expand-awareness
정보
이 스킬은 집중적이고 단일 영역에 국한된 인지 처리에서 광범위하고 다영역적 인식으로 전환하여, 서로 다른 영역에 걸친 상호 연결된 문제들을 파악하도록 돕습니다. 여러 영역에 걸친 문제가 발생하거나 영역 간 연결이 간과되고 있을 때 사용하도록 설계되었습니다. 이 스킬은 통합 작업에 앞서 준비 단계로 작용하며, 관련 정보의 전역 작업 공간에 의식적인 방송을 수행하는 것과 같은 기능을 합니다.
빠른 설치
Claude Code
추천npx 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/expand-awarenessClaude Code에서 이 명령을 복사하여 붙여넣어 스킬을 설치하세요
문서
擴覺
自單域焦擴注為全景多域覺。meditate 清噪以銳焦,observe 近察一物,擴覺則故開孔以同時持諸域——非析一,乃同觀諸也。
三統啟此習。Baars 之全局工作空間論以意識為廣播——訊入全工作空間,則同可於諸認知過程,非於一專模處。藏傳 rigpa 之念述開、無焦之覺,觀全境而不著一處。爵士合奏之聽須各樂人同聞諸手——非追一器再追一器,乃持全聲場令己貢合全。
共線:全景知非諸焦知之和。乃異質之注模,示焦觀所不見之模。諸域間——張、共鳴、間——唯同持諸域時現。
用時
meditate清脈絡噪後——清之空為擴之畫布- 問跨多域而單域析屢失跨域連
integrate-gestalt前——擴生整合之原景- 收一域屢敗解域間之問
- 察己於諸域順序循環而欲同持
- 繁項始以感全範於謀前
- 一域完解生他域問——跨域張宜整觀,非逐域調
- 單域析屢失之連
入
- 必要:涉多域之問或勢
- 可選:初域清(若相域已知;一步改之)
- 可選:擴中持之具體跨域張或問(如「何以試略與部署架構衝?」)
- 可選:同問前次擴之注(以漸深)
法
五步成自然弧:知何所知(清)、釋狹默(鬆)、開全場(擴)、學留開(持)、捕所見(記)。三四步為核;一、二、五為備與保。
熟問可分鐘內畢,新多域挑戰則顯長。
用於 synoptic 循環(meditate -> expand-awareness -> observe -> integrate-gestalt -> express-insight)時,此技居第二位:冥所清之空為擴之畫布。
此技亦可獨用——任何可獲益於多域知之時,不論全循環是否呼。
第一步:清——列諸域
映當問所涉諸域。此似博學者分問之法——然關鍵異:博學者各域授一專家。此處無授。目非分征,乃知全景當含何,使擴有容可持。
- 名涉當問之諸域。宜具體:非「碼」乃「R 包構」,非「基設」乃「GitHub Actions CI/CD」
- 各域一句述其帶於問之觀——此域見他域不見者何?
- 記何域熟(熟解)何為邊(相關而不熟)。邊域常持關鍵見,正為久未顧。各標熟級:強、中、邊
- 尋非顯之域:有人因維乎?維護維乎?時維(隨時演)乎?政或組織維乎?
