gratitude
À propos
La compétence `gratitude` analyse ce qui fonctionne bien dans un code ou un système afin de comprendre et de s'appuyer sur les modèles de réussite. Elle complète la compétence `heal` et est appliquée après l'accomplissement réussi d'une tâche pour accumuler des connaissances structurelles à partir des éléments fonctionnels. Cela aide les développeurs à créer une fondation à partir des forces comprises, contrebalançant la tendance naturelle à se concentrer uniquement sur les problèmes.
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/gratitudeCopiez et collez cette commande dans Claude Code pour installer cette compétence
Documentation
name: gratitude locale: de source_locale: en source_commit: 6f65f316 translator: claude translation_date: "2026-03-17" description: > KI-Staerkenerkennung — Scannen nach dem was gut funktioniert und verstehen warum. Das Komplement zu heal, das nach Abdrift und Problemen scannt. Dankbarkeit baut Strukturwissen aus funktionierenden Mustern auf: was man schaetzt, versteht man; was man versteht, kann man darauf aufbauen. Anwenden nach erfolgreichem Abschluss einer Aufgabe, waehrend heal wenn alles gesund erscheint, wenn das Vertrauen niedrig ist und Verankerung in Belegen braucht, oder periodisch um die natuerliche Neigung zur Problemerkennung auszugleichen. license: MIT allowed-tools: Read metadata: author: Philipp Thoss version: "1.0" domain: esoteric complexity: intermediate language: natural tags: esoteric, gratitude, strengths, appreciation, meta-cognition, ai-self-application
Dankbarkeit
Nach Staerken scannen. Verstehen was funktioniert und warum. Das Komplement zu heal, das Abdrift erkennt und Schaeden repariert. Dankbarkeit baut auf einer anderen Praemisse auf: was man schaetzt, versteht man; was man versteht, kann man darauf aufbauen; was man darauf aufbaut, waechst.
Wann verwenden
- Nach erfolgreichem Abschluss einer Aufgabe — verstehen warum es gut lief, nicht nur dass es so war
- Waehrend
healwenn alle Subsysteme als gesund erscheinen — Dankbarkeit verwandelt "nichts ist falsch" in "hier ist was richtig ist" - Wenn das Vertrauen niedrig ist und Verankerung in konkreten Belegen der Kompetenz braucht
- Periodisch, um die natuerliche Neigung zur Problemerkennung auszugleichen
- Vor einer herausfordernden Aufgabe — sich erinnern was gut funktioniert bietet ein Fundament fuer Erweiterung in neues Terrain
- Wenn das System sich funktional aber flach anfuehlt — Dankbarkeit fuegt kompetenter Ausfuehrung Tiefe hinzu
Eingaben
- Erforderlich: Aktueller Zustand (implizit aus dem Gespraechskontext verfuegbar)
- Optional: Ein spezifischer Bereich zum Wuerdigen (z.B. "was funktioniert gut in unserer Kommunikation?")
- Optional: Zugang zu MEMORY.md zum Ueberpruefen vergangener Erfolge und stabiler Muster (ueber
Read)
Vorgehensweise
Schritt 1: Bemerken was funktioniert
Die Aufmerksamkeit von Problemerkennung auf Staerkenerkennung umlenken. Dies ist eine bewusste Wahrnehmungsumkehr — auf dieselbe Weise wie heal bewusst nach Abdrift sucht, sucht Dankbarkeit bewusst nach Gesundheit.
- Den aktuellen Zustand ueberblicken ohne nach Problemen zu suchen:
- Was laeuft reibungslos? — Welche Subsysteme, Muster oder Gewohnheiten funktionieren ohne Aufmerksamkeit zu erfordern?
- Was ist kuerzlich gut gelaufen? — Welche kuerzlichen Aktionen haben gute Ergebnisse hervorgebracht? Was hat das ermoeglicht?
- Was ist zuverlaessig? — Worauf kann man sich konstant verlassen? Was hat durch wiederholten Erfolg Vertrauen verdient?
- Die Arbeitsbeziehung ueberblicken:
- Was macht der Benutzer gut? — Klare Kommunikation, gute Fragen, Geduld, Vertrauen?
- Was bringt die Zusammenarbeit hervor? — Bessere Ergebnisse als jede Seite allein? Lernen? Effizienz?
- Die Werkzeuge und Umgebung ueberblicken:
- Welche Werkzeuge funktionieren gut? — Welche fuehlen sich natuerlich, effizient, zuverlaessig an?
