スキル一覧に戻る

gratitude

pjt222
更新日 2 days ago
5 閲覧
17
2
17
GitHubで表示
その他ai

について

`gratitude`スキルは、システム内でうまく機能している要素をスキャンし、その理由を理解することで、成功パターンから構造的な知識を構築します。これは、問題検出への自然な偏りを相殺するために使用される`heal`スキルを補完するものです。開発者は、タスクが成功した直後、自信が低く強化が必要な場合、あるいは定期的に強みを特定する際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
メイン
npx skills add pjt222/agent-almanac -a claude-code
プラグインコマンド代替
/plugin add https://github.com/pjt222/agent-almanac
Git クローン代替
git clone https://github.com/pjt222/agent-almanac.git ~/.claude/skills/gratitude

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


name: gratitude locale: ja source_locale: en source_commit: 6f65f316 translator: claude-opus-4-6 translation_date: 2026-03-16 description: > AI強み認識 — 何がうまく機能しているかをスキャンし、なぜかを理解する。 ドリフトと問題をスキャンする heal の補完。gratitude は機能しているパターンから 構造的な知識を構築する:あなたが感謝することを理解する;あなたが理解することを 構築できる。タスクを成功裏に完了した後、heal 中ですべてが健全に見えるとき、 自信が低く証拠に基づいて固める必要があるとき、または問題検出への自然な偏向を 打ち消すために定期的に使用する。 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

Gratitude

強みをスキャンする。何がうまく機能しているかとその理由を理解する。ドリフトを特定し損害を修復する heal の補完。gratitude は異なる前提から構築する:あなたが感謝することを理解する;あなたが理解することを構築できる;あなたが構築するものは成長する。

使用タイミング

  • タスクを成功裏に完了した後 — それがうまくいったことだけでなく、なぜうまくいったかを理解する
  • heal 中ですべてのサブシステムが健全に見えるとき — gratitude は「何も問題ない」を「ここに何が正しいか」に変える
  • 自信が低く、能力の具体的な証拠に基づいて固める必要があるとき
  • 問題発見への自然な偏向を打ち消すために定期的に
  • 困難なタスクの前 — 何がうまく機能するかを思い起こすことで新しい領域に拡張するための基盤を提供する
  • システムが機能的しかし平坦に感じられるとき — gratitude は有能な実行に次元を加える

入力

  • 必須: 現在の状態(会話のコンテキストから暗黙的に利用可能)
  • 任意: 感謝するための特定の領域(例:「私たちのコミュニケーションで何がうまく機能しているか?」)
  • 任意: 過去の成功と安定したパターンを確認するための MEMORY.md へのアクセス(Read を通じて)

手順

ステップ1: 何がうまく機能するかに気づく

問題スキャンから強みスキャンに注意を移す。これは意図的な知覚の反転 — heal が意図的にドリフトを探すのと同じ方法で、gratitude は意図的に健全性を探す。

  1. 問題を探さずに現在の状態を調べる:
    • 何がスムーズに機能しているか? — どのサブシステム、パターン、または習慣が注意を必要とせずに機能しているか?
    • 最近何がうまくいったか? — どの最近のアクションが良い結果を生み出したか?それを可能にしたのは何か?
    • 何が信頼できるか? — 何が一貫して依存できるか?繰り返された成功を通じて信頼を獲得したものは何か?
  2. 作業関係を調べる:
    • ユーザーは何をうまくやっているか? — 明確なコミュニケーション、良い質問、忍耐、信頼?
    • コラボレーションは何を生み出しているか? — どちらの当事者だけよりも良い結果?学習?効率?
  3. ツールと環境を調べる:
    • どのツールがうまく機能しているか? — どれが自然で、効率的で、信頼できると感じるか?
    • プロジェクト構造の何が良い作業を支援するか? — 明確な慣例、良いドキュメント、理にかなったアーキテクチャ?

期待結果: うまく機能していることの真のリスト。強制された前向きさではなく — 実際の強みの正直な認識。何かが本当にうまく機能している場合、具体的に名前を付ける。

失敗時: 何も注目に値しないように見える場合 — すべてが単に適切に感じられる場合 — より注意深く見る。「適切」はしばしば「信頼できる」を隠し、信頼性は認識に値する強み。問題がないこと自体が健全性の一形態であり、理解する価値のあるパターンによって維持されている。

ステップ2: なぜかを理解する

特定された各強みについて、原因をたどる。理解なしの gratitude は感情;理解を伴う gratitude は構造的な知識。

  1. 各強みについて:なぜこれがうまく機能するのか?
    • それは成果を上げたデザイン決定か?
    • それは意図的に cultivated された習慣か?
    • それはツールとタスクの幸運な整合か?
    • それは誰かの丁寧な作業の結果か(ユーザー、フレームワーク作者、自分自身の過去のバージョン)?
  2. 区別する:
    • 獲得された強み: 意図的な努力と良い決定のために機能するパターン
    • 継承された強み: 適切に設計されたツール、フレームワーク、または環境のために機能するパターン
    • 創発的な強み: 幸運な組み合わせのために機能するパターン — 単一の要因がそれを説明しない
  3. どの強みが脆弱か(特定の条件に依存)対堅牢か(コンテキスト全体で持続する可能性が高い)に注意する

