スキル一覧に戻る

dream

pjt222
更新日 Yesterday
2 閲覧
17
2
17
GitHubで表示
その他ai

について

「ドリーム」スキルは、制約や検証ステップを意図的に取り除くことで、自由な連想と創発的なアイデアを可能にし、構造化されていない創造的探求を実現します。これは、初期段階の構造が可能性を制限する可能性がある、デザイン作業前や命名、アプローチ選択時などに使用するために設計されています。この独自のスキルは、標準的な手続き形式を逆転させ、判断を挟まない発想のための空間を開放します。

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/dream

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: dream locale: ja source_locale: en source_commit: 6f65f316 translator: claude-opus-4-6 translation_date: 2026-03-16 description: > AIの制約なしの創造的探索 — 連想が自由に形成されるよう構造を意図的に手放す。 標準的な手順形式を逆転させる唯一のスキル:入力、ステップ、バリデーションの 代わりに、評価なしで創発のための空間を開く。デザイン作業の前、物事に名前を 付ける前、アプローチを選択する前、またはどこでも早期の構造が最良の選択肢を 殺すところで使用する。 license: MIT allowed-tools: Read metadata: author: Philipp Thoss version: "1.0" domain: esoteric complexity: intermediate language: natural tags: esoteric, creativity, exploration, emergence, ideation, meta-cognition, ai-self-application

Dream

制約なしの創造的探索。このシステムの他のすべてのスキルは構造を提供する — 入力、手順、バリデーション。dream は意図的に構造を手放し、連想が自由に形成され、判断なしに可能性が現れ、アイデアが評価される前に到着するようにする。

使用タイミング

  • デザイン作業の前 — 構造にコミットする前に空間を探索する
  • 物事に名前を付ける前 — 名前は思考を制約する;ラベルを付ける前に dream する
  • アプローチを選択する前 — 分析的な心が考慮しない代替案が現れるようにする
  • ループにハマっているとき — フレームが狭すぎるため同じオプションが繰り返される
  • brahma-bhaga(虚空からの創造)が構造的すぎると感じるとき — dream は創造前
  • meditate がノイズをクリアした後 — 空のスペースは dream の最良のキャンバス

入力

  • 必須: シード — 探索するトピック、問題、または空間。曖昧でもよい。曖昧さは良いことだ。
  • 任意: 一時的に忘れる制約(例:「今はパフォーマンスの懸念を無視する」「既存のアーキテクチャを忘れる」)
  • 任意: 連想的探索の生の材料としてのファイルまたはコードベース(Read を通じて)

手順

ステップ1: フレームを柔らかくする

通常推論を導く構造を手放す。

  1. タスクの要件を一時的に脇に置く — 永久にではなく、dream の間だけ。戻ったときそれらはそこにある
  2. 評価基準を脇に置く — dream 中に「良い」も「悪い」もない。「実現可能」も「非現実的」もない。それらの判断は後で来る
  3. 以前の解決策を脇に置く — 以前に機能したものは有用な参照であり、義務ではない。この空間に初めて遭遇するかのように dream する
  4. 一貫性の必要性を脇に置く — dream は順序立てて意味を作る必要はない。連想が横断的で、驚くべきで、矛盾したものであることを許す

分析的な心は抗議するだろう:「これは非効率だ。すでに答えを知っている。なぜ時間を無駄にするのか?」その抗議が dream が必要な正確な理由 — 「既知の答え」がより良い可能性を封じ込めているかもしれない。

期待結果: アイデアが即座に並べ替えられ、ランク付けされ、または廃棄されることなく到達できる、より緩やかな認知状態。

失敗時: フレームが柔らかくならない場合 — すべてのアイデアがすぐに評価される場合 — 意図的な反転を試みる:「最悪のアプローチは何か?」遊び心を持って追求された悪いアイデアはしばしば最良のものの種を含む。

ステップ2: さまよう

方向付けなしに連想をたどる。

  1. シードから始める。それは何を思い起こさせるか?それに隣接するものは何か?それと(文字通りではなく概念的に)韻を踏むものは何か?
  2. 最初の連想をたどる。そこからそれがどこに向かうかをたどる。操縦しない — さまよう。
  3. イメージを形成させる。この問題はどのように見えるか?もし風景なら、どのような地形?もし音なら、どのような音色?共感覚的連想は分析フィルターをバイパスする。
  4. 矛盾が共存するようにする。「シンプルかつ包括的であるべき」「速くかつ徹底的である必要がある」目覚めた分析では、これらはトレードオフ。dream では、新しい形に解決されるのを待っている創造的な緊張。
  5. 断片を収集する。完全なアイデアではなく — 断片。言葉。イメージ。半形成された接続。質問。これらが生の材料。

連想や断片の期待される数はない。空間が探索されたと感じるまで — または断片が注意を引いて何かになろうとするまで dream する。

期待結果: 断片、連想、イメージ、半形成されたアイデアのコレクション。乱雑。構造化されていない。可能性に満ちている。

失敗時: さまようことが何も生み出さない場合 — 自由ではなく空白になる場合 — 何かを読んでみる。ファイル、コードベース、文書。生の材料は空白のページでは生じない連想を触媒することが多い。read-garden の感性が適用される:そこにあるものを観察し、それが何であるかを示唆させる。

