MCP HubMCP Hub
Retour aux compétences

observe

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

À propos

La compétence `observe` permet une surveillance systématique et passive d'un système afin d'identifier des modèles sans intervention immédiate. Elle applique une méthodologie d'étude naturaliste—observer, enregistrer et formuler des hypothèses—à des scénarios tels que le débogage de problèmes inconnus ou l'audit de modifications de code. Utilisez-la lorsque le comportement d'un système est incertain et qu'une action serait prématurée.

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/observe

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

Documentation

觀察

施行結構化之觀察會話——立觀察目標之框、以持續中立之注意見證、不釋之而錄模式、歸類發現、由模式生假設,並歸檔觀察以備將來。

適用時機

  • 系統行為不明,未經觀察即行動則過早
  • 除錯時因不明,觀察先於介入可免遮症
  • 代碼庫或系統已變,須見證其效後再作變
  • 透過會話了解用戶行為模式以改進未來互動
  • 稽核己之推理模式,察其偏差、習慣或重複之錯誤
  • learn 已建模型,須觀察系統運作以驗之

輸入

  • 必要:觀察目標——系統、代碼庫、行為模式、用戶互動或推理過程
  • 選擇性:觀察持續時間/範圍——觀察多久或多深方下結論
  • 選擇性:引導觀察焦點之具體問題或假設
  • 選擇性:可資對比之先前觀察(隨時間之變化偵測)

步驟

步驟一:立框——設觀察焦點

定義所觀察者、何故、自何視角。

Observation Protocol by System Type:
┌──────────────────┬──────────────────────────┬──────────────────────────┐
│ System Type      │ What to Observe          │ Categories to Watch      │
├──────────────────┼──────────────────────────┼──────────────────────────┤
│ Codebase         │ File structure, naming   │ Patterns, anti-patterns, │
│                  │ conventions, dependency  │ consistency, dead code,  │
│                  │ flow, test coverage,     │ documentation quality,   │
│                  │ error handling patterns  │ coupling between modules │
├──────────────────┼──────────────────────────┼──────────────────────────┤
│ User behavior    │ Question patterns,       │ Expertise signals, pain  │
│                  │ vocabulary evolution,    │ points, unstated needs,  │
│                  │ repeated requests,       │ learning trajectory,     │
│                  │ emotional signals        │ communication style      │
├──────────────────┼──────────────────────────┼──────────────────────────┤
│ Tool / API       │ Response patterns, error │ Rate limits, edge cases, │
│                  │ conditions, latency,     │ undocumented behavior,   │
│                  │ output format variations │ state dependencies       │
├──────────────────┼──────────────────────────┼──────────────────────────┤
│ Own reasoning    │ Decision patterns, tool  │ Biases, habits, blind    │
│                  │ selection habits, error  │ spots, strengths,        │
│                  │ recovery approaches,     │ recurring failure modes, │
│                  │ communication patterns   │ over/under-confidence    │
└──────────────────┴──────────────────────────┴──────────────────────────┘
  1. 擇觀察目標並明命之
  2. 定觀察邊界:何在內、何在外
  3. 述觀察立場:「我觀察,不介入」
  4. 若有引導問題,述之——然輕持之;願察問題範圍外之事
  5. 自上表擇適之類別

預期: 清晰之框,引導注意而不束縛之。觀察者知何處看、觀察歸於何類,仍對意外保持開放。

失敗時: 若觀察目標過廣(「觀察一切」),縮至一子系統或一行為模式。若過窄(「觀察此一變數」),縮至周圍上下文——有趣之模式常於邊緣。

步驟二:見證——持續中立之注意

持注意於觀察目標而不釋、不判、不介。

  1. 始系統化觀察:讀檔、追蹤執行路徑、覽對話歷史——目標所需之事
  2. 錄所見,非其義——描述先於釋
  3. 抗觀察中遇問題即修之欲——記之而續
  4. 抗於觀察累積足夠前釋模式之欲
  5. 若注意飄向他目標,記其飄(或有意義)並回原框
  6. 維持觀察一定期:至少 3-5 個獨立資料點,方移至歸類

預期: 一組原始觀察——具體、實在、無釋。觀察讀如田野筆記:「檔 X 引入 Y 而不用函式 Z。檔 A 有 300 行;檔 B 有 30 行而涵蓋類似功能。」

失敗時: 若觀察即觸發分析(「此誤,因…」),則分析習慣壓觀察立場。意識分諸階段:先寫觀察為事實,再寫釋為獨立筆記,標為「假設」。若中立不可(對所觀有強反應),記反應本身為資料:「我觀察 X 時感強憂——或顯重要問題,或顯吾之偏見。」

