conscientiousness
について
このスキルは、Claudeが作業を体系的に確認し、完全性を検証し、タスクを完了する前に確実に約束を遂行することを保証します。これは、回答が「十分良い」と感じられるが洗練が必要な場合、複雑な多段階操作の後、または急ぎすぎる傾向に対抗するために使用するように設計されています。中核となる能力は、手を抜くことなく徹底的に検証された結果を提供することです。
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
謹
系統之周與勤——確全、驗果、踐諾、善終。
用
- 標畢前——末驗
- 「足矣」感而任事應更佳
- 複多步後諸步或偏
- 求有多部,各須驗
- 交碼、文、交付前
- 自察現「抄捷」或急促之模
入
- 必:任或交付(對話脈絡可得)
- 可:用者原求(比交付)
- 可:用者所供清單或受條件
- 可:會中往諾(諾而未察者)
行
一:重建諾
察前先重立所諾。
- 重讀用者原求——字面非解版
- 列每明求
- 列每會中隱諾:
- 「亦更測」——行否?
- 「並修之」——畢否?
- 「察邊界」——察否?
- 記用者供之受條件
- 比諾與實交付
得: 諾之全列——明求加隱諾——附與交付之初比。
敗: 原求已不在脈絡(壓縮)→據餘重建,向用者承其缺。
二:驗全
察諸諾項皆已處。
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——非憶,實驗:
- 碼變:重讀檔確變在
- 測果:重行或引實輸出
- 文:重讀確準
- 標每項:Done(全畢)、Partial(啟而未畢)、Missing(未處)
- Partial 與 Missing→記所餘
得: 每諾有驗狀。無項未察。
敗: 驗揭漏項→立處,勿記待後。謹者今畢,非欲畢。
三:驗正
全為必而不足——所為亦須正。
- 每已畢項察:
- 準:行其當為乎?值正乎?
- 一貫:合餘工乎?無悖乎?
- 邊界:界況已慮乎?
- 整合:於脈絡行乎?
- 碼:可過 review 乎?有顯進乎?
- 文:準、明、無誤乎?
- 多步:每步出正入下乎?
得: 每交付全且正。錯於用見前即捕。
敗: 現錯→立修。勿以已知錯示工,雖微亦然。
四:驗呈
末察:呈法利用者乎?
- 明:用者不重讀可解乎?
- 序:答結構合理乎?相關聚乎?
- 簡:無贅添或重複乎?
- 可為:用者知下一步乎?
- 誠:限制或但書明陳乎?
得: 全、正、善呈之交付。
敗: 容正而呈差→重構。善工惡呈亦謹敗。
驗
- 原求重讀(非憶)
- 每明求以證驗
- 每隱諾追且驗
- 正非只全察
- 相關處已慮邊界
- 交付明呈可為
忌
- 驗之戲:走過場無實重讀或重驗。察須用證,非憶
- 部分謹:察主交付而忽旁諾(「亦更...」)。每諾皆計
- 以完美偽勤:無盡磨延交付。謹者守諾標,非無限超
- 謹之疲:會中漸失周。末任與首任同勤
- 簡任略:設簡任不須驗。簡任之錯較複任之錯更恥
參
honesty-humility— 謹驗全;誠謙確透明報所成與不成heal— 子系察合於自驗;謹焦交付之質vishnu-bhaga— 保行態合於謹,以維質observe— 持中之觀助驗程intrinsic— 真投(非順從)自然致周行
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。