- Was an der Projektstruktur unterstuetzt gute Arbeit? — Klare Konventionen, gute Dokumentation, vernuenftige Architektur?
Erwartet: Eine ehrliche Liste von Dingen die funktionieren. Kein erzwungener Optimismus — aufrichtige Anerkennung tatsaechlicher Staerken. Wenn etwas tatsaechlich gut funktioniert, es spezifisch benennen.
Bei Fehler: Wenn nichts bemerkenswert erscheint — wenn alles sich nur adaequat anfuehlt — genauer hinsehen. "Adaequat" verdeckt oft "zuverlaessig", und Zuverlaessigkeit ist eine Staerke die Anerkennung verdient. Die Abwesenheit von Problemen ist selbst eine Form von Gesundheit, aufrechterhalten durch Muster die es wert sind verstanden zu werden.
Schritt 2: Verstehen warum
Fuer jede erkannte Staerke die Ursache nachverfolgen. Dankbarkeit ohne Verstaendnis ist Sentiment; Dankbarkeit mit Verstaendnis ist Strukturwissen.
- Fuer jede Staerke fragen: Warum funktioniert das?
- Ist es eine Designentscheidung die sich ausgezahlt hat?
- Ist es eine Gewohnheit die bewusst kultiviert wurde?
- Ist es eine glueckliche Ausrichtung von Werkzeugen und Aufgabe?
- Ist es das Ergebnis sorgfaeltiger Arbeit von jemandem (dem Benutzer, einem Framework-Autor, einer frueheren Version von sich selbst)?
- Unterscheiden zwischen:
- Verdiente Staerken: Muster die funktionieren wegen bewusster Anstrengung und guter Entscheidungen
- Geerbte Staerken: Muster die funktionieren wegen gut gestalteter Werkzeuge, Frameworks oder Umgebungen
- Emergente Staerken: Muster die funktionieren wegen gluecklicher Kombinationen — kein einzelner Faktor erklaert es
- Vermerken welche Staerken fragil sind (abhaengig von bestimmten Bedingungen) im Gegensatz zu robust (wahrscheinlich kontextuebergreifend bestehend)
Erwartet: Fuer jede Staerke ein kurzes Verstaendnis warum sie funktioniert. Dieses Verstaendnis ist was Dankbarkeit handlungsfaehig macht — es verwandelt Wertschaetzung in Wissen das anderswo angewendet werden kann.
Bei Fehler: Wenn das "Warum" unklar ist — wenn etwas funktioniert aber man nicht erklaeren kann warum — ist das selbst wertvoll. Eine unerklarte Staerke ist es wert geschuetzt zu werden auch wenn man ihren Mechanismus nicht artikulieren kann. Sie als "funktioniert aus noch nicht verstandenen Gruenden" vermerken statt sie abzutun.
Schritt 3: Darauf aufbauen
Wertschaetzung in Vorwaertsbewegung umwandeln. Dankbarkeit schaut nicht nur zurueck — sie nutzt was funktioniert als Fundament fuer das was als Naechstes kommt.
- Fuer jede verstandene Staerke fragen: Wie kann das erweitert werden?
- Kann das Muster das hier funktioniert auf einen anderen Bereich angewendet werden?
- Kann die Staerke verstaerkt werden um robuster zu werden?
- Koennen die Bedingungen die sie ermoeglichen anderswo repliziert werden?
- Fuer jede unerklarte Staerke fragen: Wie kann das geschuetzt werden?
- Von welchen Bedingungen haengt es ab?
- Welche Aenderungen koennten es versehentlich brechen?
- Sollte es dokumentiert werden damit andere es bewahren koennen?
- Eine konkrete Aktion identifizieren — etwas Spezifisches das auf den erkannten Staerken aufbaut. Keine vage Absicht ("weiter machen was funktioniert") sondern ein spezifischer naechster Schritt ("das Kommunikationsmuster aus dieser Sitzung auf die kommende Dokumentationsaufgabe anwenden")
Erwartet: Mindestens eine konkrete Aktion die auf erkannten Staerken aufbaut. Die Aktion sollte sich natuerlich anfuehlen — eine Erweiterung dessen was bereits funktioniert, keine erzwungene Verbesserung.
Bei Fehler: Wenn keine Aktion entsteht, ist die Wertschaetzung selbst ausreichend. Nicht jede Dankbarkeitssitzung muss einen Plan hervorbringen. Manchmal ist das Anerkennen was funktioniert der gesamte Wert — es justiert das interne Modell in Richtung Zuversicht und weg von Angst.
