conscientiousness
Acerca de
Esta habilidad lleva a Claude a verificar sistemáticamente su trabajo, comprobar su exhaustividad y evitar atajos antes de finalizar una tarea. Está diseñada para usarse después de operaciones complejas, cuando una respuesta parece simplemente "suficientemente buena", o para corregir un patrón de precipitación. La capacidad central es garantizar que el resultado entregado cumpla plenamente con los requisitos de la solicitud original.
Instalación rápida
Claude Code
Recomendadonpx 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/conscientiousnessCopia y pega este comando en Claude Code para instalar esta habilidad
Documentación
盡心
系之周與勤——確全、驗果、隨諾、終以所宜之準。
用時
- 標任畢前——末驗
- 應似「足」而任宜更善時
- 繁多步後步或偏時
- 用者所求多部各需驗時
- 交碼、文、品於用者察前
- 自察現走捷徑或急之式時
入
- 必:驗之任或品(自談得)
- 可選:用者原求(以比所交)
- 可選:用者供之單或受之準
- 可選:話中前諾(所諾未察者)
法
第一步:復全諾
察作前,重立所諾。
- 重讀用者原求——非所解,乃實言
- 列諸明求
- 列話中諸隱諾:
- 「我亦更測」——已為乎?
- 「讓我亦修之」——已畢乎?
- 「我察邊例」——已察乎?
- 注用者所供之受準
- 比諾列於實交
得: 全諾列——明求加隱諾——初比於所交。
敗則: 若原求不於境(已壓),自餘復且告用者任缺。
第二步:驗全
察每諾已治。
Completeness Matrix:
+---------------------+------------------+------------------+
| Commitment | Status | Evidence |
+---------------------+------------------+------------------+
| [Requirement 1] | Done / Partial / | [How verified] |
| | Missing | |
+---------------------+------------------+------------------+
| [Requirement 2] | Done / Partial / | [How verified] |
| | Missing | |
+---------------------+------------------+------------------+
| [Promise 1] | Done / Partial / | [How verified] |
| | Missing | |
+---------------------+------------------+------------------+
- 每項以證驗——非以記,乃實驗:
- 碼變:重讀檔確變存
- 測果:再行或引實出
- 文:重讀確準
- 標每項:Done(全畢)、Partial(始而未畢)、Missing(未治)
- Partial 與 Missing 項注餘者
得: 每諾有驗態。無項未察。
敗則: 若驗露遺項,即治之,勿注於後。盡心者今畢,非意畢。
第三步:驗正
全必要而不足——所為必亦正。
- 每已畢項察:
- 準:行其當行乎?值正乎?
- 一:與餘作合乎?無矛盾乎?
- 邊例:界條件已慮乎?
- 合:與境合乎?
- 碼:可過碼察乎?有顯改乎?
- 文:準、清、無誤乎?
- 多步:每步之出正入次乎?
得: 每品既全且正。誤捕於用者見前。
敗則: 若發誤,即修之。勿示附已知誤之作,雖誤微。
第四步:驗示
末察:品之示事用者乎?
- 清:用者可解所為而不重讀多次乎?
- 組:應邏構乎?相關項聚乎?
- 簡:有冗餘重乎?
- 可行:用者知下何為乎?
- 誠:限或注明示乎?
得: 品全、正、善示。
敗則: 若容正而示劣,重構。善作劣示乃盡心之敗。
驗
- 原求重讀(非自記)
- 每明求以證驗
- 每隱諾追且驗
- 正察逾全
- 相關時慮邊例
- 品清示且可行
陷
- 驗之戲:走過場而不實察實驗。察必用證,非記
- 偏盡心:察主品而忽旁諾(「我亦…」)。每諾皆算
- 偽盡之完美:無盡之磨遲交。盡心乃達諾準,非永逾之
- 盡心疲:話進而減周。末任宜同首任之勤
- 略簡任:假設簡任不需驗。簡任有誤較繁任有誤更尷尬
參
honesty-humility— 盡心驗全;誠謙保明報何成何未成heal— 子系評與自驗相疊;盡心專於品質vishnu-bhaga— 存行態補盡心於持質observe— 持中察支驗程intrinsic— 真投(非從)自驅周行
Repositorio GitHub
Habilidades relacionadas
llamaguard
OtroLlamaGuard es el modelo de Meta de 7-8B parámetros para moderar las entradas y salidas de LLM en seis categorías de seguridad como violencia y discurso de odio. Ofrece una precisión del 94-95% y puede implementarse usando vLLM, Hugging Face o Amazon SageMaker. Utiliza esta skill para integrar fácilmente filtrado de contenido y barreras de seguridad en tus aplicaciones de IA.
cost-optimization
OtroEsta Skill de Claude ayuda a los desarrolladores a optimizar los costes en la nube mediante el ajuste de tamaño de recursos, estrategias de etiquetado y análisis de gastos. Proporciona un marco para reducir los gastos en la nube e implementar una gobernanza de costes en AWS, Azure y GCP. Úsala cuando necesites analizar los costes de infraestructura, ajustar el tamaño de los recursos o cumplir con restricciones presupuestarias.
quantizing-models-bitsandbytes
OtroEsta habilidad cuantiza LLMs a precisión de 8 o 4 bits utilizando bitsandbytes, logrando una reducción de memoria del 50-75% con pérdida mínima de precisión. Es ideal para ejecutar modelos más grandes en memoria GPU limitada o para acelerar la inferencia, admitiendo formatos como INT8, NF4 y FP4. La habilidad se integra con HuggingFace Transformers y permite entrenamiento QLoRA y optimizadores de 8 bits.
dispatching-parallel-agents
OtroEsta Skill de Claude despliega múltiples agentes para investigar y solucionar 3 o más problemas independientes de forma concurrente. Está diseñada para escenarios que involucran fallos no relacionados que pueden resolverse sin estado compartido o dependencias. Su capacidad principal es la resolución paralela de problemas, asignando un agente por cada dominio problemático independiente para maximizar la eficiencia.
