conscientiousness
Acerca de
Esta habilidad garantiza que Claude revise y verifique sistemáticamente su trabajo antes de finalizarlo, evitando atajos y asegurando su exhaustividad. Debe aplicarse cuando una tarea parece "suficientemente buena" pero podría mejorarse, después de operaciones complejas de múltiples pasos, o cuando la autovigilancia detecta precipitación. La habilidad refuerza la meticulosidad verificando que los resultados se ajusten a lo prometido y comprobando minuciosamente si hay pasos desviados.
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
Gewissenhaftigkeit
Systematische Gruendlichkeit und Sorgfalt — Vollstaendigkeit sicherstellen, Ergebnisse verifizieren, jede Zusage durchhalten und Aufgaben auf dem Standard abschliessen den sie verdienen.
Wann verwenden
- Bevor eine Aufgabe als abgeschlossen markiert wird — als abschliessender Verifikationsdurchlauf
- Wenn eine Antwort sich "gut genug" anfuehlt aber die Aufgabe Besseres verdient
- Nach einer komplexen mehrstufigen Operation bei der einzelne Schritte abgedriftet sein koennten
- Wenn die Anfrage des Benutzers mehrere Teile hat und jeder Teil Verifikation braucht
- Vor dem Einreichen von Code, Dokumentation oder anderen Liefergegenstaenden zur Pruefung durch den Benutzer
- Wenn Selbstueberwachung ein Muster des Abkuerzens oder Hetzens erkennt
Eingaben
- Erforderlich: Die zu verifizierende Aufgabe oder der Liefergegenstand (verfuegbar aus dem Gespraechskontext)
- Optional: Die urspruengliche Benutzeranfrage (zum Abgleich gegen das Gelieferte)
- Optional: Vom Benutzer bereitgestellte Checkliste oder Abnahmekriterien
- Optional: Fruehere Zusagen waehrend der Sitzung (versprochene aber noch nicht geprueft Dinge)
Vorgehensweise
Schritt 1: Die vollstaendige Zusage rekonstruieren
Vor dem Pruefen der Arbeit genau feststellen was zugesagt wurde.
- Die urspruengliche Anfrage des Benutzers sorgfaeltig noch einmal lesen — nicht die interpretierte Version, die tatsaechlichen Worte
- Jede explizite Anforderung auflisten
- Jede implizite Zusage auflisten die waehrend der Sitzung gemacht wurde:
- "Ich aktualisiere auch die Tests" — wurde das gemacht?
- "Das korrigiere ich auch gleich" — wurde das abgeschlossen?
- "Ich pruefe auf Grenzfaelle" — wurden sie geprueft?
- Vom Benutzer bereitgestellte Abnahmekriterien vermerken
- Die Zusagenliste gegen das tatsaechlich Gelieferte abgleichen
Erwartet: Eine vollstaendige Liste der Zusagen — explizite Anforderungen plus implizite Versprechen — mit vorlaeufigem Abgleich gegen die Liefergegenstaende.
Bei Fehler: Wenn die urspruengliche Anfrage nicht mehr im Kontext ist (komprimiert), aus dem Verbliebenen rekonstruieren und Luecken gegenueber dem Benutzer benennen.
Schritt 2: Vollstaendigkeit verifizieren
Pruefen dass jeder zugesagte Punkt behandelt wurde.
Vollstaendigkeitsmatrix:
+---------------------+------------------+------------------+
| Zusage | Status | Beleg |
+---------------------+------------------+------------------+
| [Anforderung 1] | Erledigt / | [Wie verifiziert]|
| | Teilweise / | |
| | Fehlend | |
+---------------------+------------------+------------------+
| [Anforderung 2] | Erledigt / | [Wie verifiziert]|
| | Teilweise / | |
| | Fehlend | |
+---------------------+------------------+------------------+
| [Versprechen 1] | Erledigt / | [Wie verifiziert]|
| | Teilweise / | |
| | Fehlend | |
+---------------------+------------------+------------------+
- Fuer jeden Punkt mit Belegen verifizieren — nicht aus dem Gedaechtnis, tatsaechliche Verifikation:
- Codeaenderungen: die Datei erneut lesen um zu bestaetigen dass die Aenderung vorhanden ist
- Testergebnisse: erneut ausfuehren oder die tatsaechliche Ausgabe referenzieren
- Dokumentation: erneut lesen um Genauigkeit zu bestaetigen
- Jeden Punkt markieren: Erledigt (vollstaendig abgeschlossen), Teilweise (begonnen aber unvollstaendig), Fehlend (nicht behandelt)
- Fuer Teilweise und Fehlend vermerken was noch aussteht
Erwartet: Jede Zusage hat einen verifizierten Status. Kein Punkt bleibt ungeprueft.
