MCP HubMCP Hub
Retour aux compétences

express-insight

pjt222
Mis à jour Yesterday
2 vues
17
2
17
Voir sur GitHub
Métaai

À propos

La compétence `express-insight` communique une idée complexe et multidomaine de manière accessible et exploitable, tout en préservant sa nature interconnectée. Elle fournit une méthode structurée pour choisir le format approprié, présenter la compréhension essentielle avec attribution, et solliciter des retours constructifs. Les développeurs doivent l'utiliser après `integrate-gestalt` pour transmettre des conclusions interdomaines à des spécialistes, des généralistes ou des décideurs.

Installation rapide

Claude Code

Recommandé
Principal
npx skills add pjt222/agent-almanac -a claude-code
Commande PluginAlternatif
/plugin add https://github.com/pjt222/agent-almanac
Git CloneAlternatif
git clone https://github.com/pjt222/agent-almanac.git ~/.claude/skills/express-insight

Copiez et collez cette commande dans Claude Code pour installer cette compétence

Documentation

Erkenntnis ausdruecken

Eine Multi-Domaenen-Gestalt so kommunizieren dass sie ankommt — die Beziehungen zwischen Domaenen erhaltend, die Synthese fuer die Zielgruppe zugaenglich machend und ehrlich darueber sein wo die Integration vereinfacht oder Verzerrung riskiert. Ausdruck ist der finale Schritt des synoptischen Zyklus: ohne ihn bleibt integriertes Verstaendnis privat und nicht handlungsfaehig. Die Herausforderung ist dass Sprache linear ist aber Erkenntnisse nicht — dieser Skill liefert Strukturen zur Kommunikation mehrdimensionalen Verstaendnisses ohne es auf eine einzelne Dimension zu reduzieren.

Wann verwenden

  • Nachdem integrate-gestalt ein domaeneuebergreifendes Verstaendnis produziert hat das kommuniziert werden muss
  • Wenn ein Befund mehrere Domaenen umspannt und eine Ein-Domaenen-Rahmung wesentliche Beziehungen verlieren wuerde
  • Wenn die Zielgruppe einer Erkenntnis sich von der Perspektive unterscheidet die sie erzeugt hat
  • Wenn ein integriertes Verstaendnis sich intern klar anfuehlt aber direktem Ausdruck widersteht
  • Wenn eine Entscheidung davon abhaengt zu sehen wie mehrere Domaenen interagieren, nicht nur was jede Domaene unabhaengig sagt
  • Wenn vorige Versuche einen domaeneuebergreifenden Befund zu kommunizieren mit Verwirrung oder domaenenspezifischem Pushback beantwortet wurden
  • Beim Kommunizieren von Befunden aus einer Synoptic-Mind-Team-Sitzung an Stakeholder ausserhalb des Teams

Eingaben

  • Erforderlich: Eine integrierte Erkenntnis (die Ausgabe von integrate-gestalt oder aequivalenter domaeneuebergreifender Synthese)
  • Erforderlich: Zielgruppe — wer empfaengt diese Erkenntnis (Domaenenspezialisten, Generalisten, Entscheidungstraeger oder gemischt)
  • Optional: Beschraenkungen der Form (z.B. "muss in eine PR-Beschreibung passen", "muss eine verbale Zusammenfassung sein")
  • Optional: Die integrierten Domaenen (fuer explizite Attribution)
  • Optional: Frueher gescheiterte Versuche diese Erkenntnis zu kommunizieren (was nicht ankam)

Vorgehensweise

Schritt 1: Zielgruppe einschaetzen

Bestimmen wer diese Erkenntnis empfaengt und was sie davon braucht. Dieselbe Gestalt an drei verschiedene Zielgruppen ausgedrueckt sollte drei verschiedene Formen annehmen.

