express-insight
À propos
Cette compétence fournit des étapes structurées pour communiquer des insights complexes et multidomaines de manière accessible et exploitable, tout en préservant leurs relations essentielles. Elle aide à choisir le format approprié, à attribuer les sources avec honnêteté et à inviter à une remise en question constructive, étant généralement utilisée après un processus `integrate-gestalt`. Elle est conçue pour transmettre une compréhension intégrée à différents publics tels que des experts du domaine, des généralistes ou des décideurs.
Installation rapide
Claude Code
Recommandénpx 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/express-insightCopiez et collez cette commande dans Claude Code pour installer cette compétence
Documentation
表达洞见
传达多领域格式塔,使其落地 —— 保留领域间的关系、使综合对受众可达,并对整合何处简化或冒失真风险诚实。表达是综观循环的最后一步:没有它,整合理解仍是私人的、无法执行的。挑战在于语言是线性的而洞见不是 —— 本技能提供结构以传达多维理解而不将其约简到单一维度。
适用场景
- 在
integrate-gestalt已产出需要传达的跨领域理解后 - 当发现横跨多个领域,单领域构架会丢失本质关系时
- 当洞见的受众与生成它的视角不同时
- 当整合理解在内部感觉清晰但抗拒直白表达时
- 当决策依赖看到多个领域如何互动,而非每个领域独立说什么时
- 当先前传达跨领域发现的尝试遇到困惑或领域特定回推时
- 当将综观心智团队会话的发现传达给团队外利益相关者时
输入
- 必需:整合洞见(
integrate-gestalt的输出或等价的跨领域综合) - 必需:受众 —— 谁接收此洞见(领域专家、通才、决策者或混合)
- 可选:形式约束(如"必须放进 PR 描述"、"需要是口头摘要")
- 可选:被整合的领域(用于显式归属)
- 可选:先前传达此洞见的失败尝试(什么没落地)
步骤
第 1 步:评估受众
确定谁接收此洞见以及他们需要什么。同一格式塔表达给三种不同受众应采取三种不同形式。
- 识别主要受众:
- 领域专家需要其领域被准确表达 —— 即使整体综合正确,他们也会拒绝过度简化其领域的洞见
- 通才需要大局 —— 领域间关系比任何单一领域内细节更重要
- 决策者需要带权衡的可执行含义 —— 他们想知道做什么、代价是什么、不做会怎样
- 混合受众需要分层沟通:以大局开篇,然后提供专家可验证的领域特定深度
- 评估受众现有心智模型:
- 他们对涉及的每个领域已理解什么?
- 哪些领域间连接对他们是新的?
- 他们可能持有哪些被洞见挑战的假设?
- 识别信任要求:在接受跨领域主张前,此受众需要多少证明?
- 专家信任尊重其领域严谨性的洞见
- 通才信任使复杂性可导航而不过度简化的洞见
- 决策者信任诚实浮现权衡而非隐藏它们的洞见
预期结果: 关于受众是谁、他们需要什么、什么会使洞见对他们可信的清晰图景。受众评估应影响每个后续步骤。
失败处理: 若受众未知或太广泛无法描述,默认混合受众方法:先大局,按需提供领域深度。向"所有人"传达比向某个具体的人传达效果差,但比猜错好。
第 2 步:选择形式
选择最好地服务受众和洞见性质的表达格式。形式不是装饰 —— 它决定受众能感知什么。
-
评估四种主要形式:
形式 结构 最适合 叙事 连接领域的故事 ——"当 X 在领域 A 发生,它在领域 B 创造 Y,意味着 Z" 复杂或新颖洞见,受众需要跟随推理路径 图示 显示关系的空间布局 —— 节点是领域贡献,边是连接 关系拓扑比序列更重要的结构性洞见 对比表 每个领域对同一议题的视角并列在平行列中 想要独立验证每个领域贡献的分析性受众 建议 可执行综合 ——"做 X 因为领域 A、B 和 C 在 Y 上汇合,权衡 Z" 需要行动而非仅理解的决策者 -
匹配形式到洞见类型:
- 若洞见是关于跨领域因果链,使用叙事
- 若洞见是关于结构关系,使用图示
- 若洞见是关于领域间汇合或分歧,使用对比表
- 若洞见是关于下一步做什么,使用建议
-
考虑组合形式:由对比表支持的建议、用图示说明的叙事。但以一种主形式开头 —— 多种格式带来的认知负荷可能模糊而非澄清
-
考虑媒介约束:口头摘要无法承载对比表;提交消息无法承载叙事。若媒介约束形式,调整形式而非将内容强塞入不兼容容器
预期结果: 选定的主形式(和可选的次形式),附与受众和洞见性质相关的清晰理由。
失败处理: 若没有形式感觉合适,洞见可能尚未充分整合。回到 integrate-gestalt —— 表达困难常常表示综合不完整,而非沟通问题。
第 3 步:表达格式塔
以选定形式传达洞见,明确指出它整合什么、何处简化以及它使能什么。
- 清晰陈述洞见 —— 一到三句捕捉核心理解。这是格式塔本身,不是支持证据
- 命名它整合的领域 —— 显式列出哪些领域贡献于此理解。这不是为了归功的归属;它是为了验证的归属。每个命名领域都是邀请:"对照你的专长检查这个"
- 标记简化 —— 每个多领域洞见都简化。陈述何处:
- 哪些领域特定细微之处被搁置?
- 哪些关系被视为比实际更强或更弱?
- 领域 X 的专家会想添加或限定什么?