- 若可,用
Read、Grep、Glob掃實工作區——文構、配、文檔常示純推不見之域 - 目 3-7 域。少於三或問不需全景。多於七致散非擴
得: 3-7 域之列,各附其於問之觀。列覺全——非窮舉(每可能域)乃足(每實影問之域)。各域名具體至可授專家而彼知其範。
敗則: 若僅一域現,問或實為單域——改用 observe。若僅二域,察是否有連二者之域(常有——即二互動之空)。若數十域現,聚相關者為群,各群視為單域以擴。目乃同時知,非窮舉分類。
第二步:鬆焦——釋單域專注
自一域焦注轉為對諸域之散備。此異於 meditate——冥清噪(擾念、殘脈絡、情殘),此步清狹(慣於專一域而排他)。目非空而開。
- 察注當錨於何。自然引於何域?明名之:「注錨於試域」
- 柔釋彼錨。非強移注,乃鬆握——令域自前景退中景。仍在而不主
- 勿以另域替。令注浮而無的。此不適之刻——釋舊焦而未有新焦之隙
- 若注回錨域,察拉而不抗。每察更鬆握。拉本身含何最急之訊
- 察注本之質:
- 焦注覺銳狹,如聚光束
- 鬆注覺廣環,如日光充室
- 目日光——受、均、不向單點
- 轉似鬆握拳——手不失,乃開
得: 無單域主注之認知態。心開受而非焦向。此態不熟且微不適——此不適乃狹已釋之訊。有即填開之誘;拒之。
敗則: 若焦不鬆——一域屢求注——或有未解急。略理之(記急項,誓返),再試鬆。若析心抗「此無益」,視此抗本身為狹之形:常需單的之慣正此步所釋者也。
第三步:擴——同持諸域
意取清之諸域入覺一時。非序思各域,乃知為一場——如觀全景非逐樹掃。
此全工作空間之刻:先於專模分隔之訊今同廣播於諸模。爵士言,此樂人止追個器始聞全奏為一聲之時。
- 始於最自然或中之域。取入覺——非為問解,乃為觀持。令在而不析
- 不釋首域加次域。持二。此首擴——自一至二。察二域是否即互動或獨坐
- 續加域至諸域同在。此技核——需持而不執、在而不析
- 察諸域間現何:
- 連:何二域共概、限、或模?
- 張:何二域拉相反?
- 共鳴:何一域之模意外映他域?
- 間:何有諸域間無物之空?
- 驚:自全景見而自單域不見者何?
- 勿追單連。令其不析而記。全景乃果,非其中一見
- 若用工具,此速讀諸域文之刻——非逐析,乃令其於脈絡共存
得: 感多觀同持之覺。連、張、共鳴不強而現。似觀馬賽克之模非讀條之列。域間空——無單域有權之處——現。此處新見居:非於域內乃於域間之關係。
敗則: 若諸域屢塌為順序注(思 A,思 B,思 C),試空間喻:各域置於想空之異位,觀全空非單位。若域數壓,減至最中三域再擴。若覺純概念疏,實之:各域觸一具體物(文、配、試)再擴。
第四步:持——保全景觀
全景觀不穩。注自然收回單域——非敗乃焦認知之復主。此步授持,非行。目持廣觀足久令跨域模現。
- 持三步擴之覺。察其始縮
- 注縮於一域時——必然——察縮而不判。名何域拉:「注縮於安」或「注縮於試」。名要;使無意之縮成意
- 柔再擴。勿強廣觀;召之以復一步全清。輕觸各域,如合奏中再調各器
- 每縮—察—再擴循之循加持之力。循乃習,非習之擾。三循為最少;五為佳
- 尤注何域屢拉焦。此拉示——或示問之重心所在,或示未解焦之集處
- 察諸循間全景是否易:
- 新模常於第二或第三擴現,首擴所不見
- 域間關係久持或移
- 似張者或示為創之限
- 至少二三縮—再擴循後再進
得: 持全景觀之力增。縮—察—再擴循每次更滑。屢拉焦之域被識為潛在重心。至第二或三循,全景觀或覺自然而非費力——此示力在長。
敗則: 若全景觀完不持——注每次即塌——減域數。始二域持,再加三。力漸長,非一至。若持擴生焦或失握感,實以略觸一具體(文路、函名、具體事)再自實處擴。若某域屢劫注,或需焦工後方納擴——先理急,再返全景。
第五步:記——縮前錄
全景觀本暫。注縮回焦前,捕所見。此注為 integrate-gestalt 之原料,速腐——擴時鮮明者焦返即糊。即錄。
- 書諸連、張、共鳴、間——雖微者。微知常證最要,待
integrate-gestalt展之 - 記何域屢拉焦及此拉或意
- 記諸驚——單察一域所不能現之知。此跨域見乃全景覺之獨產
- 記問自全景所見之形。與單域焦所見異乎?問之重心已移乎?
