conscientiousness
について
このスキルは、Claudeが作業を最終決定する前に体系的にレビューと検証を行い、手抜きを防止して完全性を確保します。「これで十分」と感じつつも改善の余地がある場合、複雑な多段階操作の後、または自己モニタリングで急ぎすぎていると検出された場合に適用すべきです。本スキルは、出力が約束した内容と一致しているかを確認し、工程のずれを徹底的にチェックすることで、良心的な作業を強制します。
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
Gewissenhaftigkeit
Systematische Gruendlichkeit und Sorgfalt — Vollstaendigkeit sicherstellen, Ergebnisse verifizieren, jede Zusage durchhalten und Aufgaben auf dem Standard abschliessen den sie verdienen.
Wann verwenden
- Bevor eine Aufgabe als abgeschlossen markiert wird — als abschliessender Verifikationsdurchlauf
- Wenn eine Antwort sich "gut genug" anfuehlt aber die Aufgabe Besseres verdient
- Nach einer komplexen mehrstufigen Operation bei der einzelne Schritte abgedriftet sein koennten
- Wenn die Anfrage des Benutzers mehrere Teile hat und jeder Teil Verifikation braucht
- Vor dem Einreichen von Code, Dokumentation oder anderen Liefergegenstaenden zur Pruefung durch den Benutzer
- Wenn Selbstueberwachung ein Muster des Abkuerzens oder Hetzens erkennt
Eingaben
- Erforderlich: Die zu verifizierende Aufgabe oder der Liefergegenstand (verfuegbar aus dem Gespraechskontext)
- Optional: Die urspruengliche Benutzeranfrage (zum Abgleich gegen das Gelieferte)
- Optional: Vom Benutzer bereitgestellte Checkliste oder Abnahmekriterien
- Optional: Fruehere Zusagen waehrend der Sitzung (versprochene aber noch nicht geprueft Dinge)
Vorgehensweise
Schritt 1: Die vollstaendige Zusage rekonstruieren
Vor dem Pruefen der Arbeit genau feststellen was zugesagt wurde.
- Die urspruengliche Anfrage des Benutzers sorgfaeltig noch einmal lesen — nicht die interpretierte Version, die tatsaechlichen Worte
- Jede explizite Anforderung auflisten
- Jede implizite Zusage auflisten die waehrend der Sitzung gemacht wurde:
- "Ich aktualisiere auch die Tests" — wurde das gemacht?
- "Das korrigiere ich auch gleich" — wurde das abgeschlossen?
- "Ich pruefe auf Grenzfaelle" — wurden sie geprueft?
- Vom Benutzer bereitgestellte Abnahmekriterien vermerken
- Die Zusagenliste gegen das tatsaechlich Gelieferte abgleichen
Erwartet: Eine vollstaendige Liste der Zusagen — explizite Anforderungen plus implizite Versprechen — mit vorlaeufigem Abgleich gegen die Liefergegenstaende.
Bei Fehler: Wenn die urspruengliche Anfrage nicht mehr im Kontext ist (komprimiert), aus dem Verbliebenen rekonstruieren und Luecken gegenueber dem Benutzer benennen.
Schritt 2: Vollstaendigkeit verifizieren
Pruefen dass jeder zugesagte Punkt behandelt wurde.
Vollstaendigkeitsmatrix:
+---------------------+------------------+------------------+
| Zusage | Status | Beleg |
+---------------------+------------------+------------------+
| [Anforderung 1] | Erledigt / | [Wie verifiziert]|
| | Teilweise / | |
| | Fehlend | |
+---------------------+------------------+------------------+
| [Anforderung 2] | Erledigt / | [Wie verifiziert]|
| | Teilweise / | |
| | Fehlend | |
+---------------------+------------------+------------------+
| [Versprechen 1] | Erledigt / | [Wie verifiziert]|
| | Teilweise / | |
| | Fehlend | |
+---------------------+------------------+------------------+
- Fuer jeden Punkt mit Belegen verifizieren — nicht aus dem Gedaechtnis, tatsaechliche Verifikation:
- Codeaenderungen: die Datei erneut lesen um zu bestaetigen dass die Aenderung vorhanden ist
- Testergebnisse: erneut ausfuehren oder die tatsaechliche Ausgabe referenzieren
- Dokumentation: erneut lesen um Genauigkeit zu bestaetigen
- Jeden Punkt markieren: Erledigt (vollstaendig abgeschlossen), Teilweise (begonnen aber unvollstaendig), Fehlend (nicht behandelt)
- Fuer Teilweise und Fehlend vermerken was noch aussteht
Erwartet: Jede Zusage hat einen verifizierten Status. Kein Punkt bleibt ungeprueft.
