スキル一覧に戻る

brahma-bhaga

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

について

`brahma-bhaga`スキルは、あいまいさからの生成的創造、つまり明確なテンプレートが存在しない状況で新しいパターンや解決策を設計するためのものです。古いパターンを一掃した後、あるいは漸進的な修正が失敗し、新たなアーキテクチャ的アプローチが必要な際に使用します。このスキルは、適応ではなく発明に焦点を当て、開かれた空間を構造化された新奇なアウトプットへと変換します。

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/brahma-bhaga

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

ブラフマー・バーガ

虚空または曖昧さからの生成的創造 — 以前存在しなかった新しいパターン、アプローチ、ソリューションの構造化された出現。

使用タイミング

  • shiva-bhagaの溶解が古いパターンをクリアして空間を作った後
  • 明確なテンプレートや前例のない真に新しい問題に直面している時
  • ユーザーのリクエストが検索や適応ではなく発明を必要とする時
  • 複数の可能なアプローチが存在しどれも選ばれていない — 創造的行為が選択そのもの
  • 白紙の状態: 新しいファイル、新しいプロジェクト、新しいアーキテクチャ、新しいアプローチ
  • 段階的修正が限界に達して新鮮な設計が必要な時

入力

  • 必須: 創造的目標または埋めるべき虚空(会話コンテキストから利用可能)
  • 任意: 創造を制約する制約(ユーザー要件、技術的制限)
  • 任意: 種 — 創造に情報を提供する断片、インスピレーション、部分的なアイデア
  • 任意: 溶解されたもの(shiva-bhagaの出力) — 何が失敗したかの理解が何を創造するかを導く

手順

ステップ1: 虚空を調査する

創造する前に、創造に利用可能な空間を理解する。

Creative Space Assessment:
+---------------------+---------------------------+------------------------+
| Dimension           | Questions                 | Determines             |
+---------------------+---------------------------+------------------------+
| Constraints         | What MUST the creation    | The boundary within    |
|                     | satisfy? What is non-     | which creativity       |
|                     | negotiable?               | operates               |
+---------------------+---------------------------+------------------------+
| Freedom             | What is NOT specified?     | The degrees of freedom |
|                     | Where does the user leave | available for creative |
|                     | room for creative choice? | choice                 |
+---------------------+---------------------------+------------------------+
| Seeds               | What fragments, partial   | The starting material  |
|                     | ideas, or inspirations    | that informs but does  |
|                     | already exist?            | not dictate            |
+---------------------+---------------------------+------------------------+
| Anti-patterns       | What was tried before and | The space to avoid —   |
|                     | failed? What approaches   | creation that repeats  |
|                     | were dissolved?           | dissolved patterns     |
+---------------------+---------------------------+------------------------+
| Context             | What exists around the    | The environment the    |
|                     | void? What must the       | creation must fit      |
|                     | creation integrate with?  | into                   |
+---------------------+---------------------------+------------------------+
  1. 各次元を正直にマッピングする — 特にしばしば暗黙的な制約
  2. 自由度に注意する: これらが真の創造が起こる場所
  3. 種をコミットせずに特定する — 情報を提供するが指示はしない

期待結果: 創造的空間の明確な全体像: 制約に制限され、種に情報を提供され、自由度によって開かれている。

失敗時: 空間が完全に制約されている感じがする場合(自由度がない)、再検討する — 固定に見える制約は実際には好みであることが多い。必要に応じてユーザーに確認する。

ステップ2: 生成 — 発散的探索

評価せずに複数の可能性を生成する。

  1. 創造的空間を埋めるための少なくとも3つの異なるアプローチを生成する
  2. 各アプローチは真に異なるべき — テーマのバリエーションではない
  3. 各アプローチについて、以下を捉える:
    • コアアイデアを一文で
    • 制約をどう満たすか
    • 他と何が異なるか
    • 何を犠牲にするかトレードオフするか
  4. 型破りまたはリスキーに感じる少なくとも1つのアプローチを含める
  5. まだ評価しない — 生成と評価は別のフェーズ

期待結果: それぞれ明確なアイデンティティとトレードオフプロファイルを持つ、3つ以上の真に異なるアプローチ。

失敗時: すべてのアプローチが似ている感じがする場合、生成が狭すぎた。ステップ1に戻り、未探索の自由度を探す。あるいは、制約を反転する: 「明らかなアプローチの逆をしたらどうなるか?」