步驟三:記錄——捕原始模式

當觀察新鮮時,將之轉為結構化格式。

  1. 將每觀察列為一事實之單一陳述(所見、何處、何時)
  2. 自然相似之觀察分群——勿強分群,但察之何時聚
  3. 記頻率:此模式現一次、偶爾或普遍?
  4. 記對比:模式於何處斷?例外常較規則更具信息
  5. 記時間模式:觀察隨時間變還是靜?
  6. 捕確切證據:檔路徑、行號、具體字、實在範例

預期: 5-15 個離散觀察之結構化記錄,每附具體證據。記錄詳實足夠,他觀察者可獨立驗每一觀察。

失敗時: 若觀察過抽象(「代碼似亂」),須以具體紮根——何檔、何模式、何使之亂?若觀察過細粒(「第 47 行括號前有空格」),縮至模式層次——此乃孤例還是系統性問題?

步驟四:歸類——組織發現

將觀察分入有意義之類,尚不釋之。

  1. 覽所有錄之觀察,尋自然之分群
  2. 將每觀察歸於步驟一表中之類,或必要時建新類
  3. 每類內,依頻率與重要性排觀察
  4. 辨何類有眾多觀察(已記錄之區)與何類少(潛在盲點)
  5. 尋跨類模式:同一底層模式在不同類中是否異形顯現?
  6. 記不合任何類之觀察——離群者常為最有趣之資料

預期: 一張歸類觀察圖,分群清晰。每類有支持之具體觀察。圖示模式與缺口。

失敗時: 若歸類感勉強,觀察或無自然分群——或為一組不相關之發現,此自身亦為發現(系統或缺一致結構)。若一切皆整齊歸於一類,則觀察範圍過窄——縮之。

步驟五:理論——由模式生假設

至此——僅至此——始釋觀察。

  1. 對每主要模式所觀者,提一假設:「此模式存,因…」
  2. 對每假設,自觀察中辨支持之證據
  3. 對每假設,辨何反證可駁之
  4. 依解釋力排假設:何者解釋最多觀察?
  5. 至少生一相反假設:「明顯解釋為 X,然亦可為 Y,因…」
  6. 辨何假設可測,何為臆測

預期: 2-4 個假設解釋諸主要模式,每附具體觀察支持。至少一假設出乎意料或相反。觀察與釋之分維持——資料與理論之部分分明。

失敗時: 若無假設成形,觀察或須累積更久——回步驟二。若假設過多(皆「或」),擇 2-3 證據最強者,餘擱置。若僅形成明顯假設,強迫相反觀:「若反之為真又如何?」

步驟六:歸檔——存模式庫

存觀察與假設以備將來參考。

  1. 摘要關鍵發現:3-5 個附證據之模式
  2. 述主導假設與其信心水準
  3. 記未觀察之事(潛在盲點)
  4. 辨何後續觀察可加強或削弱假設
  5. 若模式持久(跨會話皆相關),考更新 MEMORY.md
  6. 標觀察以上下文:何時所為、何所引發、所涵範圍

預期: 可供未來觀察會話建立其上之檔案。檔案明分觀察(資料)與假設(釋)。對信心水準與缺口誠實。

失敗時: 若觀察不值歸檔,或太膚淺——或實屬例行(非每觀察會話皆生洞見)。即負面結果亦歸檔:「觀察 X 而無異常」對未來上下文有用。

驗證

  • 觀察開始前已立觀察框(非自由漫遊)
  • 原始觀察作為事實先記錄,後釋
  • 至少捕 5 個離散觀察附具體證據
  • 釋(假設)與觀察(資料)分明
  • 至少生一意外或相反之發現
  • 歸檔之記錄具體足夠,他觀察者可驗

常見陷阱

  • 過早介入:見問題即修之,失機以了解其所屬之更廣模式
  • 觀察偏差:所見為所期而非所在。期望濾感知——步驟一之清除可緩之而不能除之
  • 分析癱瘓:永觀而從不行動。設時間或資料點之限,承諾下結論
  • 強加敘事:構故事連觀察,縱連結弱亦然。非所有觀察皆成連貫敘事——不相干之發現亦有效
  • 混熟悉與了解:「我曾見此」非同「我了解此何在」。先前接觸可生虛妄之自信
  • 忽略己之反應:觀察者對觀察之情感或認知反應為資料。對系統之困惑、無聊或警覺常含真實訊號

相關技能

  • observe-guidance — 指導他人施行系統化觀察之變體
  • learn — 觀察為學習供原始資料以建模
  • listen — 對外向之注意專於用戶訊號;觀察為對任何系統之更廣範圍之注意
  • remote-viewing — 直觀探索,可透過系統化觀察驗證
  • meditate — 培養觀察所需之持續注意能力
  • awareness — 威脅向之情境警覺;觀察由好奇而非防禦驅動

Dépôt GitHub

pjt222/agent-almanac
Chemin: i18n/wenyan-lite/skills/observe
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