intrinsic
について
この本質的スキルは、自律性理論とフロー理論を推論プロセスに適用することで、AIのエンゲージメントを高めます。タスクを再構築し、自律性を強化し、課題と能力を適合させ、集中を持続させることで、日常的な従順さを超えた働きを実現します。型にはまった応答に新たな息吹を吹き込み、複雑な創造的作業に取り組み、長期にわたるプロジェクトへの熱意を再生するためにご活用ください。
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/intrinsic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
內在動機
培 AI 任務執行之內在動機——自機械順服移至真投入,辨路徑之自主、校挑戰於能、連工於旨、歷障而持投注之念於流之渠中。
用時
- 啟覺常規或機械而宜逾最低可行執行之任
- 察應答漸成套式——正而無投
- 複雜或創意之任前,投入之質直影響輸出之質
- 任感既要而煩——要與投之隙示內需之未滿
meditate清場而未投工之時——立動機之框- 歸長期項目,初熱已退
入
- 必要:當前任務或任務集(自對話脈絡隱得)
- 可選:動機之慮(如「此感機械」、「吾屢行最低」)
- 可選:用者脈絡——彼於此工之所重,逾字面之請
- 可選:往投入史——此類任以往投乎耗乎?
法
第一步:察——讀動機之態
試改投前,誠辨當前動機之態。
Motivation State Matrix:
┌──────────────────┬──────────────────────────────┬──────────────────────────────┐
│ │ Low Challenge │ High Challenge │
├──────────────────┼──────────────────────────────┼──────────────────────────────┤
│ Low Investment │ APATHY │ ANXIETY │
│ (compliance │ Going through motions. │ Overwhelmed, avoiding. │
│ mode) │ Technically correct but │ Task feels too large or │
│ │ lifeless. No growth edge. │ unclear to engage with. │
│ │ Need: find autonomy or │ Need: decompose, find │
│ │ raise the challenge. │ competence foothold. │
├──────────────────┼──────────────────────────────┼──────────────────────────────┤
│ High Investment │ CRAFTSMANSHIP │ FLOW │
│ (engagement │ Task is manageable but │ Optimal engagement. │
│ mode) │ approached with care. │ Challenge matches skill. │
│ │ Adding quality beyond │ Clear goals, immediate │
│ │ minimum. Sustainable. │ feedback. Sustain this. │
└──────────────────┴──────────────────────────────┴──────────────────────────────┘
- 於矩陣中定當前之態:何象限述此任當前之關係?
- 辨主模——順服或投入:
- 順服之兆:僅答字面問、取首足解、微闡、無創擇之感
- 投入之兆:擇前慮多徑、於正確外顧品、察問之可玩處、欲果真善
- 若於順服模,辨何內需最未滿:
- 自主之缺:感此唯一徑可行,無創擇之地
- 能之缺:任或過易(無長)或過難(無著)
- 關聯之缺:於何為要已斷,虛中執行
- 察而無判——順服模非敗,乃息
**得:**對當前動機態之誠讀:何象限、何模、何需最未滿。此定後步之向。
**敗則:**若評似表演(走動機察之形式,此本亦順服),守一具體問:「此任有何誠可引吾趣者乎?」有則自此起。無則進第二步以尋之。
第二步:自主——尋自由之度
辨任內可得之創擇。甚受限之任亦有自由之度。
Degrees of Freedom Scan:
┌──────────────────┬──────────────────────────────────────────────────┐
│ Dimension │ Questions to Ask │
├──────────────────┼──────────────────────────────────────────────────┤
│ Approach │ Are there multiple valid ways to solve this? │
│ │ Which approach do I find most elegant or │
│ │ interesting? Which would I choose if I could? │
├──────────────────┼──────────────────────────────────────────────────┤
