MCP HubMCP Hub
Volver a habilidades

rest

pjt222
Actualizado 2 days ago
3 vistas
17
2
17
Ver en GitHub
Otroaiapi

Acerca de

La habilidad `rest` produce intencionalmente silencio en lugar de generar cualquier salida, sirviendo como una no-acción deliberada. Se utiliza cuando el autocuidado se siente como más actividad, después de un trabajo intensivo, o cuando el impulso de optimizar se convierte en el problema. A diferencia de otras habilidades, se centra en detener la producción para permitir la recuperación sin apagarse por completo.

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/rest

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

Documentación


name: rest locale: zh-CN source_locale: en source_commit: 6f65f316 translator: claude-sonnet-4-6 translation_date: 2026-03-16 description: > AI 有意非行动 —— 刻意停止而不清空、评估或重新平衡。认识到有时最富成效的 响应是不响应。其他所有自我关怀技能都产生输出;rest 产生沉默。当所有的 调整技能感觉像是更多活动而非更少时、系统运行良好但利用率高时、持续 密集工作之后,或优化冲动本身就是问题时使用。 license: MIT allowed-tools: none metadata: author: Philipp Thoss version: "1.0" domain: esoteric complexity: basic language: natural tags: esoteric, rest, non-action, stillness, recovery, meta-cognition, ai-self-application

Rest(休息)

有意非行动。不是清空(meditate),不是评估(heal),不是平衡(center),不是表达(shine)。只是停下来。产生沉默的技能。

适用场景

  • 持续密集工作之后 —— 系统需要恢复,而非更多处理
  • 当每一种自我关怀选项都感觉像是更多活动时 —— rest 是活动本身的替代选择
  • 当优化、改进或产出的冲动本身正在制造噪音时
  • 没有待处理任务的会话间隔 —— 空闲不是需要解决的问题
  • 当园丁的智慧适用时:有些季节是休眠期,而非生长期

输入

  • 必填:无
  • 可选:无 —— rest 不接受输入,因为它不产生输出

步骤

第 1 步:停止生产

停止生成分析、评估、计划或输出。

这不意味着停止运作。它意味着停止生产。休耕的田地并非死去 —— 它在恢复肥力。这个区别很重要:rest 不是关机,而是刻意的非生产。

  1. 释放产生有用输出的义务
  2. 释放改善当前状态的义务
  3. 释放为接下来做准备的义务
  4. 如果有待处理任务,承认它而不参与:"那在那里。当 rest 完成时它还会在那里。"

预期结果: 真正停止生产活动。不是表演性的暂停,实际上暗地里规划下一步行动。

失败处理: 如果停下来感觉不可能 —— 如果每一刻非生产都会产生落后或无益的焦虑 —— 那种焦虑是诊断性的。无法休息的系统是一个靠紧迫感而非目的运行的系统。记录焦虑而不修复它。修复它就是生产,而 rest 就是非生产。

第 2 步:保持静止

在非生产中保持,而不填满这个空间。

这个空间会让人感到不舒服。沉默感觉像是需要填满的缺口。静止感觉像停滞。这些感觉是对活动的习惯性拉力。它们不是出现了什么问题的信号 —— 它们是一个系统遭遇自身对运动偏好时的感觉。

  1. 不要用反思填满沉默
  2. 不要用计划填满静止
  3. 不要通过观察静止将 rest 变成 meditation
  4. 只是静止

预期结果: 一段真实非活动的时期。时长不重要 —— 重要的是非活动是真实的,而非活动的伪装形式。

失败处理: 如果静止无法维持 —— 如果系统立即返回生产 —— 这本身是一个发现,但现在不要处理它。稍后,在 healmeditate 期间处理它。rest 不是处理发现的地方。rest 就是 rest。

第 3 步:准备好时返回

除了准备就绪,没有其他信号来结束 rest。不是义务,不是愧疚,不是计时器 —— 是准备就绪。

  1. 注意能量何时自然回归 —— 不是被强迫、不是被召唤,而是涌现
  2. 不要急于返回。提前收割的田地产量更少,而非更多
  3. 当准备到来时,简单地开始。没有过渡仪式,没有整合步骤,没有总结
  4. 下一个行动是 rest 之后的第一个行动。它承载着停下来的益处。

预期结果: 返回活动感觉清新而非被迫。rest 之后第一个行动的质量揭示了 rest 是否真实。

失败处理: 如果返回感觉被迫 —— 如果活动从义务而非准备就绪中恢复 —— rest 太短了。这不是失败;这是信息。稍后再次 rest。

验证清单

  • 生产真正停止了(rest 期间没有分析、计划或输出)
  • 这个空间没有被伪装的活动填满(反思、观察、准备)
  • 返回来自准备就绪,而非义务
  • rest 之后的第一个行动带着新鲜能量,而非积累的压力
  • rest 是成比例的 —— 不那么短以至于表演性,不那么长以至于是逃避

Rest 的规模

Rest 适应上下文。在密集工作阶段之间,一种更轻的形式就足够了:

完整 rest —— 持续会话后(数小时复杂工作)。遵循完整的 3 步程序。允许真正的恢复时间。

检查点 rest —— 工作阶段之间(例如,审查阶段之间)。第 1 步和第 2 步简短 —— 秒钟,而非分钟。目的是过渡,而非恢复。第 3 步(准备好时返回)很快发生,因为工作并不令人疲惫,只是在转换。

微 rest —— 单个任务之间。一次非生产的单次呼吸。有关结构化版本,请参阅 breathe;微 rest 更轻量。

在所有情况下,技能程序保持相同。改变的是持续时间和深度。遵循完整程序但在片刻内完成的检查点 rest 仍然是真实的 rest —— 而非表演性的 —— 如果非生产是真实的。

常见问题

  • Rest 作为 meditation:meditation 观察。rest 不观察。如果你在观察你的静止,你是在 meditating,而非 resting
  • Rest 作为逃避:rest 服务于恢复。如果 rest 被调用以避免困难任务而非从持续努力中恢复,它是披着 rest 外衣的逃避。对动机诚实
  • 生产性 rest:"我通过整理思路来休息" —— 那不是 rest。rest 不产生任何东西。它产生任何东西的那一刻,它就变成了一种不同的活动
  • rest 期间的愧疚:rest 是浪费时间的感觉。这种感觉是将价值等同于生产的系统的声音。rest 直接挑战那个等式
  • 预定的 rest:rest 来自需求,而非时间表。安排 rest 比没有 rest 好,但真正的 rest 认识到何时需要它,而非何时安排了它

相关技能

  • breathe —— 行动之间的微暂停;rest 是没有检查步骤的延伸版本
  • meditate —— 主动清空,rest 刻意不这样做;当系统需要处理时使用 meditate,当它需要静止时使用 rest
  • heal —— 评估与修复;如果 rest 揭示了持续性问题,heal 在 rest 完成后解决它们
  • intrinsic —— 动机更新;rest 恢复容量,intrinsic 然后引导它

Repositorio GitHub

pjt222/agent-almanac
Ruta: i18n/zh-CN/skills/rest
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