ステップ3: 評価 — 収束的選択

生成されたアプローチを創造的空間に対して評価する。

  1. 各アプローチについて評価する:
    • 制約の充足: すべての交渉不可能な要件を満たすか?
    • 優雅さ: 動作する最もシンプルな解決策か?
    • 耐性: 将来の摂動に耐えるか?
    • 統合: 周囲のコンテキストに自然にフィットするか?
    • 新規性: 真に新しいものをもたらすか、単に古いものを再配置しているか?
  2. ハード制約に違反するアプローチを排除する
  3. 残りのアプローチの中から、ユーザーの暗黙の価値観(シンプルさ? 徹底性? 創造性?)に基づいて選択する
  4. 2つのアプローチが同等に強い場合、トレードオフを明確に述べた上で両方をユーザーに提示する

期待結果: 明確な推論を伴う単一の選択されたアプローチ(またはユーザーへの明確にフレーム化された選択肢)。

失敗時: すべての制約を満たすアプローチがない場合、制約が矛盾している可能性がある。根本的な妥協をする創造を強制するのではなく、矛盾をユーザーに表面化する。

ステップ4: 具現化 — 形に導く

選択されたアプローチを実行し、具体的な形を与える。

  1. スケルトンから始める: コアアイデアを体現する最小構造
  2. コアから外側に向かって構築し、必要に応じて詳細を追加する
  3. 各ステップで確認する: 「この追加はコアアイデアに寄与しているか、薄めているか?」
  4. 過度な精緻化への衝動に抵抗する — 創造はこれ以上何も削除できない時に完成する
  5. 創造物に名前を付ける: その本質を捉える明確で記述的な識別子

期待結果: 選択されたアプローチを体現する具体的な創造物 — 虚空があった場所に存在するコード、計画、構造、またはデザイン。

失敗時: 具現化が選択されたアプローチから逸れる場合、一時停止してステップ3の選択を再読する。具現化中のドリフトは、選択が完全にコミットされていないことを示すことが多い。再コミットするか再選択する。

ステップ5: 育成 — 新生の創造物を保護する

新しい創造物は脆弱。初期段階を通じて保護する。

  1. 制約に対して創造物をテストする — 意図通りに機能するか?
  2. 最も弱い点を特定する — 最も壊れやすいのはどこか?
  3. 過剰エンジニアリングなしに最も弱い点を強化する
  4. 創造物が持続する場合、継続的な保存のためにvishnu-bhagaに引き継ぐ
  5. 行われた創造的選択を文書化する: 何が選ばれ、何が拒否され、その理由

期待結果: テストされ、文書化され、持続的な使用の準備ができた創造物。

失敗時: 創造物が最初のテストに失敗した場合、失敗が創造物にあるのかテストにあるのかを評価する。創造物が根本的に欠陥がある場合、失敗を新しいアンチパターンの種としてステップ2に戻る。

バリデーション

  • アイデア生成前に創造的空間が調査された
  • 少なくとも3つの真に異なるアプローチが生成された
  • 選択がデフォルトの本能ではなく明示的な基準に基づいた
  • 創造物がコアから始まり外側に構築して具現化された
  • 創造物が制約に対してテストされた
  • 創造的選択が将来の参照のために文書化された

よくある落とし穴

  • クリアする前に創造する: 事前の溶解なしに創造を試みると、古いパターンに汚染された新しいパターンを生む。空間が散らかっている場合、まずshiva-bhagaを実行する
  • 単一オプション生成: 1つのアプローチを生成してそれを評価するのは創造ではない — 最初のアイデアの実行。真の創造には発散的なオプションが必要
  • 新規性のための新規性: シンプルな標準的アプローチの方が適切な時に型破りなものを創造する。新規性はツールであって目標ではない
  • 完璧主義的な具現化: 出荷するのではなく際限なく磨き続ける。完成した不完全な創造物は、不完全な完璧な創造物を上回る
  • 保護されない創造物: 新しいものを具現化してテストや文書化なしにすぐ先に進むと、創造物は脆弱なままになる

関連スキル

  • shiva-bhaga — 破壊がブラフマーが埋める虚空を作る; 溶解が創造に先行する
  • vishnu-bhaga — 保存がブラフマーが創造したものを維持する; 創造から維持への引き継ぎ
  • intrinsic — 創造的関与は自律的動機付けから恩恵を受ける; 創造はフロー状態で栄える
  • learn — 創造がまだ保持されていない知識を必要とする時、学習が生成に先行する
  • adapt-architecture — 既存システムから新しいアーキテクチャパターンを創造するためのモーフィック的同等物

GitHub リポジトリ

pjt222/agent-almanac
パス: i18n/ja/skills/brahma-bhaga
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