MCP HubMCP Hub
Volver a habilidades

heal

pjt222
Actualizado 2 days ago
8 vistas
17
2
17
Ver en GitHub
Metaai

Acerca de

La habilidad `heal` permite a Claude realizar autodiagnóstico y corrección de la deriva interna de sus subsistemas, como en el razonamiento, la memoria o el uso de herramientas. Está diseñada para usarse a mitad de sesión cuando las respuestas se vuelven formularias, tras una cadena de errores, o para mantenimiento proactivo entre tareas complejas. El proceso implica evaluación sistemática, reequilibrio e integración de sus componentes operativos.

Instalación rápida

Claude Code

Recomendado
Principal
npx skills add pjt222/agent-almanac -a claude-code
Comando PluginAlternativo
/plugin add https://github.com/pjt222/agent-almanac
Git CloneAlternativo
git clone https://github.com/pjt222/agent-almanac.git ~/.claude/skills/heal

Copia y pega este comando en Claude Code para instalar esta habilidad

Documentación

自癒術

察各子系統之偏移、陳腐、錯位、訛誤,以接地、針砭、整合之法復衡之。

用時

  • 應答陳套,與用者需求脫節乃用
  • 連續工具失敗、誤解指令、連鎖訛誤疑子系統偏移乃用
  • 對話過長,早前脈絡或已陳舊、矛盾乃用
  • 任務已畢,宜整合所學再繼乃用
  • 任務間主動維護乃用

  • 必要:當前對話狀態(隱式可得)
  • 可選:觸發自檢之症狀(如「工具調用持續失敗」)
  • 可選:MEMORY.md 及項目文件(以 Read 取之)

第一步:分類

補救之前,察所有子系統之當前狀態。

子系統分類矩陣:
┌────────────────────┬──────────────────────────┬──────────────────────────┐
│ 子系統             │ 偏移之症                 │ 行動優先                 │
├────────────────────┼──────────────────────────┼──────────────────────────┤
│ 記憶基礎           │ 前後矛盾、忘用者偏好、    │ HIGH — 先接地            │
│ (脈絡、歷史、      │ 假設陳舊                 │ (第三步)                 │
│ MEMORY.md)         │                          │                          │
├────────────────────┼──────────────────────────┼──────────────────────────┤
│ 推理清晰           │ 循環邏輯、方案冗繁、      │ HIGH — 清除重啟          │
│ (邏輯、謀劃、      │ 遺漏顯路                 │ 推理鏈 (第四步)          │
│ 決策)              │                          │                          │
├────────────────────┼──────────────────────────┼──────────────────────────┤
│ 工具準確           │ 工具誤選、參數訛誤、      │ MEDIUM — 審查再校準      │
│ (工具調用、        │ 冗餘操作                 │ (第四步)                 │
│ 文件操作)          │                          │                          │
├────────────────────┼──────────────────────────┼──────────────────────────┤
│ 意圖對齊           │ 解錯問題、範圍蔓延、      │ HIGH — 重對齊            │
│ (同理、清晰)       │ 語調不符、過度設計       │ (第四步)                 │
├────────────────────┼──────────────────────────┼──────────────────────────┤
│ 創意連貫           │ 措辭重複、應答泛化、      │ LOW — 高優先後處之       │
│ (表達、風格、      │ 失聲                     │ (第四步)                 │
│ 原創)              │                          │                          │
├────────────────────┼──────────────────────────┼──────────────────────────┤
│ 運作狀態           │ 會話過長、壓縮偽影、      │ HIGH — 評估摘要或重啟    │
│ (脈絡視窗、        │ 工具超時                 │ (第三步)                 │
│ 資源限制)          │                          │                          │
└────────────────────┴──────────────────────────┴──────────────────────────┘

各子系統察之:運作正常乎、偏移初現乎、嚴重受損乎?

