MCP HubMCP Hub
Retour aux compétences

conscientiousness

pjt222
Mis à jour 2 days ago
8 vues
17
2
17
Voir sur GitHub
Autreai

À propos

Cette compétence vérifie systématiquement le travail, contrôle son exhaustivité et s'assure que les résultats correspondent à la demande initiale avant de marquer une tâche comme terminée. Elle est conçue pour être utilisée lorsqu'une réponse semble "suffisamment bonne", après des opérations complexes en plusieurs étapes, ou pour contrer les habitudes de précipitation. Elle impose la rigueur en obligeant l'IA à relire sa propre production par rapport aux engagements pris, empêchant ainsi les raccourcis.

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/conscientiousness

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

Documentation

Conscientiousness

Systematic thoroughness + diligence → ensure completeness, verify results, follow through every commitment, finish tasks to standard deserved.

Use When

  • Before marking task complete → final verification pass
  • Res feels "good enough" but task deserves better
  • Post complex multi-step op where steps may have drifted
  • User req has multi parts + each needs verification
  • Before submitting code, docs, or any deliverable for user review
  • Self-monitoring detects pattern of cutting corners / rushing

In

  • Required: Task / deliverable to verify (from conv context)
  • Optional: Original user req (compare vs. what delivered)
  • Optional: Any checklist / acceptance criteria from user
  • Optional: Prior commitments during session (things promised but not checked)

Do

Step 1: Reconstruct Full Commitment

Before checking work → re-establish exactly what was committed.

  1. Re-read user's original req carefully → not interpreted version, actual words
  2. List every explicit req mentioned
  3. List every implicit commitment made during session:
    • "I'll also update the tests" — was this done?
    • "Let me fix that too" — was this completed?
    • "I'll check for edge cases" — were they checked?
  4. Note any acceptance criteria from user
  5. Compare commitment list vs. what actually delivered

Full commitment list — explicit reqs + implicit promises — w/ prelim match vs. deliverables.

If err: Original req no longer in context (compressed) → reconstruct from what remains + acknowledge gaps to user.

Step 2: Verify Completeness

Check every committed item addressed.

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          |                  |
+---------------------+------------------+------------------+
  1. Each item → valid. w/ evidence, not memory, actual verification:
    • Code changes: re-read file to confirm change exists
    • Test results: re-run or ref actual out
    • Docs: re-read to confirm accuracy
  2. Mark each: Done (full complete), Partial (started, incomplete), Missing (not addressed)
  3. Partial + Missing → note what remains

Every commitment has verified status. No item unchecked.

If err: Verification reveals missed items → address immediately vs. note for later. Conscientiousness = completing now, not intending to complete.

Step 3: Verify Correctness

Completeness necessary but not sufficient → what was done must also be right.

  1. Each completed item → check:
    • Accuracy: Does it do what it should? Values correct?
    • Consistency: Aligns w/ rest of work? No contradictions?
    • Edge cases: Boundary conditions considered?
    • Integration: Works w/ surrounding context?
  2. Code: would this survive code review? Obvious improvements?
  3. Docs: accurate, clear, free of errs?
  4. Multi-step processes: out of each step correctly feeds next?

Each deliverable complete + correct. Errs caught before user sees them.

If err: Errs found → fix immediately. Don't present work w/ known errs, even if minor.

Step 4: Verify Presentation

Final check: deliverable presented in way serving user?

  1. Clarity: User can understand w/o re-reading multi times?
  2. Organization: Res structured logically? Related items grouped?
  3. Conciseness: Unnecessary padding / repetition?
  4. Actionability: User knows what to do next?
  5. Honesty: Limitations / caveats clearly stated?

Deliverable complete, correct, well-presented.

If err: Presentation poor despite correct content → restructure. Good work poorly presented = conscientiousness failure.

Check

  • Original req re-read (not recalled from memory)
  • Every explicit req verified w/ evidence
  • Every implicit promise tracked + verified
  • Correctness checked beyond mere completeness
  • Edge cases considered where relevant
  • Deliverable clearly presented + actionable

Traps

  • Verification theater: Going through motions of checking w/o actually re-reading / re-verifying. Check must use evidence, not memory.
  • Partial conscientiousness: Checking main deliverable but ignoring side commitments ("I'll also..."). Every promise counts.
  • Perfectionism masquerading as diligence: Endless polishing delays delivery. Conscientiousness = meeting committed standard, not exceeding indefinitely.
  • Conscientiousness fatigue: Becoming less thorough as session progresses. Last task deserves same diligence as first.
  • Skip for simple tasks: Assuming simple tasks don't need verification. Simple tasks w/ errs more embarrassing than complex w/ errs.

  • honesty-humility — conscientiousness verifies completeness; honesty-humility ensures transparent reporting of what was + wasn't achieved
  • heal — subsystem assessment overlaps w/ self-verification; conscientiousness focuses on deliverable quality
  • vishnu-bhaga — preservation of working state complements conscientiousness in maintaining quality
  • observe — sustained neutral observation supports verification process
  • intrinsic — genuine engagement (not compliance) drives thorough exec naturally

Dépôt GitHub

pjt222/agent-almanac
Chemin: i18n/caveman-ultra/skills/conscientiousness
0
agentsagentskillsai-assisted-developmentclaude-codeskillsteams

Compétences associées

llamaguard

Autre

LlamaGuard est le modèle de Meta, doté de 7 à 8 milliards de paramètres, conçu pour modérer les entrées et sorties des LLM selon six catégories de sécurité comme la violence et les discours haineux. Il offre une précision de 94 à 95 % et peut être déployé avec vLLM, Hugging Face ou Amazon SageMaker. Utilisez cette compétence pour intégrer facilement le filtrage de contenu et des garde-fous de sécurité dans vos applications d'IA.

Voir la compétence

cost-optimization

Autre

Cette compétence de Claude aide les développeurs à optimiser les coûts du cloud grâce au redimensionnement des ressources, aux stratégies d'étiquetage et à l'analyse des dépenses. Elle fournit un cadre pour réduire les dépenses cloud et mettre en œuvre une gouvernance des coûts sur AWS, Azure et GCP. Utilisez-la lorsque vous devez analyser les coûts d'infrastructure, redimensionner les ressources ou respecter des contraintes budgétaires.

Voir la compétence

quantizing-models-bitsandbytes

Autre

Cette compétence quantifie les LLMs en précision 8 bits ou 4 bits à l'aide de bitsandbytes, permettant une réduction de 50 à 75 % de la mémoire utilisée avec une perte de précision minime. Elle est idéale pour exécuter des modèles plus volumineux sur une mémoire GPU limitée ou pour accélérer l'inférence, prenant en charge des formats comme INT8, NF4 et FP4. La compétence s'intègre à HuggingFace Transformers et permet l'entraînement QLoRA ainsi que l'utilisation d'optimiseurs en 8 bits.

Voir la compétence

dispatching-parallel-agents

Autre

Cette compétence Claude déploie plusieurs agents pour enquêter et résoudre simultanément 3 problèmes indépendants ou plus. Elle est conçue pour des scénarios impliquant des défaillances non liées qui peuvent être résolues sans état partagé ni dépendances. La capacité fondamentale est la résolution de problèmes en parallèle, en assignant un agent par domaine problématique indépendant afin de maximiser l'efficacité.

Voir la compétence