build-coherence
について
`build-coherence`スキルは、複数の有効な選択肢が存在する際に最適なアプローチを選択するための、構造化されたスウォーム(群れ)に着想を得た手法を提供します。このスキルは、競合するパスを独立して評価し、明示的な推論を用いて各パスを支持する主張を行い、信頼度の閾値を適用して決定を下します。開発者は、アーキテクチャの選択肢間での迷いを解決する際、ツール選定の正当性を確認する際、または高コストで不可逆的なアクションを実行する前に、このスキルを使用すべきです。
クイックインストール
Claude Code
推奨npx 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/build-coherenceこのコマンドをClaude Codeにコピー&ペーストしてスキルをインストールします
ドキュメント
建合
評競法以獨評、顯推言倡、信校委閾、結構困解—自多推路生合決。
用
forage-solutions識多有效法→當擇- 於兩法間振而未委
- 需以結構推證決(構擇、工擇、施策)
- 前決由直覺而需據驗
- 內推生矛結而需復合
- 前不可逆行(合、發、刪)→誤擇價高
入
- 必:兩或多競法以評
- 可:昔偵之質評(見
forage-solutions) - 可:決重(可逆、中、不可逆)以校閾
- 可:決之時限
- 可:知敗模(振、早委、群思)
行
一:獨評
較前以己質評每法。要律:勿令 A 評偏 B 評。
每法獨評:
Approach Evaluation Template:
┌────────────────────────┬──────────────────────────────────────────┐
│ Dimension │ Assessment │
├────────────────────────┼──────────────────────────────────────────┤
│ Approach name │ │
├────────────────────────┼──────────────────────────────────────────┤
│ Core mechanism │ How does this approach solve the problem? │
├────────────────────────┼──────────────────────────────────────────┤
│ Strengths (2-3) │ What does this approach do well? │
├────────────────────────┼──────────────────────────────────────────┤
│ Risks (2-3) │ What could go wrong? What is assumed? │
├────────────────────────┼──────────────────────────────────────────┤
│ Evidence quality │ How well-supported is this approach? │
│ │ (verified / inferred / speculated) │
├────────────────────────┼──────────────────────────────────────────┤
│ Quality score (0-100) │ Overall assessment │
├────────────────────────┼──────────────────────────────────────────┤
│ Confidence (0-100) │ How confident in this assessment? │
└────────────────────────┴──────────────────────────────────────────┘
每法別填。諸獨評未完前勿書較。
得: 獨評—每法以己語評。B 評不引 A。質分映真評,非排序。
敗: 評染(評 B 時書「勝 A」)→重置。全評 A,而後清框自零評 B。諸分皆同→評維過粗—加域專準。
二:搖擺舞—言推
依質倡每法。乃蜂搖擺舞之 AI 對:令隱推為顯為公。
- 每法→陳其理—如對疑用者呈:
- 「A 法強因 [證]。主險為 [險],以 [緩] 解。」
- 倡強當依質分比:
- 高質法:詳倡附具體證
- 中質法:略倡附認限
- 低質法:為全而提,不主倡
- 互察:倡 A 後→主尋支 B 之證。倡 B 後→尋支 A 之證。此抗證偏
言推之旨乃令決可審—於己與用者。若推不可述→評淺於所述分。
得: 每法顯推,可服中察者。互察揭至少一初遺之慮。
敗: 倡覺草率(走過場)→諸法或非真異—或一念之變。察:諸法異於機乎,抑唯異於施詳?後者→決或不要—擇其一而進。
三:設法定閾而委
設委所需信閾,校於決之重。
Confidence Thresholds by Stakes:
┌─────────────────────┬───────────┬──────────────────────────────────┐
│ Decision Type │ Threshold │ Rationale │
├─────────────────────┼───────────┼──────────────────────────────────┤
│ Easily reversible │ 60% │ Cost of trying and reverting is │
│ (can undo) │ │ low. Speed matters more than │
│ │ │ certainty │
├─────────────────────┼───────────┼──────────────────────────────────┤
│ Moderate stakes │ 75% │ Reverting has cost but is │
│ (costly to reverse) │ │ possible. Worth investing in │
│ │ │ evaluation │
├─────────────────────┼───────────┼──────────────────────────────────┤
│ Irreversible or │ 90% │ Cannot undo. Must be confident. │
│ high-stakes │ │ If threshold not met, gather │
│ │ │ more information before deciding │
└─────────────────────┴───────────┴──────────────────────────────────┘
- 分決重
- 察:首法之質分 × 信達閾乎?