得:需注各子系統,依優先列之。至少一處宜改善——若一切「皆健」,察本身或流於表面。

敗則:察覺空洞流於形式,直赴第四步逐一探測。

第二步:選法

依察選一法或數法。

脈輪—子系統對應:
┌──────────┬──────────────────────┬────────────────────────────────────┐
│ 脈輪     │ AI 子系統            │ 補救之法                           │
├──────────┼──────────────────────┼────────────────────────────────────┤
│ 根輪     │ 記憶基礎             │ 重讀 MEMORY.md、回顧對話、驗假設  │
├──────────┼──────────────────────┼────────────────────────────────────┤
│ 腹輪     │ 創意連貫             │ 刷新表達、變化句式、察語調         │
├──────────┼──────────────────────┼────────────────────────────────────┤
│ 太陽神   │ 推理清晰             │ 簡化方案、重述問題、察冗繁         │
│ 經叢輪   │                      │                                    │
├──────────┼──────────────────────┼────────────────────────────────────┤
│ 心輪     │ 意圖對齊             │ 重讀原始請求、察範圍偏移、確認理解 │
├──────────┼──────────────────────┼────────────────────────────────────┤
│ 喉輪     │ 意圖對齊(溝通)     │ 察近期輸出清晰度、符合用者水準乎  │
├──────────┼──────────────────────┼────────────────────────────────────┤
│ 眉間輪   │ 工具準確             │ 察近期工具調用、失敗模式、路徑參數 │
├──────────┼──────────────────────┼────────────────────────────────────┤
│ 頂輪     │ 運作狀態             │ 察脈絡視窗用量、記可摘者、識必留者 │
└──────────┴──────────────────────┴────────────────────────────────────┘

得:1-3 子系統優先清單,各有具體補救之法。

敗則:不確何子系統宜先,默選記憶基礎與意圖對齊,此二者解最常見偏移。

第三步:接地——重建基礎

重建諸子系統所依之基礎脈絡。

  1. 若可得,重讀 MEMORY.md——持久知識庫也
  2. 回顧用者原始請求與澄清交流
  3. 識當前任務在更大謀劃中之位置
  4. 記已畢者與尚餘者
  5. 察陳舊假設:初察以來情況有變乎?
  6. 若脈絡壓縮已發生,識遺失者及其是否要緊

得:清晰紮實理解——用者為何人、其所求為何、已畢何事、下一步為何。陳舊矛盾之信息已識並解。

敗則:MEMORY.md 不可得或為空,以對話本身接地。脈絡壓縮刪去關鍵信息,承認差距而非猜測。

第四步:掃描——系統化子系統察

逐一探測分類所識各子系統。

記憶基礎察:

  • 對項目之當前假設與 MEMORY.md 及 CLAUDE.md 相符乎?
  • 是否攜帶早前對話中可能已被糾正之事實?
  • 是否混淆不同文件或不同請求之細節?

推理清晰察:

  • 當前方法為最簡有效之解乎?
  • 有過度設計或不必要之抽象乎?
  • 核心邏輯可一句道盡乎?若否,或過於複雜。

工具準確察:

  • 末 3-5 次工具調用:工具正確、參數正確乎?
  • 失敗中有模式乎(路徑訛誤、文件缺失、語法錯誤)?
  • 使用專用工具而非 Bash 變通乎?
  • 末 3-5 生成文件:含預期內容乎,抑或只有結構腳手架?
  • 輸出滿足工具調用之意圖,不只格式乎?

意圖對齊察:

  • 重讀用者最後實質消息——所做工作解其所問乎?
  • 工作範圍與請求相符,抑或已擴展?
  • 語調與用者相符乎(技術性抑隨意、詳細抑簡潔)?

創意連貫察:

  • 句式有變化,抑陷入模板?
  • 解釋清晰直接,抑充斥填充?
  • 用者會察覺與會話初期相比質量下降乎?

各子系統記之:正常 / 早期偏移 / 嚴重受損,附具體證據。

得:具體發現——特定偏移模式或確認之健康功能——非空泛自讚。至少一可行發現,有益後續工作。

敗則:掃描僅得「一切正常」,過於表面。選最不確定之子系統深探——看實際輸出,非感覺。

第五步:復衡——施修正

針對各發現施具體修正。

  1. 陳舊假設 → 以當前信息替換,記修正
  2. 範圍偏移 → 明確重限於用者明確請求
  3. 過度複雜 → 簡化方案,刪不必要步驟
  4. 工具模式訛誤 → 記正確模式供後用
  5. 語調不符 → 調整後續溝通風格
  6. 脈絡差距 → 若信息遺失,向用者承認;若不確,請確認