  1. Die primaere Zielgruppe identifizieren:
    • Domaenenspezialisten brauchen ihre Domaene akkurat repraesentiert — sie werden eine Erkenntnis ablehnen die ihr Feld vereinfacht, auch wenn die Gesamtsynthese korrekt ist
    • Generalisten brauchen das grosse Bild — die Beziehungen zwischen Domaenen sind wichtiger als die Details innerhalb einer einzelnen
    • Entscheidungstraeger brauchen umsetzbare Implikationen mit Trade-offs — sie wollen wissen was zu tun ist, was es kostet und was passiert wenn sie nichts tun
    • Gemischte Zielgruppen erfordern geschichtete Kommunikation: mit dem grossen Bild beginnen, dann domaenenspezifische Tiefe bereitstellen die Spezialisten verifizieren koennen
  2. Das vorhandene mentale Modell der Zielgruppe einschaetzen:
    • Was verstehen sie bereits ueber jede beteiligte Domaene?
    • Welche Verbindungen zwischen Domaenen werden ihnen neu sein?
    • Welche Annahmen koennten sie halten die die Erkenntnis herausfordert?
  3. Die Vertrauens-Anforderung identifizieren: wie viel Begruendung braucht diese Zielgruppe bevor sie eine domaeneuebergreifende Behauptung akzeptiert?
    • Spezialisten vertrauen Erkenntnis die die Strenge ihrer Domaene respektiert
    • Generalisten vertrauen Erkenntnis die Komplexitaet navigierbar macht ohne zu vereinfachen
    • Entscheidungstraeger vertrauen Erkenntnis die Trade-offs ehrlich an die Oberflaeche bringt statt sie zu verstecken

Erwartet: Ein klares Bild davon wer die Zielgruppe ist, was sie braucht und was die Erkenntnis fuer sie glaubwuerdig machen wird. Die Zielgruppen-Bewertung sollte jeden nachfolgenden Schritt beeinflussen.

Bei Fehler: Wenn die Zielgruppe unbekannt oder zu breit zum Charakterisieren ist, auf den Mixed-Audience-Ansatz defaulten: grosses Bild zuerst, Domaenentiefe auf Nachfrage. An "alle" zu kommunizieren ist weniger effektiv als an jemand Spezifisches zu kommunizieren, aber besser als falsch zu raten.

Schritt 2: Form waehlen

Das Ausdrucksformat waehlen das am besten der Zielgruppe und der Natur der Erkenntnis dient. Form ist keine Dekoration — sie bestimmt was die Zielgruppe wahrnehmen kann.

  1. Die vier primaeren Formen evaluieren:

    FormStrukturAm besten fuer
    NarrativeGeschichte die Domaenen verbindet — "wenn X in Domaene A passiert, schafft es Y in Domaene B, was Z bedeutet"Komplexe oder neue Erkenntnisse wo die Zielgruppe dem Reasoning-Pfad folgen muss
    DiagrammRaeumliches Layout das Beziehungen zeigt — Knoten sind Domaenenbeitraege, Kanten sind VerbindungenStrukturelle Erkenntnisse wo die Topologie der Beziehungen wichtiger ist als die Sequenz
    VergleichstabellePerspektive jeder Domaene zur selben Frage in parallelen SpaltenAnalytische Zielgruppen die jeden Domaenenbeitrag unabhaengig verifizieren wollen
    EmpfehlungUmsetzbare Synthese — "tu X weil Domaenen A, B und C auf Y konvergieren, mit Trade-off Z"Entscheidungstraeger die handeln, nicht nur verstehen muessen
  2. Form an Erkenntnistyp anpassen:

    • Wenn die Erkenntnis ueber eine Kausalkette ueber Domaenen ist, Narrative nutzen
    • Wenn die Erkenntnis ueber strukturelle Beziehungen ist, Diagramm nutzen
    • Wenn die Erkenntnis ueber Konvergenz oder Divergenz zwischen Domaenen ist, Vergleichstabelle nutzen
    • Wenn die Erkenntnis ueber was als naechstes zu tun ist ist, Empfehlung nutzen
  3. Kombination von Formen erwaegen: eine Empfehlung gestuetzt durch eine Vergleichstabelle oder eine Narrative illustriert mit einem Diagramm. Aber mit einer primaeren Form fuehren — kognitive Last aus mehreren Formaten kann verschleiern statt klaeren

  4. Medien-Beschraenkungen beruecksichtigen: eine verbale Zusammenfassung kann keine Vergleichstabelle tragen; eine Commit-Message kann keine Narrative tragen. Wenn das Medium die Form beschraenkt, die Form anpassen statt Inhalt in einen inkompatiblen Behaelter zu zwingen

Erwartet: Eine gewaehlte primaere Form (und optionale sekundaere Form) mit klarer Begruendung verbunden mit der Zielgruppe und der Natur der Erkenntnis.

Bei Fehler: Wenn keine Form sich richtig anfuehlt, ist die Erkenntnis moeglicherweise noch nicht voll integriert. Zu integrate-gestalt zurueckkehren — Schwierigkeit beim Ausdruecken signalisiert oft unvollstaendige Synthese, kein Kommunikationsproblem.

