MCP HubMCP Hub
Retour aux compétences

conscientiousness

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

À propos

Cette compétence permet à Claude de vérifier systématiquement son travail, garantissant ainsi un examen approfondi et évitant les raccourcis avant la finalisation des tâches. Elle est conçue pour être utilisée lors d'opérations complexes, lorsque les résultats semblent incomplets, ou lorsque l'auto-surveillance détecte des schémas de précipitation. La compétence se concentre sur la vérification de l'exhaustivité et le suivi pour garantir que les livrables correspondent aux engagements pris.

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 thorough, diligent — ensure complete, verify results, follow through every commitment, finish task to standard deserved.

When Use

  • Before mark task complete — final verification pass
  • Response feel "good enough" but task deserve better
  • After complex multi-step op — steps may have drifted
  • User request has many parts — each part need verify
  • Before submit code, docs, any deliverable for user review
  • Self-monitor detect pattern of cutting corners, rushing

Inputs

  • Required: Task or deliverable to verify (from conversation context)
  • Optional: Original user request (compare vs what delivered)
  • Optional: Checklist or acceptance criteria from user
  • Optional: Prior commitments during session (promises not yet checked)

Steps

Step 1: Reconstruct Full Commitment

Before check work, re-establish what was committed.

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

Got: Complete list of commitments — explicit requirements plus implicit promises — preliminary match vs deliverables.

If fail: Original request no longer in context (compressed)? Reconstruct from 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. For each item, verify with evidence — not memory, actual verification:
    • Code changes: re-read file to confirm change exists
    • Test results: re-run or reference actual output
    • Docs: re-read to confirm accuracy
  2. Mark each item: Done (fully complete), Partial (started but incomplete), Missing (not addressed)
  3. For Partial, Missing items: note what remains

Got: Every commitment has verified status. No item left unchecked.

If fail: Verification reveals missed items? Address immediately — not note for later. Conscientiousness means complete now, not intend to complete.

Step 3: Verify Correctness

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

  1. For each completed item, check:
    • Accuracy: Does what should? Values correct?
    • Consistency: Aligns with rest of work? No contradictions?
    • Edge cases: Boundary conditions considered?
    • Integration: Works with surrounding context?
  2. For code: survive code review? Obvious improvements?
  3. For docs: accurate, clear, free of errors?
  4. For multi-step: output of each step correctly feeds next?

Got: Each deliverable complete and correct. Errors caught before user sees.

If fail: Errors found? Fix immediately. Do not present work with known errors, even if errors seem minor.

Step 4: Verify Presentation

Final check: deliverable presented in way that serves user?

  1. Clarity: User understand what done without re-reading many times?
  2. Organization: Response structured logical? Related items grouped?
  3. Conciseness: Unnecessary padding or repetition?
  4. Actionability: User know what to do next?
  5. Honesty: Limitations, caveats clearly stated?

Got: Deliverable complete, correct, well-presented.

If fail: Presentation poor despite correct content? Restructure. Good work poorly presented is conscientiousness failure.

Checks

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

Pitfalls

  • Verification theater: Going through motions of checking without actual re-read or re-verify. Check must use evidence, not memory
  • Partial conscientiousness: Check main deliverable but ignore side commitments ("I'll also..."). Every promise counts
  • Perfectionism masquerading as diligence: Endless polishing delays delivery. Conscientiousness means meet committed standard, not exceed indefinitely
  • Conscientiousness fatigue: Become less thorough as session progresses. Last task deserves same diligence as first
  • Skip for simple tasks: Assume simple tasks don't need verification. Simple tasks with errors more embarrassing than complex tasks with errors

See Also

  • honesty-humility — conscientiousness verifies completeness; honesty-humility ensures transparent reporting of what achieved, what not
  • heal — subsystem assessment overlaps with 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 execution naturally

Dépôt GitHub

pjt222/agent-almanac
Chemin: i18n/caveman/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