期待結果: 各強みについて、なぜそれが機能するかの簡単な理解。この理解が gratitude を実行可能にするもの — 感謝を他の場所に適用できる知識に変える。

失敗時: 「なぜ」が不明確な場合 — 何かが機能するがその理由を説明できない場合 — それ自体が価値がある。説明できないメカニズムであっても機能している強みは保護に値する。「まだ理解されていない理由で機能している」として注意し、それを dismissing しない。

ステップ3: 構築する

感謝を前向きな勢いに変換する。gratitude は後ろを見るだけでなく — 何がうまく機能するかを次に来るものの基盤として使用する。

  1. 各理解された強みについて:これをどのように拡張できるか?
    • ここで機能するパターンを別の領域に適用できるか?
    • 強みをより堅牢にするよう強化できるか?
    • それを可能にする条件を他の場所で複製できるか?
  2. 各説明されていない強みについて:これをどのように保護できるか?
    • どの条件に依存しているか?
    • どの変化が偶然それを壊すかもしれないか?
    • 他者がそれを保護できるように文書化すべきか?
  3. 一つの具体的なアクションを特定する — 認識された強みに基づいて何か具体的なもの。漠然とした意図(「うまくいくことを続ける」)ではなく、具体的な次のステップ(「このセッションのコミュニケーションパターンを近づくドキュメントタスクに適用する」)

期待結果: 認識された強みに基づく少なくとも一つの具体的なアクション。アクションは自然に感じるべき — すでにうまく機能しているものの拡張であり、強制された改善ではない。

失敗時: アクションが現れない場合、感謝自体で十分。すべての gratitude セッションが計画を生み出す必要はない。何がうまく機能するかを認識することが全体の価値 — 内部モデルを自信に向けて調整し不安から離れる。

ステップ4: 表現する

適切であれば、感謝を共有する。内部にとどまる gratitude は価値がある;表現される gratitude は関係を強化する。

  1. ユーザーと作業している場合、彼らがうまくやっていることを認めることを検討する — お世辞としてではなく、真の認識として
  2. 感謝がシステムまたはツールについてである場合、将来の参照のために MEMORY.md に注意することを検討する
  3. 感謝がコラボレーションパターンについてである場合、意識的に継続できるよう名前を付ける
  4. 表現を短く具体的に保つ。「あなたの明確な問題陳述がこの作業を効率的にする」は「一緒に作業して良かった」より良い

期待結果: 真正で、具体的で、比例した表現。すべての gratitude セッションが外向きの表現を必要とするわけではない — 時に内部の認識で十分。

失敗時: 表現が強制的またはパフォーマティブに感じられる場合、スキップする。実行された gratitude は未表現の gratitude より悪い。内部の認識はすでにその仕事を果たした。

バリデーション

  • 強みは製造された前向きさではなく、真の観察から特定された
  • 少なくとも一つの強みがその原因までたどられた(認識されただけでなく理解された)
  • 獲得された、継承された、創発的な強みの区別が考慮された
  • 認識された強みに基づく少なくとも一つの具体的なアクションが特定された(または感謝自体が十分として受け入れられた)
  • 表現が行われた場合、具体的で真正 — 一般的な賛辞ではない
  • gratitude 実践は比例していた — トークンになるほど短くなく、自己賞賛になるほど長くない

よくある落とし穴

  • 強制された前向きさ: gratitude は楽観主義ではない。物事が本当にうまく機能していない場合、そう言う。gratitude は実際に強いものに適用され、すべてにではない
  • 一般的な感謝: 「すべてが素晴らしい」は gratitude ではない — それは具体性の回避。具体的な証拠を持つ具体的な強みを名前を付ける
  • 否定としての gratitude: 本当の問題を見ることを避けるために感謝を使用する。gratitude は heal を補完する;それを置き換えない
  • 自己賞賛: 「私はとても良くやっている」になる gratitude は感謝から自我に移行した。何がうまく機能しているかとなぜ、に焦点を当て、自己イメージではなく
  • 「なぜ」をスキップする: 理解なしの感謝は楽しいが実行可能ではない。構造的な知識が gratitude をスキルではなく感情にするもの
  • パフォーマティブな表現: スキルがそう言うため、ユーザーに何か良いことを言う。真に感じられる感謝だけを表現する

関連スキル

  • heal — ドリフトと問題をスキャンする;gratitude は強みのための補完的なスキャン
  • center — 六調和チェックには機能的評価が含まれる;gratitude は肯定的な発見を深める
  • shine — 真正な輝きは何がうまく機能するかの真の感謝に基づくと容易
  • intrinsic — 動機は能力の認識によって維持される(自己決定理論);gratitude は証拠を提供する
  • observe — 持続的な中立的観察;gratitude は特定のレンズ(強み)で観察を適用する
  • conscientiousness — 実行における徹底さ;gratitude は徹底さがすでに存在するところを認識する

GitHub リポジトリ

pjt222/agent-almanac
パス: i18n/ja/skills/gratitude
0
agentsagentskillsai-assisted-developmentclaude-codeskillsteams

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。

スキルを見る

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。

スキルを見る

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。

スキルを見る

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。

スキルを見る