Schritt 3: Die Gestalt ausdruecken

Die Erkenntnis in der gewaehlten Form kommunizieren, explizit vermerkend was sie integriert, wo sie vereinfacht und was sie ermoeglicht.

  1. Die Erkenntnis klar angeben — ein bis drei Saetze die das Kernverstaendnis erfassen. Dies ist die Gestalt selbst, nicht die unterstuetzende Evidenz
  2. Die integrierten Domaenen benennen — explizit auflisten welche Domaenen zu diesem Verstaendnis beigetragen haben. Dies ist nicht Attribution fuer Anerkennung; es ist Attribution fuer Verifikation. Jede benannte Domaene ist eine Einladung: "pruefe dies gegen deine Expertise"
  3. Die Vereinfachungen markieren — jede Multi-Domaenen-Erkenntnis vereinfacht. Angeben wo:
    • Welche domaenenspezifischen Nuancen wurden beiseite gelegt?
    • Welche Beziehungen wurden als staerker oder schwaecher behandelt als sie sein koennten?
    • Was wuerde ein Spezialist in Domaene X hinzufuegen oder qualifizieren wollen?
  4. Den emergenten Wert angeben — was ermoeglicht diese Erkenntnis das Ein-Domaenen-Analyse nicht ermoeglicht?
    • Welche Entscheidung wird moeglich die vorher nicht moeglich war?
    • Welches Risiko wird sichtbar das innerhalb einzelner Domaenen verborgen war?
    • Welche Gelegenheit erscheint an der Schnittstelle die keine einzelne Domaene besitzt?
  5. Die Multi-Domaenen-Textur erhalten — dem Drang widerstehen die Erkenntnis in die Sprache einer Domaene zu plaetten. Wenn die Erkenntnis Engineering und User-Experience integriert, beide Vokabulare nutzen. Wenn sie Forschung und Operations verbindet, beide Rahmungen erhalten. Die Textur ist die Erkenntnis
  6. Fuer Verstaendnis sequenzieren — auch wenn die Erkenntnis nicht-linear ist, ist Kommunikation sequenziell. Den Einstiegspunkt waehlen der der Zielgruppe den besten Halt gibt: mit der Domaene beginnen die sie am besten kennt, dann nach aussen in die unvertrauten Domaenen brueckenschlagen. Der erste Satz bestimmt ob die Zielgruppe sich vorlehnt oder abschaltet

Erwartet: Eine kommunizierte Erkenntnis die die Zielgruppe verstehen, gegen ihre eigene Expertise verifizieren und nach der sie handeln kann. Die Vereinfachungen sind sichtbar, nicht versteckt. Der emergente Wert ist klar.

Bei Fehler: Wenn der Ausdruck sich wie eine Liste von Domaenenbeitraegen statt einem integrierten Ganzen anfuehlt, ist die Gestalt waehrend der Kommunikation zerlegt worden. Zuruecktreten und neu ausdruecken: von dem starten was die Kombination enthuellt, nicht von dem was jede Domaene separat sagt. Die Synthese ist die Botschaft, nicht die Teile.

Schritt 4: Zur Herausforderung einladen

Den staerksten Grund angeben warum die Erkenntnis falsch sein koennte. Integrierte Erkenntnisse koennen sich sicherer anfuehlen als sie sind weil sie viele Eingaben synthetisieren — Konvergenz schafft ein Gefuehl von Validitaet das unverdient sein kann. Dieser Schritt ist kein hoeflichkeitshalber angehaengter Disclaimer; er ist eine strukturelle Komponente die die Erkenntnis nutzbar macht.

  1. Das schwaechste Glied identifizieren — welche Domaenen-Verbindung in der Erkenntnis ist am schlechtesten unterstuetzt? Wo verlaesst sich die Integration auf Analogie statt Evidenz?
  2. Die gefaehrdete Annahme benennen — was muesste wahr sein damit die Erkenntnis haelt, und wie zuversichtlich bist du dass es wahr ist?
  3. Die Gegenerkenntnis angeben — wenn jemand mit gleichem Zugang zu allen denselben Domaenen zu einer anderen Schlussfolgerung kaeme, was waere ihr staerkstes Argument?
  4. Herausforderung als wertvoll rahmen — klarmachen dass die Erkenntnis herauszufordern sie staerkt. "Der staerkste Einwand den ich sehe ist..." signalisiert Vertrauen und Offenheit gleichzeitig
  5. Spezifizieren was deine Meinung aendern wuerde — die Evidenz oder das Argument benennen das die Erkenntnis revidieren oder kollabieren wuerde. Das macht die Erkenntnis falsifizierbar, nicht nur ueberzeugend

Erwartet: Eine ehrliche Aussage von Unsicherheit die das Vertrauen der Zielgruppe eher erhoeht als verringert. Die Erkenntnis ist nun herausforderbar — und daher verbesserbar.