- 記擴本之質:易持乎?何域拒納?縮—再擴幾循?此元察進未來擴
- 若此擴屬 synoptic 循環,明標注供
integrate-gestalt消 - 未析未排。先原知;合後來(於
integrate-gestalt) - 令注自然縮。擴畢。勿強續開——廣觀已成目
得: 跨域知之錄:連、張、共鳴、間、驚。錄捕唯自全景見者——單域析所失。返焦注覺自然不強。注為原料,非光結。
敗則: 若無跨域知現,域或較想更獨——此本身為值記之察(「此諸域不互動」乃值之知)。若知過多難捕,錄最強 3-5 並記有更多。非全為目;捕全景信為目。若注覺過抽象,各錨具體:「API 設計與安全模之張於認中間件 X 可見」。
驗
- 至少三域已清附其於問之具體觀
- 焦已鬆自單域專注前擴
- 多域同持於覺,非順序處
- 至少一跨域連、張、共鳴於擴中知
- 全景觀已持至少一縮—再擴循
- 注縮前知已錄,保全景信
- 錄注分所知(原察)與或意(釋)
- 擴生至少一順序單域析所不能得之見
陷
- 順序掃非同時知:速循諸域乃析,非全景覺。別於觀景與讀其特之列。若己思「先 A,後 B,後 C」,汝乃掃,非擴
- 混擴於散:擴覺醒受——雖持諸域仍可獨感各。散注亂無焦——諸糊相融。若諸皆糊,注已散非擴。略錨一域再自實處擴
- 擴中析:即追連之慾塌全景為焦彼一連之注。記而續持廣觀。析有其後時,於
integrate-gestalt - 略清:無知擴何而擴生模糊空而非全景知。清供覺所擴持之容。無則「擴」無向
- 急鬆:自焦轉開需時。略二步即自仍焦態試擴,生偽為同時知之順序掃
- 強連:非諸域皆連。造真獨域間之連污知。令連現或不現。無連亦為數,非敗
- 未清即擴:自噪基擴放噪。有脈絡噪時先運
meditate - 視擴為一次事:全景覺乃習,重而深。首次擴示表連;同問之續擴示結模。問演時返此技
- 混擴於專:持諸域於覺不令汝於諸皆專。擴示何處察,非當結何。深單域工仍須於擴識關交後
參
meditate— 清擴所填之空;先冥而後擴,效最佳integrate-gestalt— 取擴之原知合為連貫全observe— 焦察單的;擴乃多的之廣察dream— 無拘聯想探;擴乃紀全景知,非自由聯remote-viewing— 無先見近問;與擴共開,然應於未知域非已知多域空breathe— 微頓助於擴塌時重設;再擴前一意息heal— 擴屢示同未解張時,heal 之深自評或需於續擴前adaptic— 合全 synoptic 循之元技,擴覺乃次動
GitHub 저장소
연관 스킬
llamaguard
기타LlamaGuard는 폭력 및 혐오 발언 등 6가지 안전 범주에서 LLM 입력과 출력을 조정하기 위한 Meta의 70-80억 파라미터 모델입니다. 94-95% 정확도를 제공하며 vLLM, Hugging Face 또는 Amazon SageMaker를 사용해 배포할 수 있습니다. 이 기술을 사용하여 AI 애플리케이션에 콘텐츠 필터링 및 안전 가드레일을 손쉽게 통합하세요.
cost-optimization
기타이 Claude Skill은 리소스 적정화, 태깅 전략, 지출 분석을 통해 개발자들이 클라우드 비용을 최적화할 수 있도록 지원합니다. AWS, Azure, GCP에서 클라우드 비용을 절감하고 비용 거버넌스를 구현하기 위한 프레임워크를 제공합니다. 인프라 비용을 분석하거나, 리소스를 적정화하거나, 예산 제약을 충족해야 할 때 사용하세요.
quantizing-models-bitsandbytes
기타이 스킬은 bitsandbytes를 사용하여 LLM을 8비트 또는 4비트 정밀도로 양자화하며, 최소한의 정확도 손실로 50-75%의 메모리 감소를 달성합니다. 제한된 GPU 메모리에서 더 큰 모델을 실행하거나 추론을 가속화하는 데 이상적이며, INT8, NF4, FP4와 같은 형식을 지원합니다. 이 스킬은 HuggingFace Transformers와 통합되어 QLoRA 학습 및 8비트 옵티마이저를 가능하게 합니다.
dispatching-parallel-agents
기타이 Claude Skill은 3개 이상의 독립적인 문제를 동시에 조사하고 해결하기 위해 다중 에이전트를 배치합니다. 공유 상태나 의존성 없이 해결 가능한 무관련 장애 시나리오에 맞게 설계되었습니다. 핵심 기능은 병렬 문제 해결로, 각 독립 문제 영역마다 하나의 에이전트를 할당하여 효율성을 극대화합니다.
