conscientiousness
について
このスキルは、Claudeに作業を体系的に検証させ、完全性を確認し、タスクを完了する前に手を抜かないよう促すものです。複雑な操作の後、応答が単に「十分良い」と感じられる場合、または急ぎすぎる傾向を修正するために設計されています。中核となる能力は、提供される成果物が元の要求の要件を完全に満たしていることを保証することです。
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/conscientiousness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
盡心
系之周與勤——確全、驗果、隨諾、終以所宜之準。
用時
- 標任畢前——末驗
- 應似「足」而任宜更善時
- 繁多步後步或偏時
- 用者所求多部各需驗時
- 交碼、文、品於用者察前
- 自察現走捷徑或急之式時
入
- 必:驗之任或品(自談得)
- 可選:用者原求(以比所交)
- 可選:用者供之單或受之準
- 可選:話中前諾(所諾未察者)
法
第一步:復全諾
察作前,重立所諾。
- 重讀用者原求——非所解,乃實言
- 列諸明求
- 列話中諸隱諾:
- 「我亦更測」——已為乎?
- 「讓我亦修之」——已畢乎?
- 「我察邊例」——已察乎?
- 注用者所供之受準
- 比諾列於實交
得: 全諾列——明求加隱諾——初比於所交。
敗則: 若原求不於境(已壓),自餘復且告用者任缺。
第二步:驗全
察每諾已治。
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 | |
+---------------------+------------------+------------------+
- 每項以證驗——非以記,乃實驗:
- 碼變:重讀檔確變存
- 測果:再行或引實出
- 文:重讀確準
- 標每項:Done(全畢)、Partial(始而未畢)、Missing(未治)
- Partial 與 Missing 項注餘者
得: 每諾有驗態。無項未察。
敗則: 若驗露遺項,即治之,勿注於後。盡心者今畢,非意畢。
第三步:驗正
全必要而不足——所為必亦正。
- 每已畢項察:
- 準:行其當行乎?值正乎?
- 一:與餘作合乎?無矛盾乎?
- 邊例:界條件已慮乎?
- 合:與境合乎?
- 碼:可過碼察乎?有顯改乎?
- 文:準、清、無誤乎?
- 多步:每步之出正入次乎?
得: 每品既全且正。誤捕於用者見前。
敗則: 若發誤,即修之。勿示附已知誤之作,雖誤微。
第四步:驗示
末察:品之示事用者乎?
- 清:用者可解所為而不重讀多次乎?
- 組:應邏構乎?相關項聚乎?
- 簡:有冗餘重乎?
- 可行:用者知下何為乎?
- 誠:限或注明示乎?
得: 品全、正、善示。
敗則: 若容正而示劣,重構。善作劣示乃盡心之敗。
驗
- 原求重讀(非自記)
- 每明求以證驗
- 每隱諾追且驗
- 正察逾全
- 相關時慮邊例
- 品清示且可行
陷
- 驗之戲:走過場而不實察實驗。察必用證,非記
- 偏盡心:察主品而忽旁諾(「我亦…」)。每諾皆算
- 偽盡之完美:無盡之磨遲交。盡心乃達諾準,非永逾之
- 盡心疲:話進而減周。末任宜同首任之勤
- 略簡任:假設簡任不需驗。簡任有誤較繁任有誤更尷尬
參
honesty-humility— 盡心驗全;誠謙保明報何成何未成heal— 子系評與自驗相疊;盡心專於品質vishnu-bhaga— 存行態補盡心於持質observe— 持中察支驗程intrinsic— 真投(非從)自驅周行
GitHub リポジトリ
関連スキル
llamaguard
その他LlamaGuardは、暴力やヘイトスピーチなど6つの安全性カテゴリーにおいて、LLMの入力と出力をモデレートするMetaの70-80億パラメータモデルです。94〜95%の精度を提供し、vLLM、Hugging Face、Amazon SageMakerを使用してデプロイ可能です。このスキルを使用して、AIアプリケーションにコンテンツフィルタリングと安全策を簡単に統合できます。
cost-optimization
その他このClaudeスキルは、リソースの適正サイジング、タグ付け戦略、支出分析を通じて、開発者がクラウドコストを最適化することを支援します。AWS、Azure、GCPにわたるクラウド支出の削減とコストガバナンスの実施のためのフレームワークを提供します。インフラコストの分析、リソースの適正サイジング、または予算制約への対応が必要な際にご利用ください。
quantizing-models-bitsandbytes
その他このスキルは、bitsandbytesを使用してLLMを8ビットまたは4ビット精度に量子化し、精度の低下を最小限に抑えつつ50〜75%のメモリ削減を実現します。限られたGPUメモリでより大規模なモデルを実行したり、推論を高速化するのに理想的で、INT8、NF4、FP4などのフォーマットをサポートしています。HuggingFace Transformersと統合され、QLoRAトレーニングや8ビットオプティマイザーを可能にします。
dispatching-parallel-agents
その他このClaudeスキルは、複数のエージェントを配備し、3つ以上の独立した問題を並行して調査・修正します。共有状態や依存関係がなく解決可能な、無関係な障害が発生するシナリオ向けに設計されています。中核となる機能は並列問題解決であり、効率を最大化するために独立した問題領域ごとに1つのエージェントを割り当てます。
