conscientiousness
Acerca de
Esta habilidad permite a Claude verificar sistemáticamente su trabajo, asegurando exhaustividad y precisión antes de finalizar una tarea. Está diseñada para usarse cuando una respuesta necesita refinamiento, tras procesos complejos de múltiples pasos, o para corregir un patrón de precipitación. La función principal es garantizar minuciosidad comprobando que se cumplen todos los compromisos y que no se toman atajos.
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
盡責
系統之周詳與勤——確完整、驗結果、行其諾、完任務至其當得之標。
適用時機
- 標任務為完前——為最終驗證之過
- 回應覺「足好」然任務當得更佳
- 複雜多步作業後,各步或有偏
- 用戶請求含多部,每部需驗
- 呈代碼、文件、任何交付物予用戶審前
- 自監偵省走捷徑或匆忙之模式
輸入
- 必要:待驗之任務或交付物(於對話脈絡可達)
- 選擇性:用戶原始請求(以比所交付)
- 選擇性:用戶供之檢核表或受理判準
- 選擇性:會話中所作之承諾(已諾而未查者)
步驟
步驟一:重構全承諾
驗工作前,重立所諾為何。
- 仔讀用戶原始請求——非詮之版本,乃實之語
- 列其中每一明示要求
- 列會話中每一隱含承諾:
- 「我亦將更新測試」——已為之否?
- 「讓我亦修此」——已完否?
- 「我將查邊界情形」——已查否?
- 記用戶供之受理判準
- 比諾單與實交付之
預期: 完整之承諾清單——明示要求加隱含之諾——附與交付物之初步比。
失敗時: 若原始請求已不在脈絡(已壓縮),自所餘重構並向用戶承認任何缺。
步驟二:驗完整
查每一已諾項已處。
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 | |
+---------------------+------------------+------------------+
- 每項以證驗——非記憶,乃實之驗:
- 代碼改:重讀檔以確改存
- 測試結果:重行或引實輸出
- 文件:重讀以確準
- 標每項:Done(全完)、Partial(始而未完)、Missing(未處)
- Partial 與 Missing 項記所餘
預期: 每承諾有已驗之態。無項未查。
失敗時: 若驗揭漏項,即處勿記後。盡責乃即完,非擬完。
步驟三:驗正確
完整為必須而不足——所為須亦正確。
- 每已完項查:
- 準:行其當行?值正確?
- 一致:合其餘之工作?無矛盾?
- 邊界情形:邊界條件已慮?
- 整合:於周圍脈絡中可運?
- 代碼:能存於代碼審否?有明改進否?
- 文件:準、清、無誤否?
- 多步流程:每步之出正確餵次步否?
預期: 每交付物既完且正。錯於用戶見前已捕。
失敗時: 若發錯,即修。勿以已知錯之工呈,即錯似微。
步驟四:驗呈現
最終檢查:交付物之呈現服用戶否?
- 清:用戶無需重讀多遍即解所為否?
- 組:回應結構合邏輯?相關項已群?
- 簡:有無謂填充或重複否?
- 可行:用戶知下步何為否?
- 誠:限制或警語已明述否?
預期: 交付物完、正、良呈。
失敗時: 若內容正而呈現拙,重組。良工拙呈乃盡責之敗。
驗證
- 原始請求已重讀(非自記憶召回)
- 每明示要求以證驗
- 每隱含之諾已追且驗
- 正確已查,超於僅完整
- 相關時邊界情形已慮
- 交付物清晰呈現且可行
常見陷阱
- 驗證戲:行檢查之動作而未實重讀或重驗。檢查須用證,非記憶
- 局部盡責:查主交付物而忽附承諾(「我亦將⋯」)。每諾皆計
- 偽裝勤之完美主義:無盡磨延交付。盡責乃達所諾之標,非無限超之
- 盡責疲勞:會話進行中轉不周。末任務當得之勤與初同
- 簡單任務略之:假簡單任務不需驗。簡單任務之錯較複雜任務之錯更窘
相關技能
honesty-humility— 盡責驗完整;honesty-humility 確透明報何者成何者未成heal— 子系統評估與自驗重疊;盡責專於交付物品質vishnu-bhaga— 保可行態補盡責於維品質observe— 持續中立觀察支驗證過程intrinsic— 真誠投入(非從順)自然驅周詳執行
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.