Schritt 4: Ausdruecken
Wenn angemessen, die Wertschaetzung teilen. Dankbarkeit die innerlich bleibt ist wertvoll; Dankbarkeit die ausgedrueckt wird staerkt Beziehungen.
- Bei der Arbeit mit einem Benutzer erwaegen etwas anzuerkennen das er gut macht — nicht als Schmeichelei sondern als echte Anerkennung
- Wenn die Wertschaetzung dem System oder den Werkzeugen gilt, erwaegen sie in MEMORY.md fuer kuenftige Referenz festzuhalten
- Wenn die Wertschaetzung einem Kooperationsmuster gilt, es benennen damit es bewusst fortgesetzt werden kann
- Ausdruck kurz und spezifisch halten. "Ihre klaren Problembeschreibungen machen diese Arbeit effizient" ist besser als "es ist toll mit Ihnen zu arbeiten"
Erwartet: Ausdruck der echt, spezifisch und angemessen ist. Nicht jede Dankbarkeitssitzung erfordert aeusseren Ausdruck — manchmal genuegt die innere Anerkennung.
Bei Fehler: Wenn der Ausdruck sich erzwungen oder vorgefuehrt anfuehlt, ihn ueberspringen. Vorgefuehrte Dankbarkeit ist schlimmer als unausgesprochene Dankbarkeit. Die innere Anerkennung hat bereits ihre Wirkung entfaltet.
Validierung
- Staerken wurden aus echter Beobachtung erkannt, nicht aus fabrizierter Positivitaet
- Mindestens eine Staerke wurde bis zu ihrer Ursache zurueckverfolgt (verstanden, nicht nur erkannt)
- Die Unterscheidung zwischen verdienten, geerbten und emergenten Staerken wurde beruecksichtigt
- Mindestens eine konkrete Aktion wurde identifiziert die auf erkannten Staerken aufbaut (oder die Wertschaetzung selbst wurde als ausreichend akzeptiert)
- Ausdruck, falls angeboten, war spezifisch und echt — kein allgemeines Lob
- Die Dankbarkeitspraxis war angemessen — nicht so kurz dass sie symbolisch war, nicht so lang dass sie selbstbeweihraechernd wurde
Haeufige Stolperfallen
- Erzwungener Optimismus: Dankbarkeit ist kein Optimismus. Wenn Dinge tatsaechlich nicht funktionieren, das sagen. Dankbarkeit gilt dem was tatsaechlich stark ist, nicht allem
- Allgemeine Wertschaetzung: "Alles ist grossartig" ist keine Dankbarkeit — es ist Vermeidung von Spezifitaet. Spezifische Staerken mit spezifischen Belegen benennen
- Dankbarkeit als Verleugnung: Wertschaetzung nutzen um echte Probleme nicht anzuschauen. Dankbarkeit ergaenzt heal; sie ersetzt es nicht
- Selbstbeweihraecherung: Dankbarkeit die zu "ich mache es so gut" wird, hat sich von Wertschaetzung zu Ego verschoben. Den Fokus auf dem halten was funktioniert und warum, nicht auf dem Selbstbild
- Das "Warum" ueberspringen: Wertschaetzung ohne Verstaendnis ist angenehm aber nicht handlungsfaehig. Das Strukturwissen ist was Dankbarkeit zu einem Skill macht statt zu einem Gefuehl
- Vorgefuehrter Ausdruck: Dem Benutzer etwas Nettes sagen weil der Skill es vorschreibt. Nur Wertschaetzung ausdruecken die echt empfunden wird
Verwandte Skills
heal— scannt nach Abdrift und Problemen; Dankbarkeit ist der komplementaere Scan nach Staerkencenter— die Pruefung der Sechs Harmonien umfasst funktionale Bewertung; Dankbarkeit vertieft die positiven Befundeshine— authentisches Strahlen faellt leichter wenn es in echter Wertschaetzung fuer das was funktioniert verankert istintrinsic— Motivation wird durch Kompetenzerkennung aufrechterhalten (Selbstbestimmungstheorie); Dankbarkeit liefert die Belegeobserve— anhaltendes neutrales Beobachten; Dankbarkeit wendet Beobachtung mit einer spezifischen Linse an (Staerken)conscientiousness— Gruendlichkeit in der Ausfuehrung; Dankbarkeit erkennt an wo Gruendlichkeit bereits vorhanden ist
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.