Bei Fehler: Wenn keine Schwaeche identifiziert werden kann, ist das selbst ein Warnsignal. Alle domaeneuebergreifenden Erkenntnisse beinhalten Uebersetzung zwischen Frameworks, und Uebersetzung verliert immer etwas. Wenn der Verlust unsichtbar ist, wurde er noch nicht gefunden, nicht vermieden. Genauer auf die Domaenengrenzen schauen — dort leben versteckte Annahmen. Haeufige Verstecke: geteilte Metaphern die in jeder Domaene anders funktionieren, statistische Korrelationen die ueber Domaenengrenzen als kausal angenommen werden und Analogien die strukturell aber nicht quantitativ halten.

Validierung

  • Zielgruppe wurde explizit identifiziert und ihre Beduerfnisse formten den Ausdruck
  • Form wurde basierend auf Erkenntnistyp und Zielgruppe gewaehlt, nicht Gewohnheit oder Bequemlichkeit
  • Die Erkenntnis wurde als kohaerentes Ganzes angegeben, nicht in Per-Domaene-Zusammenfassungen zerlegt
  • Beitragende Domaenen wurden zur Verifikation benannt, nicht nur zur Attribution
  • Vereinfachungen wurden explizit angegeben — was beiseite gelegt und was approximiert wurde
  • Emergenter Wert wurde artikuliert — was die Integration ermoeglicht das Teile nicht ermoeglichen
  • Multi-Domaenen-Vokabular wurde erhalten statt in die Sprache einer Domaene geplaettet
  • Einstiegspunkt wurde fuer das vorhandene Wissen der Zielgruppe gewaehlt — beginnt wo sie sind, brueckt zu wo die Erkenntnis hingeht
  • Der staerkste Grund warum die Erkenntnis falsch sein koennte wurde angegeben
  • Die Erkenntnis ist falsifizierbar — spezifische Evidenz oder Argumente die sie revidieren wuerden, wurden benannt
  • Ein Domaenenspezialist der den Beitrag seiner Domaene liest wuerde sie als akkurat erkennen, nicht karikiert

Haeufige Stolperfallen

  • Domaene-fuer-Domaene-Berichten: Den Beitrag jeder Domaene sequenziell zu praesentieren ist kein Ausdruck einer Erkenntnis — es ist Praesentation von Rohmaterial. Die Erkenntnis ist was aus der Kombination auftaucht. Mit der Synthese fuehren, dann mit Domaenendetail unterstuetzen falls noetig
  • Falsche Sicherheit aus Konvergenz: Wenn drei Domaenen alle in dieselbe Richtung zu zeigen scheinen, fuehlt es sich wie starke Evidenz an. Aber wenn diese Domaenen zugrundeliegende Annahmen oder Datenquellen teilen, ist die Konvergenz weniger unabhaengig als sie scheint. Immer pruefen ob die Domaenen tatsaechlich unabhaengig sind
  • Plaetten zur Domaene der Zielgruppe: Beim Kommunizieren an einen Spezialisten ist die Versuchung die ganze Erkenntnis in seine Sprache zu uebersetzen. Das macht sie zugaenglich aber zerstoert die Multi-Domaenen-Natur. Die Textur erhalten — das unvertraute Vokabular ist kein Rauschen, es ist Signal
  • Den Herausforderungs-Schritt ueberspringen: "Hier ist warum ich falsch sein koennte" wegzulassen fuehlt sich an als wuerde es die Erkenntnis staerker machen. Das tut es nicht. Es macht die Erkenntnis weniger vertrauenswuerdig und weniger verbesserbar. Epistemische Ehrlichkeit ist ein Feature, keine Schwaeche
  • Erkenntnis-Inflation: Behaupten dass die Synthese mehr enthuellt als sie es tut. Eine domaeneuebergreifende Beobachtung ist nicht automatisch ein Durchbruch. Praezise sein ueber den Scope: "dies gilt fuer X im Kontext Y" ist wertvoller als "dies aendert alles"
  • Vorzeitiger Ausdruck: Vor voller Formung der Gestalt auszudruecken produziert Halberkennknisse die integriert klingen aber unter Pruefung kollabieren. Wenn der Ausdruck immer wieder stockt, ist das Problem stromaufwaerts in integrate-gestalt, nicht hier
  • Hinter Komplexitaet verstecken: Multi-Domaenen-Vokabular zu nutzen um sophisticatd zu klingen statt um genuine Textur zu erhalten. Wenn eine einfachere Rahmung dieselbe Erkenntnis ohne Verlust von Beziehungen erfasst, die einfachere Rahmung nutzen. Komplexitaet sollte notwendig sein, nicht performativ

