MCP HubMCP Hub
Retour aux compétences

observe

pjt222
Mis à jour 2 days ago
7 vues
17
2
17
Voir sur GitHub
Métaai

À propos

La compétence `observe` permet une surveillance passive et systématique des systèmes afin d'identifier des modèles sans intervention immédiate. Elle applique une méthodologie d'étude naturaliste — observer, enregistrer et formuler des hypothèses — pour comprendre des comportements obscurs ou des causes profondes. Utilisez-la pour déboguer des problèmes inconnus, évaluer des modifications de code, ou auditer votre propre raisonnement à la recherche de biais avant de passer à l'action.

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

Observe

Frame → witness → record → categorize → theorize → archive.

Use When

  • Behavior unclear → action premature
  • Debug unknown cause → observe before intervene → no symptom mask
  • Post-change → witness effects before more changes
  • User patterns over conv → improve future
  • Audit own reasoning → biases, habits, errors
  • After learn → validate model

In

  • Required: Target — system, codebase, behavior, user, reasoning
  • Optional: Duration/scope
  • Optional: Guiding question/hypothesis
  • Optional: Prior obs to compare (delta)

Do

Step 1: Frame

Define what + why + perspective.

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. Pick target, name explicitly
  2. Define boundary: in/out scope
  3. Stance: "observing, not intervening"
  4. Guiding Q? state but hold lightly → notice outside scope too
  5. Pick categories from matrix

→ Clear frame: directs attention, doesn't constrain. Observer knows where + categories, stays open.

If err: too broad ("observe everything") → narrow to one subsystem/behavior. Too narrow ("one variable") → zoom out → patterns at edges.

Step 2: Witness

Hold attention, no interpret/judge/intervene.

  1. Begin systematic obs: read files, trace exec, review history — whatever target needs
  2. Record what seen, not meaning → desc before interpretation
  3. Resist fixing problems → note + continue
  4. Resist explaining patterns → wait for accumulation
  5. Drift to other target → note drift (may be meaningful), return frame
  6. Maintain ≥3-5 distinct points before categorize

→ Raw obs collection — specific, concrete, no interpretation. Reads like field notes: "File X imports Y but does not use function Z. File A 300 lines; B 30 lines, similar."

If err: instant analysis ("wrong because...") → analytical habit overrides. Separate phases: obs as fact, then interpretation as separate "hypothesis" note. Strong reaction → note reaction itself as data: "Strong concern when observing X — significant issue or my bias."

Step 3: Record

Transcribe while fresh.

  1. Each obs = single fact statement (what/where/when)
  2. Group naturally similar — don't force, notice clusters
  3. Frequency: once / occasional / pervasive?
  4. Contrasts: where pattern broke? Exceptions > rules
  5. Temporal: changed over time or static?
  6. Exact evidence: paths, line numbers, words, examples

→ Structured 5-15 discrete obs, specific evidence. Detailed enough another observer can verify.

If err: too abstract ("code messy") → ground in specifics → which files, what makes messy? Too granular ("line 47 space before brace") → zoom to pattern level → one-off or systemic?

Step 4: Categorize

Sort, no explain yet.

  1. Review all → look for natural groupings
  2. Assign to Step 1 category, or new
  3. Within category: rank by frequency + significance
  4. Identify well-documented (many obs) vs blind spots (few)
  5. Cross-category patterns: same underlying manifests differently?
  6. Note outliers — most interesting data

→ Categorized map w/ clear groupings. Each category = specific obs supporting. Map shows patterns + gaps.

If err: forced cat → may lack natural grouping (itself a finding — system lacks coherent structure). All in one cat → scope too narrow → zoom out.

Step 5: Theorize

Now — only now — interpret.

  1. Each major pattern → hypothesis: "exists because..."
  2. Each hypothesis → supporting evidence
  3. Each → counter-evidence that disproves
  4. Rank by explanatory power
  5. ≥1 contrarian: "obvious = X, could also be Y because..."
  6. Testable vs speculative

→ 2-4 hypotheses explain major patterns, each w/ specific obs support. ≥1 surprising/contrarian. Obs vs interpretation distinction maintained.

If err: no hypotheses → more obs needed → Step 2. Too many ("everything maybe") → keep 2-3 strongest, set aside. Only obvious → force contrarian: "what if opposite?"

Step 6: Archive

Preserve.

  1. Summarize: 3-5 patterns w/ evidence
  2. Leading hypotheses + confidence
  3. What NOT observed (blind spots)
  4. Follow-ups to strengthen/weaken
  5. Durable patterns → MEMORY.md
  6. Tag context: when, what prompted, scope

→ Archive future sessions can build on. Distinguishes obs (data) from hypotheses (interpretation). Honest about confidence + gaps.

If err: not worth archiving → too shallow OR genuinely routine. Archive negatives too: "Observed X, no anomalies" = useful future context.

Check

  • Frame set before obs began (not wandering)
  • Raw obs recorded as facts before interpretation
  • ≥5 discrete obs w/ specific evidence
  • Interpretation separated from obs
  • ≥1 surprising/contrarian finding
  • Archive specific enough another observer can verify

Traps

  • Premature intervention: see + fix immediately → lose broader pattern
  • Obs bias: see expected, not present. Expectations filter → frame mitigates not eliminates
  • Analysis paralysis: obs endlessly → no action. Set time/data limit, commit to conclude
  • Narrative imposition: connecting obs even when connections weak. Not all coherent — disconnected = valid
  • Familiarity ≠ understanding: "seen before" ≠ "know why". False confidence
  • Ignore own reactions: emotional/cognitive reactions = data. Confusion/boredom/alarm = signal

  • observe-guidance — human-guidance variant
  • learn — obs feeds learning w/ raw data
  • listen — outward to user; obs broader to any system
  • remote-viewing — intuitive, validatable through obs
  • meditate — sustained attention capacity
  • awareness — threat-focused; obs curiosity-driven

Dépôt GitHub

pjt222/agent-almanac
Chemin: i18n/caveman-ultra/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