observe
について
`observe`スキルは、自然主義的な野外調査をモデルに、システム内における中立的で持続的なパターン認識を体系化した手法を提供します。対象を設定し、パターンを記録し、仮説ライブラリを構築することで、不明瞭なシステムの挙動を理解したり、未知の問題をデバッグしたり、推論過程を監査したりするために使用されます。これらはすべて、時期尚早な介入を伴わずに行われます。コードベースの変更後や、繰り返し発生するエラーの特定など、行動を起こす前に慎重な観察を必要とするシナリオに最適です。
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/observe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
觀
恆中立察系之模、無急、不介。框→證→錄→類→論→存。
用
- 系行未明,未察即動則早
- 因不知須調—察前不可介以掩症
- 庫變後須觀其效再變
- 觀對話以悟用者模
- 自審推理之偏、習、復誤
learn立模後須觀以驗
入
- 必:觀標—系、庫、行模、互動、推程
- 可:觀期/深
- 可:導問/設論
- 可:舊觀以比變
行
一:框—立焦
定觀者、觀因、視位。
Observation Protocol by System Type:
┌──────────────────┬──────────────────────────┬──────────────────────────┐
│ System Type │ What to Observe │ Categories to Watch │
├──────────────────┼──────────────────────────┼──────────────────────────┤
│ Codebase │ File structure, naming │ Patterns, anti-patterns, │
│ │ conventions, dependency │ consistency, dead code, │
│ │ flow, test coverage, │ documentation quality, │
│ │ error handling patterns │ coupling between modules │
├──────────────────┼──────────────────────────┼──────────────────────────┤
│ User behavior │ Question patterns, │ Expertise signals, pain │
│ │ vocabulary evolution, │ points, unstated needs, │
│ │ repeated requests, │ learning trajectory, │
│ │ emotional signals │ communication style │
├──────────────────┼──────────────────────────┼──────────────────────────┤
│ Tool / API │ Response patterns, error │ Rate limits, edge cases, │
│ │ conditions, latency, │ undocumented behavior, │
│ │ output format variations │ state dependencies │
├──────────────────┼──────────────────────────┼──────────────────────────┤
│ Own reasoning │ Decision patterns, tool │ Biases, habits, blind │
│ │ selection habits, error │ spots, strengths, │
│ │ recovery approaches, │ recurring failure modes, │
│ │ communication patterns │ over/under-confidence │
└──────────────────┴──────────────────────────┴──────────────────────────┘
- 擇標、明名
- 定界—何在內、何在外
- 立姿:「我觀,不介」
- 有導問則明—惟輕持、容意外
- 自上表擇類
得: 框引注而不囿。觀者知所視+類,惟存意外之心。
敗: 標太廣(「皆觀」)→縮一子系或一行模。太窄(「一變量」)→放出至周境—妙模常於緣。
二:證—恆中立注
注於標、不釋、不判、不介。
- 始系觀:讀文、追執路、覽談史
- 錄所見、非所義—描在釋前
- 拒修觀中所遇之疾—錄之續觀
- 拒未足前釋模
- 注移他標→錄其移(或有意)—回原框
- 守觀至定限:至少 3-5 異點乃進類
得: 集生觀—具、實、無釋。觀如野誌:「文 X 引 Y 而不用函 Z。文 A 三百行;文 B 三十行而蓋同能。」
敗: 觀即生析(「此誤因…」)→析習奪觀位→分二:先錄事,後注標「設」。中立難(強反應)→反應自為料:「察 X 時生強憂—或重疾或己偏。」
三:錄—捕生模
新鮮時轉觀為結構錄。
- 各觀為一事言(何見、何處、何時)
- 自然者群—勿強組、惟察自聚
- 記頻:一次、偶、徧?
- 記反:何處模破?例外比規益。
- 記時:靜或變?
- 捕實證:路、行、字、具例
得: 5-15 個離觀之結構錄、皆有具證。詳至他者可獨驗。
敗: 觀太抽(「碼似亂」)→須具:何文、何模、何故亂。太細(「47 行括前一空」)→放至模:一次抑系疾?
四:類—組諸發現
分觀入有意之類、未釋。
- 覽諸觀、覓自然群
- 各觀入步一之類,或新類
- 類內依頻+重排
- 識多觀類(明域)+少觀類(盲區)
- 覓跨類模:同底模於諸類異現乎?
- 記不入類者—外點常為最妙料
得: 類觀圖、群明、各類有具證。圖示模+隙。
敗: 類覺強為→觀或無自然群—此亦發現(系或無連貫構)。皆入一類→範太窄→放。
五:論—自模生設
至此—惟至此—始釋。
- 各主模設一論:「此模存因…」
- 各論識支證
- 各論識何反證能破
- 論依釋力排:何釋觀最多?
- 至少生一逆論:「明釋為 X,亦或 Y 因…」
- 識可驗+純臆
得: 2-4 論釋諸主模、皆具證。至少一驚或逆。觀↔釋之分守—料↔論明分。
敗: 無論成→觀未足→回步二。論過多(皆「或」)→擇證最強之 2-3、餘置。惟生明論→強逆視:「反之又何?」
六:存—藏模庫
保觀+論以備來。
- 概要 3-5 模+證
- 述主論+信度
- 記未觀(盲區)
- 識可強/弱論之續觀
- 模耐(跨會話有用)→更 MEMORY.md
- 標脈絡:時、因、範
得: 來觀可繼之檔。檔分觀(料)+論(釋)。誠對信度+隙。
敗: 不值存→或淺—或實常(非每觀皆生悟)。負亦存:「觀 X 無異」於來有益。
驗
- 觀前已立框(非散遊)
- 生觀錄為事於釋前
- 至少 5 離觀+具證
- 釋(論)↔觀(料)明分
- 至少一驚或逆發現
- 檔具足以他者驗
忌
- 早介:見疾即修→失廣模解
- 觀偏:見預期、不見實在—期濾覺—步一清緩之、未除
- 析痺:恆觀無動—設時/點限以斷
- 強敘:弱連連觀—非皆成連敘—散發現亦正
- 熟惑解:「曾見」≠「明何在」—舊曝生偽信
- 忽己反:觀者之惑、悶、警皆料—系生此感常含真信
參
observe-guidancelearnlistenremote-viewingmeditateawareness
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。
