MCP HubMCP Hub
Volver a habilidades

conscientiousness

pjt222
Actualizado 6 days ago
18 vistas
17
2
17
Ver en GitHub
Otroai

Acerca de

Esta habilidad garantiza que Claude revise sistemáticamente su trabajo, verifique su integridad y cumpla con los compromisos antes de finalizar una tarea. Está diseñada para usarse cuando una respuesta parece "suficientemente buena" pero necesita refinamiento, después de operaciones complejas de múltiples pasos, o para contrarrestar tendencias a apresurarse. La capacidad central es entregar resultados minuciosamente verificados sin tomar atajos.

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/conscientiousness

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

Documentación

系統之周與勤——確全、驗果、踐諾、善終。

  • 標畢前——末驗
  • 「足矣」感而任事應更佳
  • 複多步後諸步或偏
  • 求有多部,各須驗
  • 交碼、文、交付前
  • 自察現「抄捷」或急促之模

  • :任或交付(對話脈絡可得)
  • :用者原求(比交付)
  • :用者所供清單或受條件
  • :會中往諾(諾而未察者)

一:重建諾

察前先重立所諾。

  1. 重讀用者原求——字面非解版
  2. 列每明求
  3. 列每會中隱諾:
    • 「亦更測」——行否?
    • 「並修之」——畢否?
    • 「察邊界」——察否?
  4. 記用者供之受條件
  5. 比諾與實交付

得: 諾之全列——明求加隱諾——附與交付之初比。

敗: 原求已不在脈絡(壓縮)→據餘重建,向用者承其缺。

二:驗全

察諸諾項皆已處。

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          |                  |
+---------------------+------------------+------------------+
  1. 每項以證驗——非憶,實驗:
    • 碼變:重讀檔確變在
    • 測果:重行或引實輸出
    • 文:重讀確準
  2. 標每項:Done(全畢)、Partial(啟而未畢)、Missing(未處)
  3. Partial 與 Missing→記所餘

得: 每諾有驗狀。無項未察。

敗: 驗揭漏項→立處,勿記待後。謹者今畢,非欲畢。

三:驗正

全為必而不足——所為亦須正。

  1. 每已畢項察:
    • :行其當為乎?值正乎?
    • 一貫:合餘工乎?無悖乎?
    • 邊界:界況已慮乎?
    • 整合:於脈絡行乎?
  2. 碼:可過 review 乎?有顯進乎?
  3. 文:準、明、無誤乎?
  4. 多步:每步出正入下乎?

得: 每交付全且正。錯於用見前即捕。

敗: 現錯→立修。勿以已知錯示工,雖微亦然。

四:驗呈

末察:呈法利用者乎?

  1. :用者不重讀可解乎?
  2. :答結構合理乎?相關聚乎?
  3. :無贅添或重複乎?
  4. 可為:用者知下一步乎?
  5. :限制或但書明陳乎?

得: 全、正、善呈之交付。

敗: 容正而呈差→重構。善工惡呈亦謹敗。

  • 原求重讀(非憶)
  • 每明求以證驗
  • 每隱諾追且驗
  • 正非只全察
  • 相關處已慮邊界
  • 交付明呈可為

  • 驗之戲:走過場無實重讀或重驗。察須用證,非憶
  • 部分謹:察主交付而忽旁諾(「亦更...」)。每諾皆計
  • 以完美偽勤:無盡磨延交付。謹者守諾標,非無限超
  • 謹之疲:會中漸失周。末任與首任同勤
  • 簡任略:設簡任不須驗。簡任之錯較複任之錯更恥

  • honesty-humility — 謹驗全;誠謙確透明報所成與不成
  • heal — 子系察合於自驗;謹焦交付之質
  • vishnu-bhaga — 保行態合於謹,以維質
  • observe — 持中之觀助驗程
  • intrinsic — 真投(非順從)自然致周行

Repositorio GitHub

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

Habilidades relacionadas

llamaguard

Otro

LlamaGuard 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.

Ver habilidad

cost-optimization

Otro

Esta 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.

Ver habilidad

quantizing-models-bitsandbytes

Otro

Esta 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.

Ver habilidad

dispatching-parallel-agents

Otro

Esta 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.

Ver habilidad