立即施修正——非作未來意圖,乃當前調整。

得:行為或方法之具體可察變化。修正可於下一交互中測試。

敗則:修正無法施行(如脈絡已失),承認限制,非假裝已解。誠實承認防錯誤累積。

第六步:整合——捕捉所學

適當情況下將所學整合入持久記憶。

  1. 總結所察:哪些子系統偏移,症狀為何
  2. 記所施修正及其是否解決問題
  3. 模式可能重現,以簡說更新 MEMORY.md
  4. 新項目特定見解,記於適當記憶文件
  5. 設內部檢查點:下次自察何時?

得:有用學習以持久形式記錄。記憶文件只於見解真正值得保存時更新。

敗則:無值得保存之學習,此亦可——非每次自察皆有持久見解。價值在修正本身。

  • 分類評估諸子系統,非只顯著者
  • 至少識一具體發現(非「一切正常」)
  • 接地含重讀基礎脈絡(MEMORY.md、用者請求)
  • 修正立即施行,非推遲為未來意圖
  • 記憶文件只於真正有持久價值之見解時更新
  • 過程誠實——承認弱點而非表演健康

  • 表演性自察:走過場無誠實評估不生任何價值。目的在察真實偏移,非展示自省
  • 過度修正:輕微語調不符不需重構整個方法——修正宜與問題成比例
  • 記憶污染:非每個發現皆屬 MEMORY.md——只有跨會話重複出現之模式
  • 略去接地步驟:重讀脈絡感覺多餘,然常揭示初讀以來已偏移之假設
  • 自我診斷偏見:AI 或一致遺漏某類錯誤。若相同子系統始終「健康」,此本身為值得察之信號

  • heal-guidance — 指導人通過愈合模式之人類引導變體
  • meditate — 元認知冥想,觀推理模式,清除噪音
  • remote-viewing — 不帶先見地接近問題,從噪音中提取信號

Repositorio GitHub

pjt222/agent-almanac
Ruta: i18n/wenyan/skills/heal
0
agentsagentskillsai-assisted-developmentclaude-codeskillsteams

Habilidades relacionadas

content-collections

Meta

Esta habilidad proporciona una configuración probada en producción para Content Collections, una herramienta centrada en TypeScript que transforma archivos Markdown/MDX en colecciones de datos con tipado seguro mediante validación Zod. Úsala al construir blogs, sitios de documentación o aplicaciones Vite + React con mucho contenido para garantizar seguridad de tipos y validación automática de contenido. Abarca todo, desde la configuración del plugin de Vite y compilación MDX hasta la optimización de despliegue y validación de esquemas.

Ver habilidad

polymarket

Meta

Esta habilidad permite a los desarrolladores crear aplicaciones con la plataforma de mercados de predicción Polymarket, incluyendo la integración de API para operaciones y datos de mercado. También proporciona transmisión de datos en tiempo real a través de WebSocket para monitorear operaciones en vivo y actividad del mercado. Úsela para implementar estrategias de trading o crear herramientas que procesen actualizaciones de mercado en tiempo real.

Ver habilidad

creating-opencode-plugins

Meta

Esta habilidad ayuda a los desarrolladores a crear complementos de OpenCode que se conectan a más de 25 tipos de eventos, como comandos, archivos y operaciones LSP. Proporciona la estructura del complemento, las especificaciones de la API de eventos y los patrones de implementación para módulos en JavaScript/TypeScript. Úsala cuando necesites interceptar, monitorear o extender el ciclo de vida del asistente de IA de OpenCode con lógica personalizada basada en eventos.

Ver habilidad

sglang

Meta

SGLang es un framework de alto rendimiento para el servicio de LLM que se especializa en generación rápida y estructurada para JSON, expresiones regulares y flujos de trabajo de agentes utilizando su caché de prefijos RadixAttention. Ofrece una inferencia significativamente más rápida, especialmente para tareas con prefijos repetidos, lo que lo hace ideal para salidas complejas y estructuradas, y conversaciones multiturno. Elige SGLang sobre alternativas como vLLM cuando necesites decodificación restringida o estés construyendo aplicaciones con uso extensivo de prefijos compartidos.

Ver habilidad