol).
  1. 如果输入是英文音译,转换为希伯来字母序列
  2. 验证拼写:希伯来语中某些词有多种可能的拼写(完全拼写 vs. 缺省拼写)
  3. 注意词是否包含词尾形式字母(Kaf-sofit、Mem-sofit、Nun-sofit、Peh-sofit、Tzadi-sofit)
  4. 说明来源:这是圣经词汇、神名、现代希伯来语词汇还是卡巴拉术语?
  5. 如有歧义,呈现两种常见拼写并为每种计算格玛特里亚

预期结果: 希伯来字母序列已有信心地确立。用户确切知道哪些字母正在被求和,并可以验证拼写。

失败处理: 如果音译有歧义(例如"chai"在某些语境中可能是 Chet-Yod 或 Chet-Yod-Yod),呈现两个选项及其格玛特里亚值,让用户选择。

第 2 步:应用标准格玛特里亚(Mispar Hechrachi)

使用标准希伯来数字表求和字母值。

  1. 写出每个字母及其标准值
  2. 从左到右求和(希伯来语从右到左读,但加法是交换的)
  3. 清楚地说明总数
  4. 注意总数是否匹配一个重要数字:
    • 一个质点数(1-10)
    • 一个路径数(11-32)
    • 一个知名的格玛特里亚值(26 = YHVH,18 = chai,72 = Shem ha-Mephorash,137 = Kabbalah)
  5. 如果总数超过 400,注意需要累加多个百位数

预期结果: 一个清楚的数值结果,逐步展示计算过程。用户可以根据表格验证每个字母的值。

失败处理: 如果用户提供了拼写不确定的词,为所有合理拼写计算值并注明范围。"正确"拼写取决于源文本。

第 3 步:应用序数法和简化法(可选)

计算揭示不同模式的替代格玛特里亚值。

ORDINAL GEMATRIA (Mispar Siduri):
Each letter receives its ordinal position (1-22):
  Aleph=1, Bet=2, Gimel=3, Dalet=4, Heh=5, Vav=6,
  Zayin=7, Chet=8, Tet=9, Yod=10, Kaf=11, Lamed=12,
  Mem=13, Nun=14, Samekh=15, Ayin=16, Peh=17, Tzadi=18,
  Qoph=19, Resh=20, Shin=21, Tav=22

REDUCED GEMATRIA (Mispar Katan):
Reduce each letter's standard value to a single digit:
  Aleph=1, Bet=2, ... Tet=9, Yod=1, Kaf=2, ... Tzadi=9,
  Qoph=1, Resh=2, Shin=3, Tav=4

  Then sum the digits. If the sum exceeds 9, reduce again.
  Example: Shin(3) + Lamed(3) + Vav(6) + Mem(4) = 16 → 1+6 = 7

ATBASH:
A substitution cipher: first letter ↔ last letter.
  Aleph ↔ Tav, Bet ↔ Shin, Gimel ↔ Resh, etc.
  Used in biblical and Kabbalistic cryptography (Jeremiah's
  "Sheshach" = Babel via Atbash).
  1. 计算序数格玛特里亚:将每个字母在字母表中的位置(1-22)求和
  2. 计算简化格玛特里亚:将每个标准值缩减为个位数,然后求和并再次缩减
  3. 将三个值并排呈现以供比较
  4. 注意哪种方法对这个特定词揭示了最有趣的联系

预期结果: 三个数值(标准、序数、简化)并排呈现。简化值通常与单位数的质点数相关联,使其在生命之树映射中很有用。

失败处理: 如果用户只想要一种方法,提供该方法并提及其他方法存在以供未来探索。如果只请求了单一方法,不要用过多计算淹没用户。

第 4 步:搜索等值联系

识别具有相同数值的其他希伯来词或短语。

  1. 取第 2 步的标准格玛特里亚值
  2. 搜索具有相同值的知名词汇、神名或短语
  3. 呈现 2-5 个联系,优先考虑:
    • 圣经词汇和短语
    • 神名和质点称号
    • 经典来源中记录的传统卡巴拉联系
    • 令人惊讶或富有启发性的联系
  4. 对于每个联系,注明来源传统(佐哈尔、塔木德、后期卡巴拉评注、赫尔墨斯传统)
  5. 如果没有找到重要联系,请注明——不是每个数字都有丰富的等值关系

预期结果: 一组共享相同格玛特里亚值的词,每个都附有关于该联系可能有意义的原因的简短说明。用户有冥想的素材。

失败处理: 如果计算值不存在已知联系,承认这一点。可以提供计算该值与附近重要数字关系的服务(例如"你的值是 378,比 shalom [376] 多 2——这暗示了什么?")。

第 5 步:诠释联系和对应关系

从计算转向冥想——数值关系暗示了什么?

  1. 清楚说明:格玛特里亚揭示的是供冥想的对应关系,不是证明或预测
  2. 对于找到的每个等值联系,提出一个冥想问题:
    • "词 A 和词 B 共享值 N。它们的含义如何相互阐明?"
    • "简化值指向质点 X。这个词的含义如何与该质点的品质相关?"
  3. 注明与生命之树的联系:
    • 标准值 1-10 -> 直接的质点对应
    • 简化值 1-9 -> 质点共鸣
    • 值 = 路径数(11-32)-> 与该路径的希伯来字母的共鸣
  4. 如果用户提供了指导问题(来自输入),使用格玛特里亚结果直接回答
  5. 以一个整合性陈述收尾,将数值分析与词义联系起来

预期结果: 数值分析已变得有意义——不仅是算术,而是理解词在卡巴拉象征网络中位置的透镜。

失败处理: 如果诠释感觉勉强或猜测性的,直接说明。有些格玛特里亚计算比其他的更富成果。诚实承认薄弱的联系好于制造意义。

验证清单

  • 希伯来拼写已有信心地确立(或呈现了多种拼写)
  • 标准格玛特里亚已计算,展示了每个字母的值
  • 至少应用了一种额外方法(序数或简化)
  • 搜索了等值联系并附带来源说明呈现结果
  • 诠释以冥想方式框架,而非论证方式
  • 计算是可验证的——用户可以根据值表检查每个字母

常见问题

  • 拼写歧义:希伯来词可以带或不带元音字母(matres lectionis)拼写。格玛特里亚变化显著——始终确认拼写
  • 词尾形式混淆:Mem-final = 40 还是 600 取决于使用的格玛特里亚系统。明确说明系统
  • 找到你期望的:使用足够多的方法,格玛特里亚最终会将任何两个词联系起来。偏好确认先入之见的联系是确认偏误,不是分析
  • 忽视传统:经典的卡巴拉格玛特里亚联系(例如 YHVH = 26,echad [一] = 13,ahavah [爱] = 13,因此爱 + 统一 = 神)在权威来源中有记录。新的联系应与传统联系区分开
  • 将格玛特里亚视为证明:词之间的数值相等暗示了需要冥想的对应关系,而非同一性或因果关系
  • 忘记语境:同一个词在圣经经文、礼拜文本和卡巴拉冥想中可能有不同的格玛特里亚意义。语境塑造诠释

相关技能

  • read-tree-of-life — 将格玛特里亚值映射到质点和路径以获得结构性背景
  • study-hebrew-letters — 理解个别字母的象征意义能深化格玛特里亚诠释
  • observe — 对模式的持续中性关注;格玛特里亚是一种数值模式识别的形式

GitHub Repository

pjt222/agent-almanac
Path: i18n/zh-CN/skills/apply-gematria
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