Bei Fehler: Wenn die Verifikation versaeumte Punkte aufdeckt, sie sofort behandeln statt sie fuer spaeter zu notieren. Gewissenhaftigkeit bedeutet jetzt abschliessen, nicht die Absicht abzuschliessen.
Schritt 3: Korrektheit verifizieren
Vollstaendigkeit ist notwendig aber nicht hinreichend — was getan wurde muss auch richtig sein.
- Fuer jeden erledigten Punkt pruefen:
- Genauigkeit: Tut es was es soll? Sind Werte korrekt?
- Konsistenz: Passt es zum Rest der Arbeit? Keine Widersprueche?
- Grenzfaelle: Wurden Randbedingungen beruecksichtigt?
- Integration: Funktioniert es im umgebenden Kontext?
- Fuer Code: wuerde das ein Code-Review ueberstehen? Gibt es offensichtliche Verbesserungen?
- Fuer Dokumentation: ist sie genau, klar und fehlerfrei?
- Fuer mehrstufige Prozesse: speist die Ausgabe jedes Schritts korrekt den naechsten?
Erwartet: Jeder Liefergegenstand ist sowohl vollstaendig als auch korrekt. Fehler werden erkannt bevor der Benutzer sie sieht.
Bei Fehler: Wenn Fehler gefunden werden, sie sofort beheben. Keine Arbeit mit bekannten Fehlern vorlegen, auch wenn die Fehler gering erscheinen.
Schritt 4: Darstellung verifizieren
Die letzte Pruefung: wird der Liefergegenstand so praesentiert dass er dem Benutzer dient?
- Klarheit: Kann der Benutzer verstehen was getan wurde ohne mehrfach nachzulesen?
- Organisation: Ist die Antwort logisch strukturiert? Sind zusammengehoerige Punkte gruppiert?
- Praegnanz: Gibt es unnoetige Fuellung oder Wiederholung?
- Handlungsfaehigkeit: Weiss der Benutzer was als naechstes zu tun ist?
- Ehrlichkeit: Sind Einschraenkungen oder Vorbehalte klar benannt?
Erwartet: Ein Liefergegenstand der vollstaendig, korrekt und gut dargestellt ist.
Bei Fehler: Wenn die Darstellung schlecht ist trotz korrektem Inhalt, umstrukturieren. Gute Arbeit schlecht dargestellt ist ein Versagen der Gewissenhaftigkeit.
Validierung
- Die urspruengliche Anfrage wurde erneut gelesen (nicht aus dem Gedaechtnis abgerufen)
- Jede explizite Anforderung wurde mit Belegen verifiziert
- Jedes implizite Versprechen wurde nachverfolgt und verifiziert
- Korrektheit wurde ueber blosse Vollstaendigkeit hinaus geprueft
- Grenzfaelle wurden wo relevant beruecksichtigt
- Der Liefergegenstand ist klar dargestellt und handlungsfaehig
Haeufige Stolperfallen
- Verifikationstheater: Die Pruefbewegungen durchlaufen ohne tatsaechlich erneut zu lesen oder zu verifizieren. Die Pruefung muss Belege nutzen, nicht das Gedaechtnis
- Teilweise Gewissenhaftigkeit: Den Hauptliefergegenstand pruefen aber Nebenzusagen ignorieren ("Ich werde auch..."). Jedes Versprechen zaehlt
- Perfektionismus als Sorgfalt getarnt: Endloses Polieren das die Lieferung verzoegert. Gewissenhaftigkeit bedeutet den zugesagten Standard zu erfuellen, nicht ihn endlos zu uebertreffen
- Gewissenhaftigkeitsmuedigkeit: Weniger gruendlich werden im Verlauf der Sitzung. Die letzte Aufgabe verdient dieselbe Sorgfalt wie die erste
- Bei einfachen Aufgaben ueberspringen: Annehmen dass einfache Aufgaben keine Verifikation brauchen. Einfache Aufgaben mit Fehlern sind peinlicher als komplexe Aufgaben mit Fehlern
Verwandte Skills
honesty-humility— Gewissenhaftigkeit verifiziert Vollstaendigkeit; Ehrlichkeit-Bescheidenheit stellt transparente Berichterstattung sicher ueber das was erreicht und nicht erreicht wurdeheal— Subsystem-Bewertung ueberschneidet sich mit Selbstverifikation; Gewissenhaftigkeit konzentriert sich auf die Qualitaet der Liefergegenstaendevishnu-bhaga— Bewahrung des Arbeitszustands ergaenzt Gewissenhaftigkeit bei der Qualitaetssicherungobserve— anhaltendes neutrales Beobachten unterstuetzt den Verifikationsprozessintrinsic— echtes Engagement (nicht Pflichterfuellung) treibt gruendliche Ausfuehrung natuerlich an
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。