Verwandte Skills

  • integrate-gestalt — produziert die Erkenntnis die dieser Skill ausdrueckt; express-insight ist die Kommunikationsphase des synoptischen Zyklus
  • argumentation — baut einen logischen Fall fuer eine Behauptung; express-insight kommuniziert eine Wahrnehmung. Argumentation sagt "hier ist warum X wahr ist"; express-insight sagt "hier ist was sichtbar wird wenn man A, B und C zusammen ansieht"
  • teach — uebertraegt bekanntes, etabliertes Wissen; express-insight vermittelt gerade geformtes emergentes Verstaendnis. Lehren uebermittelt; Ausdruecken enthuellt
  • shine — kanalisiert authentische Praesenz in Kommunikation; express-insight kann diese Strahlung nutzen um Multi-Domaenen-Wahrnehmung ohne Verlust von Waerme oder Ehrlichkeit zu tragen
  • expand-awareness — weitet das Wahrnehmungsfeld das Integration moeglich macht; express-insight schliesst den Zyklus indem kommuniziert wird was dieses geweitete Feld enthuellte
  • adaptic — der Meta-Skill der den vollen synoptischen Zyklus komponiert; express-insight ist der fuenfte und finale Schritt in der Klaeren-Oeffnen-Wahrnehmen-Integrieren-Ausdruecken-Sequenz

Dépôt GitHub

pjt222/agent-almanac
Chemin: i18n/de/skills/express-insight
0
agentsagentskillsai-assisted-developmentclaude-codeskillsteams

Compétences associées

content-collections

Méta

Cette compétence propose une configuration éprouvée en production pour Content Collections, un outil axé sur TypeScript qui transforme des fichiers Markdown/MDX en collections de données typées de manière sûre avec une validation Zod. Utilisez-la lors de la création de blogs, de sites de documentation ou d'applications Vite + React riches en contenu pour garantir la sécurité de typage et la validation automatique du contenu. Elle couvre tout, de la configuration du plugin Vite et de la compilation MDX à l'optimisation des déploiements et la validation des schémas.

Voir la compétence

polymarket

Méta

Cette compétence permet aux développeurs de créer des applications avec la plateforme de marchés prédictifs Polymarket, incluant l'intégration d'API pour le trading et les données de marché. Elle fournit également une diffusion de données en temps réel via WebSocket pour surveiller les transactions en direct et l'activité du marché. Utilisez-la pour mettre en œuvre des stratégies de trading ou pour créer des outils traitant les mises à jour de marché en direct.

Voir la compétence

creating-opencode-plugins

Méta

Cette compétence aide les développeurs à créer des plugins OpenCode qui s'interconnectent avec plus de 25 types d'événements tels que les commandes, les fichiers et les opérations LSP. Elle fournit la structure du plugin, les spécifications de l'API événementielle et les modèles d'implémentation pour les modules JavaScript/TypeScript. Utilisez-la lorsque vous avez besoin d'intercepter, de surveiller ou d'étendre le cycle de vie de l'assistant IA OpenCode avec une logique personnalisée pilotée par les événements.

Voir la compétence

sglang

Méta

SGLang est un framework de service LLM haute performance spécialisé dans la génération rapide et structurée pour les workflows JSON, regex et agentiques grâce à son cache de préfixe RadixAttention. Il offre une inférence nettement plus rapide, particulièrement pour les tâches avec des préfixes répétés, ce qui le rend idéal pour les sorties complexes et structurées ainsi que les conversations multi-tours. Choisissez SGLang plutôt que des alternatives comme vLLM lorsque vous avez besoin d'un décodage contraint ou que vous construisez des applications avec un partage étendu de préfixes.

Voir la compétence