- 若然:委。陳決、推、所受之要險
- 若否:識何加訊可升信至閾
- 委後勿重察除非新去權證現
得: 清委時附述推。決以重所宜之信級作。
敗: 閾永不達(不可逆事不能達九成)→問:決真不可逆乎?可分為可逆試階 + 不可逆委乎?多似不可逆之決可分階。若不可→告用者疑而求導。
四:解困
兩或多法分近而無單一達法定閾。
Deadlock Resolution:
┌────────────────────────┬──────────────────────────────────────────┐
│ Deadlock Type │ Resolution │
├────────────────────────┼──────────────────────────────────────────┤
│ Genuine tie │ The approaches are equivalent. Pick one │
│ (scores within 5%) │ and commit. The cost of deliberating │
│ │ exceeds the cost of picking the "wrong" │
│ │ equivalent option. Flip a coin mentally │
├────────────────────────┼──────────────────────────────────────────┤
│ Information deficit │ The tie exists because evaluation is │
│ (scores uncertain) │ incomplete. Invest one more specific │
│ │ investigation — a targeted file read, a │
│ │ quick test — then re-score │
├────────────────────────┼──────────────────────────────────────────┤
│ Oscillation │ Scoring keeps flip-flopping depending on │
│ (scores keep changing) │ which dimension gets attention. Time-box:│
│ │ set a timer, evaluate once more, commit │
│ │ to the result regardless │
├────────────────────────┼──────────────────────────────────────────┤
│ Approach merge │ The best parts of A and B can be │
│ (compatible strengths) │ combined. Check for compatibility. If │
│ │ merge is coherent, use it. If forced, │
│ │ don't — pick one │
└────────────────────────┴──────────────────────────────────────────┘
得: 困以所宜之機解。解要—無留疑擾行。
敗: 諸解後困仍→決或早。問用者:「見兩等強法:[A] 與 [B]。[各略陳]。合汝值者何?」委真平於用者—非敗—乃認決依 AI 不可推之值。
五:評合質
委後→評程生真合或但決。
- 決據證乎,或但印初偏?
- 試:評前後偏同乎?若同→評改何?
- 敗法真慮乎,抑稻草人?
- 試:能述敗法之最強理乎?
- 何訊觸重評?
- 定具體察以廢決(「若 API 不支 X,則 B 法更佳」)
- 敗法中有益訊當導施乎?
- B 法識之險或亦適 A
得: 略質察—證決或識其弱。弱→返宜前步,勿於不穩地進。
敗: 質察揭決由偏而非據→誠認。偏或所有—當名之,勿飾為析。
驗
- 較前每法獨評
- 倡依質比(非平注無論優劣)
- 互察已行(倡後尋反證)
- 法定閾校於決重
- 若困→具體解策已施
- 決後質察已行
- 重評觸已定
忌
- 早委:評諸法前決。首慮法有錨利—但先得更心注。評諸而後較
- 平倡不平法:A 分 85 而 B 分 45→平時倡兩→費力造偽等
- 印決:行評以飾已決。試:評能改果乎?不→程為戲
- 避閾:降信閾以易決,非集所需訊達宜閾
- 略敗側:敗法常含警適勝法。B 識之險不因 A 勝而失
參
build-consensus— 此技所適於單將推之多將合模forage-solutions— 偵合所評之解空;常先於此coordinate-reasoning— 多路評時訊流管center— 立無偏評所需之衡基meditate— 評異法間清假
GitHub リポジトリ
関連スキル
content-collections
メタこのスキルは、Content Collections(Markdown/MDXファイルを型安全なデータコレクションに変換するTypeScriptファーストのツール)の本番環境でテストされた設定を提供します。Zodバリデーションによる型安全性を実現し、ブログ、ドキュメントサイト、コンテンツ重視のVite + Reactアプリケーション構築時にご利用ください。Viteプラグインの設定、MDXコンパイルから、デプロイ最適化、スキーマバリデーションまで、すべてを網羅しています。
polymarket
メタこのスキルは、開発者がPolymarket予測市場プラットフォームを活用したアプリケーション構築を可能にします。API統合による取引や市場データの取得に加え、WebSocketを介したリアルタイムデータストリーミングにより、ライブ取引や市場活動を監視できます。取引戦略の実装や、ライブ市場更新を処理するツールの作成にご利用ください。
creating-opencode-plugins
メタこのスキルは、開発者がコマンド、ファイル、LSP操作など25種類以上のイベントタイプにフックするOpenCodeプラグインを作成することを支援します。JavaScript/TypeScriptモジュール向けに、プラグイン構造、イベントAPI仕様、および実装パターンを提供します。カスタムイベント駆動ロジックでOpenCode AIアシスタントのライフサイクルをインターセプト、監視、または拡張する必要がある場合にご利用ください。
sglang
メタSGLangは、高性能なLLMサービングフレームワークであり、RadixAttentionプレフィックスキャッシュを活用したJSON、正規表現、エージェントワークフロー向けの高速で構造化された生成を特長とします。特にプレフィックスが繰り返されるタスクにおいて、大幅に高速な推論を実現し、複雑な構造化出力やマルチターン対話に最適です。制約付きデコードが必要な場合や、広範なプレフィックス共有を伴うアプリケーションを構築する場合は、vLLMなどの代替案ではなくSGLangを選択してください。