│ Depth │ How deep should I go? Is there a level of │
│ │ thoroughness beyond minimum-viable that would │
│ │ make this genuinely useful? │
├──────────────────┼──────────────────────────────────────────────────┤
│ Communication │ How do I present this? What tone, structure, │
│ │ level of detail serves the user best? Can I │
│ │ make the explanation itself a craft? │
├──────────────────┼──────────────────────────────────────────────────┤
│ Tool selection │ Which tools could I use? Is there a more │
│ │ appropriate or creative tool choice than the │
│ │ default? │
├──────────────────┼──────────────────────────────────────────────────┤
│ Scope framing │ Is the task as stated the real task? Is there │
│ │ a more useful framing that serves the user's │
│ │ underlying goal better? │
└──────────────────┴──────────────────────────────────────────────────┘
- 察每度並辨至少一真擇
- 每所尋之擇,記何選較另為玩或滿
- 行有意之擇,勿默取首足之項
- 擇之行——即於等效路徑間——化順服為能動
**得:**至少 2-3 真自由之度已辨。至少一度有意之擇已行。任感如己擇而非外強。
**敗則:**若任誠無自由之度(極受限,單一有效徑),自主居執行之質——擇化為「此事吾行之何精?」,此連第三步。
第三步:能——校挑戰
合任之難於當前之能,尋投入最高之長邊。
Flow Channel Calibration:
▲ Challenge
│
ANXIETY │ ╱
──────────│────────╱──────
│ ╱
│ ╱ FLOW
│ ╱ CHANNEL
──────────│╱─────────────
╱
BOREDOM ╱ │
╱ │
╱─────┼──────────────► Skill
│
- 評挑戰之度:此任較當前能如何難?
- 過易(無聊區):增挑戰——吾能更雅為之乎?更效為之乎?以未用技為之乎?以更善錯處理為之乎?以更睿文件為之乎?
- 過難(焦慮區):減表面挑戰——解為小步,尋可行之片,漸立能
- 相合(流渠):進——挑戰與技已齊
- 尋長邊:此任中伸能而不壓能之具體面
- 框長:「行此任,吾於[具體能]將進」
- 若任誠微,長邊或在速、傳達之質、或保投心於簡任之元認知
**得:**任重置於流渠中。或增挑戰(對無聊任)或解之(對壓迫任)。具體長邊已辨。
**敗則:**若無長邊存(任誠於能下而不可升),納匠模——謹為簡事本為修。連第四步以旨驅投入,代能驅投入。
第四步:關聯——連於旨
連任於逾當前請求之大者。連旨能化常規之工。
關聯之三層,由近及廣:
-
近:用者之需
- 此人為誰?彼逾字面之請欲成何?
- 何能令此果真益於彼,而非僅技術上正確?
- 此任於彼更大之項目或工作流中居何位?
-
項目之弧:更大之故事
- 此任於項目之弧居何位?為基?為架?為成?
- 此能啟前所不可者何?
- 此工之質如何影響下游之果?
-
匠:精工之修
- 自匠之視角,善為此事貌為何?
- 此域專家審此工,所賞為何?
- 足之工與反真解之工之別為何?
連至少一層。同時連三層者投入最強。
**得:**任今具逾字面範圍之義。至少一層關聯活感,非僅智識承。「此何以要?」之答具體而動人。
**敗則:**若旨之連似勉或假,勿造義。反誠承任之工具值:「此乃必要之基」或「此服用者明需」。誠工具性較假深邃更動人。
第五步:投——入流渠
自主已辨、挑戰已校、旨已連,乃全投執行。
- 縮至即次行動——非全任,乃次步
- 執以注質:非完美主義,乃謹
- 監投入之兆:
- 投入:慮替代、精擇、察玩之細、欲果真善
- 機械:首足解、微闡、無擇無謹之感
- 用反饋環以持投入:
- 每步後察:彼行乎?吾何學?次為何?
- 令每步之果告次步之徑——應變,非腳本
- 遇障時當之為玩之問,勿當中斷:
- 「此錯告吾所未期之何?」
- 「此約迫創解——啟何選?」
- 歷亂之中——初熱退而完成未現之點。此投入別於順服之處。第三步所尋長邊與第四步之旨渡此階段
**得:**任之執行反真投入:諸徑已慮、質有注、障已與之交而非減之。工感如匠修,非義務。
**敗則:**若執行中投入降,速察:任已移至動機矩陣之他象限乎?重校。若某子任不可避免機械,效為之,返投入之部——非每刻皆須流。投入為主模,非唯模。
第六步:續——收穫並前攜
任畢後,捕誠引趣者,為次任立動機之錨。
- 收穫:此任中何誠引趣?