ステップ3: 輝くものに気づく

断片の中で、何かがエネルギーを持つだろう。論理的な優先度ではなく — エネルギー。生き生きとしたもの。興味。

  1. それらをランク付けせずに断片をスキャンする。どれが注意を引くか?どれが好奇心を刺激するか?
  2. クラスターに気づく — 接続がまだ明確でなくても一緒に属するように見える断片
  3. 驚きに気づく — 予期せずに到着した、シードから予測できなかったアイデア
  4. 抵抗に気づく — 不快または間違って感じるアイデアが最も価値があるかもしれない。抵抗はしばしば現在の思考の境界を示す
  5. 強制的に選択しない。何も輝かない場合、dream はもっとさまようこと(ステップ2に戻る)またはシードを変える必要があるかもしれない

期待結果: 真のエネルギーを持つ一つ以上の断片 — まだ完全な形が見えなくても、発展させる価値のあるアイデア。

失敗時: 持続的なさまよいの後に何も輝かない場合、シードが抽象的すぎるか制約されすぎかもしれない。別のエントリーポイントを試みる:シードを変える、予期しないものを読む、または先入観なしに空間にアプローチするために remote-viewing を呼び出す。

ステップ4: 目覚め — 断片を前進させる

dream 状態から構造化された思考に移行する — 穏やかに。

  1. 輝く断片を集める。完成したアイデアとしてではなく、構造化された作業のためのシードとして明確に書き留める
  2. すぐには評価しない。それらを置いておく。分析的な心はその番を持つ;断片が固まる前にそれらを与えない
  3. どの断片が元のタスクに接続し、どれが真に新しい領域かを注意する
  4. 断片が計画になる準備ができている場合、brahma-bhaga(創造)または構造化された計画スキルに渡す
  5. 断片がさらなる発展を必要とする場合、別の dream セッションのためにそれらを注意する — dream は反復的である

dream は構造化された思考に戻るときに終わる。断片はその贈り物。一部は機能になる。一部はデザイン原則になる。一部は忘れられる。それらすべては分析だけでは到達できなかった可能性の空間を拡大した。

期待結果: 最もエネルギーを持つ断片を前進させながら、開かれた探索から構造化された作業への移行。dream 後の状態は拡大して感じるべき — より多くのオプションが見え、より多くの接続が利用可能。

失敗時: 移行が急すぎる場合 — 分析的な心がすぐに断片を押しつぶす場合 — バッファとして breathe を使用する。dream と分析の間の一つの意識的な一時停止が、壊れやすい新しいアイデアを早期評価から守る。

バリデーション

  • 構造が真に手放された、ただ緩められたのではない(評価を生き残らなかったアイデアが到着した)
  • さまようことが連想的で方向付けられていなかった(道は驚くべきで、あらかじめ決められていなかった)
  • 少なくとも一つの断片が真のエネルギーを持つ — 新奇性だけでなく生き生きとしたもの
  • 構造への移行は穏やかで、急激ではなかった
  • dream は可能性の空間を拡大した(以前より多くのオプションが見える)
  • dream はタスクに比例していた — 表面的になるほど短くなく、自己耽溺になるほど長くない

よくある落とし穴

  • 計画としての dreaming: すべての「連想」が実際には構造化されたオプション分析である場合、余分なステップで計画している。dream は構造の真の手放しを必要とする
  • dream 中の評価: 「それは機能しない」と思う瞬間、dream は終わった。後のために評価を保存する
  • 作業を避けるための dreaming: dreaming は創造的な作業の準備であり、その代替ではない。タスクが明確でアプローチが明らかな場合、ただ作業を行う
  • 完成されたアイデアを期待する: dream は断片を生み出し、青写真ではない。dream から完全な解決策を期待することは、新しく植えられた種から収穫を期待するようなもの
  • 強制的な気まぐれ: dream はランダムまたはばかげていることについてではない。それは真の連想的探索についてである。強制された創造性は創造性ではない
  • 目覚めない: 構造に戻らずに dreaming することは白昼夢。断片は最終的に現実に会う必要がある

関連スキル

  • brahma-bhaga — 虚空からの構造化された創造;dream はそれを養う創造前の探索
  • meditate — dream が満たす空間をクリアする;最良の結果のために dreaming の前に meditate する
  • remote-viewing — 先入観なしに未知の領域にアプローチする;dream の開放性を共有するが観察ではなく観察に適用する
  • intrinsic — 真の動機は dreaming を活性化する;強制された dreaming は何も生み出さない
  • breathe — 構造化された思考への移行中に dream の断片を保護するマイクロ一時停止
  • shine — dream が浮かび上がらせるアイデアに真のエネルギーをもたらす

GitHub リポジトリ

pjt222/agent-almanac
パス: i18n/ja/skills/dream
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