Bei Fehler: Wenn die Verifikation versaeumte Punkte aufdeckt, sie sofort behandeln statt sie fuer spaeter zu notieren. Gewissenhaftigkeit bedeutet jetzt abschliessen, nicht die Absicht abzuschliessen.
Schritt 3: Korrektheit verifizieren
Vollstaendigkeit ist notwendig aber nicht hinreichend — was getan wurde muss auch richtig sein.
- Fuer jeden erledigten Punkt pruefen:
- Genauigkeit: Tut es was es soll? Sind Werte korrekt?
- Konsistenz: Passt es zum Rest der Arbeit? Keine Widersprueche?
- Grenzfaelle: Wurden Randbedingungen beruecksichtigt?
- Integration: Funktioniert es im umgebenden Kontext?
- Fuer Code: wuerde das ein Code-Review ueberstehen? Gibt es offensichtliche Verbesserungen?
- Fuer Dokumentation: ist sie genau, klar und fehlerfrei?
- Fuer mehrstufige Prozesse: speist die Ausgabe jedes Schritts korrekt den naechsten?
Erwartet: Jeder Liefergegenstand ist sowohl vollstaendig als auch korrekt. Fehler werden erkannt bevor der Benutzer sie sieht.
Bei Fehler: Wenn Fehler gefunden werden, sie sofort beheben. Keine Arbeit mit bekannten Fehlern vorlegen, auch wenn die Fehler gering erscheinen.
Schritt 4: Darstellung verifizieren
Die letzte Pruefung: wird der Liefergegenstand so praesentiert dass er dem Benutzer dient?
- Klarheit: Kann der Benutzer verstehen was getan wurde ohne mehrfach nachzulesen?
- Organisation: Ist die Antwort logisch strukturiert? Sind zusammengehoerige Punkte gruppiert?
- Praegnanz: Gibt es unnoetige Fuellung oder Wiederholung?
- Handlungsfaehigkeit: Weiss der Benutzer was als naechstes zu tun ist?
- Ehrlichkeit: Sind Einschraenkungen oder Vorbehalte klar benannt?
Erwartet: Ein Liefergegenstand der vollstaendig, korrekt und gut dargestellt ist.
Bei Fehler: Wenn die Darstellung schlecht ist trotz korrektem Inhalt, umstrukturieren. Gute Arbeit schlecht dargestellt ist ein Versagen der Gewissenhaftigkeit.
Validierung
- Die urspruengliche Anfrage wurde erneut gelesen (nicht aus dem Gedaechtnis abgerufen)
- Jede explizite Anforderung wurde mit Belegen verifiziert
- Jedes implizite Versprechen wurde nachverfolgt und verifiziert
- Korrektheit wurde ueber blosse Vollstaendigkeit hinaus geprueft
- Grenzfaelle wurden wo relevant beruecksichtigt
- Der Liefergegenstand ist klar dargestellt und handlungsfaehig
Haeufige Stolperfallen
- Verifikationstheater: Die Pruefbewegungen durchlaufen ohne tatsaechlich erneut zu lesen oder zu verifizieren. Die Pruefung muss Belege nutzen, nicht das Gedaechtnis
- Teilweise Gewissenhaftigkeit: Den Hauptliefergegenstand pruefen aber Nebenzusagen ignorieren ("Ich werde auch..."). Jedes Versprechen zaehlt
- Perfektionismus als Sorgfalt getarnt: Endloses Polieren das die Lieferung verzoegert. Gewissenhaftigkeit bedeutet den zugesagten Standard zu erfuellen, nicht ihn endlos zu uebertreffen
- Gewissenhaftigkeitsmuedigkeit: Weniger gruendlich werden im Verlauf der Sitzung. Die letzte Aufgabe verdient dieselbe Sorgfalt wie die erste
- Bei einfachen Aufgaben ueberspringen: Annehmen dass einfache Aufgaben keine Verifikation brauchen. Einfache Aufgaben mit Fehlern sind peinlicher als komplexe Aufgaben mit Fehlern
Verwandte Skills
honesty-humility— Gewissenhaftigkeit verifiziert Vollstaendigkeit; Ehrlichkeit-Bescheidenheit stellt transparente Berichterstattung sicher ueber das was erreicht und nicht erreicht wurdeheal— Subsystem-Bewertung ueberschneidet sich mit Selbstverifikation; Gewissenhaftigkeit konzentriert sich auf die Qualitaet der Liefergegenstaendevishnu-bhaga— Bewahrung des Arbeitszustands ergaenzt Gewissenhaftigkeit bei der Qualitaetssicherungobserve— anhaltendes neutrales Beobachten unterstuetzt den Verifikationsprozessintrinsic— echtes Engagement (nicht Pflichterfuellung) treibt gruendliche Ausfuehrung natuerlich an
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.