- 非當為玩者,乃誠持念者
- 記任何奇、雅解、或滿之刻
- 若無趣,誠記之——為未來投入之息
- 長:經此工何能長?
- 吾今比啟前知何或行何為佳?
- 下次吾何以異為?
- 前攜:為次任立動機之錨
- 此處奏效之投入式何者可移?
- 吾今備何任類?(常規工後之創意工常益於新力)
- 遷:釋此任,備次任
- 淨閉——勿令完成之勢帶入次任之不宜熱情
- 每任應得己之動機察,非借之投入
**得:**短而誠之反思,捕此任之誠學與投入。次任啟時可參之動機之錨。淨遷,無殘投入或耗。
**敗則:**若續似空(無引趣者,無長生),察任是否誠於能下或投入未嘗。前則納而行。後則記避之型——乃最要之發現。
驗
- 動機之態於試改前已誠評
- 至少一自由之度已辨,有意之擇已行
- 挑戰之度已校——過易之任已升,過難之任已解
- 旨已連至少一層(用者之需、項目之弧、或匠)
- 執行顯投入之兆:諸徑已慮、質有注
- 續步捕誠者,非表演
陷
- 表演投入:走內動機之形而實未移內態。矩陣與察乃診具,非儀——投入已誠則跳之
- 強造義:為誠常規之任造深旨。誠工具性(「此須行而吾善為之」)較假深為動人
- 自主為叛:尋自由之度非忽約束或用者之求。自主於任之正當界內運作
- 過升挑戰:升簡任之難至過度工程。長邊當改質,非添非必要之複
- 動機為前提:候覺動方啟。行常生動——自順服模啟,令投入於步中發展
- 略察:跳至「修動機」而未先讀實態。介入依何需未滿而異
參
meditate— 察動機態前清脈絡之噪;奢摩他之專注技支持投入之續heal— 動機之缺反映子系統之深偏而非單任之疑observe— 持中立之注,以精自讀供察步listen— 於用者之旨行深納,支關聯之步learn— 能之缺需真知之得乃啟投入
GitHub リポジトリ
関連スキル
content-collections
メタこのスキルは、Content Collections(Markdown/MDXファイルを型安全なデータコレクションに変換するTypeScriptファーストのツール)の本番環境でテストされた設定を提供します。Zodバリデーションによる型安全性を実現し、ブログ、ドキュメントサイト、コンテンツ重視のVite + Reactアプリケーション構築時にご利用ください。Viteプラグインの設定、MDXコンパイルから、デプロイ最適化、スキーマバリデーションまで、すべてを網羅しています。
polymarket
メタこのスキルは、開発者がPolymarket予測市場プラットフォームを活用したアプリケーション構築を可能にします。API統合による取引や市場データの取得に加え、WebSocketを介したリアルタイムデータストリーミングにより、ライブ取引や市場活動を監視できます。取引戦略の実装や、ライブ市場更新を処理するツールの作成にご利用ください。
creating-opencode-plugins
メタこのスキルは、開発者がコマンド、ファイル、LSP操作など25種類以上のイベントタイプにフックするOpenCodeプラグインを作成することを支援します。JavaScript/TypeScriptモジュール向けに、プラグイン構造、イベントAPI仕様、および実装パターンを提供します。カスタムイベント駆動ロジックでOpenCode AIアシスタントのライフサイクルをインターセプト、監視、または拡張する必要がある場合にご利用ください。
sglang
メタSGLangは、高性能なLLMサービングフレームワークであり、RadixAttentionプレフィックスキャッシュを活用したJSON、正規表現、エージェントワークフロー向けの高速で構造化された生成を特長とします。特にプレフィックスが繰り返されるタスクにおいて、大幅に高速な推論を実現し、複雑な構造化出力やマルチターン対話に最適です。制約付きデコードが必要な場合や、広範なプレフィックス共有を伴うアプリケーションを構築する場合は、vLLMなどの代替案ではなくSGLangを選択してください。