- 陈述涌现价值 —— 此洞见使能什么单领域分析做不到的?
- 什么决策变得可能而之前不可能?
- 什么风险变得可见而之前隐藏在个别领域内?
- 什么机会出现在没有单一领域拥有的交点?
- 维持多领域质感 —— 抵抗将洞见压平为一个领域语言的拉力。若洞见整合工程和用户体验,使用两种词汇。若它连接研究和运营,保留两种构架。质感就是洞见
- 为理解排序 —— 即使洞见非线性,沟通是顺序的。选择给受众最佳立足点的入口:从他们最了解的领域开始,然后向不熟悉的领域桥接。第一句决定受众是倾听还是关闭
预期结果: 受众能理解、对照自己专长验证并据以行动的传达洞见。简化是可见的,不被隐藏。涌现价值清晰。
失败处理: 若表达感觉像领域贡献清单而非整合整体,格式塔在沟通期间被分解。退一步重新表达:从组合揭示什么开始,而非从每个领域分别说什么开始。综合是消息,不是部分。
第 4 步:邀请挑战
陈述洞见可能错的最强理由。整合洞见因综合许多输入而可能感觉比实际更确定 —— 汇合创造可能未挣得的有效性感。这一步不是为礼貌附加的免责声明;它是使洞见可用的结构性组件。
- 识别最弱链接 —— 洞见中哪个领域连接支持最弱?整合在哪里依赖类比而非证据?
- 命名风险中的假设 —— 洞见成立需要什么为真,你对它为真有多自信?
- 陈述反洞见 —— 若有平等访问所有相同领域的人得出不同结论,他们最强论点会是什么?
- 将挑战构架为有价值的 —— 明确挑战洞见会加强它。"我看到的最强反对是..."同时表明信心和开放
- 指明什么会改变你的想法 —— 命名会修订或推翻洞见的证据或论点。这使洞见可证伪,而非仅有说服力
预期结果: 一份诚实的不确定性陈述,增加而非减少受众的信任。洞见现在可被挑战 —— 因此可改进。
失败处理: 若无法识别弱点,那本身是警告信号。所有跨领域洞见涉及框架间转译,转译总是丢失某些东西。若丢失不可见,它尚未被找到,而非被避免。在领域边界更努力查看 —— 那是隐藏假设居住的地方。常见隐藏处:在每个领域工作不同的共享隐喻、跨领域边界假设为因果的统计相关性,以及结构上成立但定量上不成立的类比。
验证清单
- 显式识别受众,其需求塑造表达
- 形式基于洞见类型和受众选择,而非习惯或便利
- 洞见作为连贯整体陈述,而非分解为按领域的摘要
- 贡献领域因验证而非仅归属被命名
- 显式陈述简化 —— 什么被搁置和什么被近似
- 涌现价值被表达 —— 整合使能什么部分做不到的
- 多领域词汇被保留而非压平为一个领域的语言
- 入口为受众现有知识选择 —— 从他们所在开始,桥接到洞见去往何处
- 陈述了洞见可能错的最强理由
- 洞见可证伪 —— 命名了会修订它的具体证据或论点
- 阅读其领域贡献的领域专家会认出它准确,而非漫画化
常见问题
- 逐领域报告:顺序呈现每个领域的贡献不是表达洞见 —— 是呈现原材料。洞见是从组合中浮现的。以综合开头,然后按需用领域细节支持
- 从汇合的虚假确定:当三个领域都似乎指向同一方向,感觉像强证据。但若那些领域共享底层假设或数据源,汇合不如表现的独立。始终检查领域是否真正独立
- 压平到受众领域:传达给专家时,诱惑是将整个洞见翻译到其语言。这使其可达但破坏多领域性质。保留质感 —— 不熟悉词汇不是噪声,是信号
- 跳过挑战步骤:省略"这是我可能错的原因"感觉使洞见更强。它不会。它使洞见不那么可信、不那么可改进。认识诚实是特性,不是弱点
- 洞见膨胀:声称综合揭示比实际更多。跨领域观察不自动是突破。对范围精确:"这适用于上下文 Y 中的 X"比"这改变一切"更有价值
- 过早表达:在格式塔充分形成前表达产出听起来整合但在审查下崩溃的半洞见。若表达不断停滞,问题在
integrate-gestalt上游,不在这里 - 躲在复杂性后面:使用多领域词汇以听起来复杂而非保留真正质感。若更简单构架捕捉相同洞见而不丢失关系,使用更简单构架。复杂应必要,而非表演
相关技能
integrate-gestalt—— 产出此技能表达的洞见;express-insight 是综观循环的沟通阶段argumentation—— 为主张构建逻辑案例;express-insight 传达感知。Argumentation 说"这是 X 为真的原因";express-insight 说"这是当你一同看 A、B 和 C 时变得可见的"teach—— 转移已知、已建立的知识;express-insight 传递刚形成的涌现理解。教学传输;表达揭示shine—— 将真实存在导入沟通;express-insight 可使用那种光辉承载多领域感知而不丢失温暖或诚实expand-awareness—— 拓宽使整合可能的感知场;express-insight 通过传达那拓宽场所揭示的来闭合循环adaptic—— 组合完整综观循环的元技能;express-insight 是 clear-open-perceive-integrate-express 序列中的第五和最后步
Dépôt GitHub
Compétences associées
llamaguard
AutreLlamaGuard 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.
cost-optimization
AutreCette 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.
quantizing-models-bitsandbytes
AutreCette 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.
dispatching-parallel-agents
AutreCette 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.
