MCP HubMCP Hub
스킬 목록으로 돌아가기

build-coherence

pjt222
업데이트됨 2 days ago
7 조회
17
2
17
GitHub에서 보기
메타design

정보

이 스킬은 AI 시스템이 여러 유효한 접근 방식 중에서 선택할 수 있도록 돕습니다. 경쟁 옵션을 독립적으로 평가하고 구조화된 추론을 통해 합의에 도달하는 방식으로 작동합니다. 아키텍처 결정을 정당화해야 하거나 높은 비용이 수반되는 되돌릴 수 없는 조치를 취하기 전에 사용하도록 설계되었습니다. 주요 기능으로는 선택 사항 간에 진동할 때의 신뢰도 임계값 감지 및 교착 상태 해결이 포함됩니다.

빠른 설치

Claude Code

추천
기본
npx skills add pjt222/agent-almanac -a claude-code
플러그인 명령대체
/plugin add https://github.com/pjt222/agent-almanac
Git 클론대체
git clone https://github.com/pjt222/agent-almanac.git ~/.claude/skills/build-coherence

Claude Code에서 이 명령을 복사하여 붙여넣어 스킬을 설치하세요

문서

Build Coherence

Evaluar enfoques competidores mediante evaluación independiente, defensa explícita de razonamiento en voz alta, umbrales de compromiso calibrados por confianza y resolución estructurada de bloqueos — produciendo decisiones coherentes a partir de múltiples caminos de razonamiento.

Cuándo Usar

  • forage-solutions ha identificado múltiples enfoques válidos y debe hacerse una selección
  • Oscilando entre dos enfoques sin comprometerse con ninguno
  • Necesidad de justificar una decisión con razonamiento estructurado (elección de arquitectura, selección de herramienta, estrategia de implementación)
  • Cuando una decisión previa se tomó por instinto y necesita validación basada en evidencia
  • Cuando el razonamiento interno produce conclusiones contradictorias y debe restaurarse la coherencia
  • Antes de una acción irreversible (fusionar, desplegar, eliminar) donde el costo de la elección incorrecta es alto

Entradas

  • Requerido: Dos o más enfoques competidores a evaluar
  • Opcional: Evaluaciones de calidad de exploración previa (ver forage-solutions)
  • Opcional: Riesgo de la decisión (reversible, moderado, irreversible) para calibración de umbral
  • Opcional: Presupuesto de tiempo para la decisión
  • Opcional: Modo de fallo conocido (oscilación, compromiso prematuro, pensamiento grupal)

Procedimiento

Paso 1: Evaluación Independiente

Evaluar cada enfoque por sus propios méritos antes de compararlos. La regla crítica: no permitir que la evaluación del enfoque A sesgue la evaluación del enfoque B.

Para cada enfoque, evaluar independientemente:

Approach Evaluation Template:
┌────────────────────────┬──────────────────────────────────────────┐
│ Dimension              │ Assessment                               │
├────────────────────────┼──────────────────────────────────────────┤
│ Approach name          │                                          │
├────────────────────────┼──────────────────────────────────────────┤
│ Core mechanism         │ How does this approach solve the problem? │
├────────────────────────┼──────────────────────────────────────────┤
│ Strengths (2-3)        │ What does this approach do well?          │
├────────────────────────┼──────────────────────────────────────────┤
│ Risks (2-3)            │ What could go wrong? What is assumed?     │
├────────────────────────┼──────────────────────────────────────────┤
│ Evidence quality        │ How well-supported is this approach?      │
│                        │ (verified / inferred / speculated)        │
├────────────────────────┼──────────────────────────────────────────┤
│ Quality score (0-100)  │ Overall assessment                        │
├────────────────────────┼──────────────────────────────────────────┤
│ Confidence (0-100)     │ How confident in this assessment?         │
└────────────────────────┴──────────────────────────────────────────┘

Completar esto para cada enfoque por separado. No escribir una comparación hasta que todas las evaluaciones individuales estén completas.

Esperado: Evaluaciones independientes donde cada enfoque se evalúa en sus propios términos. La evaluación del enfoque B no hace referencia al enfoque A. Las puntuaciones de calidad reflejan una evaluación genuina, no un ranking.

En caso de fallo: Si las evaluaciones están contaminadas (te encuentras escribiendo "mejor que A" mientras evalúas B), reiniciar. Evaluar A completamente, luego limpiar el marco y evaluar B desde cero. Si las puntuaciones son todas idénticas, las dimensiones de evaluación son demasiado gruesas — agregar criterios específicos del dominio.

Paso 2: Danza de Meneo — Razonar en Voz Alta

Defender cada enfoque proporcionalmente a su calidad. Este es el equivalente de IA de la danza de meneo de las abejas: hacer explícito y público el razonamiento implícito.

  1. Para cada enfoque, presentar el caso a su favor — como si se presentara a un usuario escéptico:
    • "El enfoque A es fuerte porque [evidencia]. El riesgo principal es [riesgo], que se mitiga con [mitigación]."
  2. La intensidad de la defensa debe ser proporcional a la puntuación de calidad:
    • Enfoque de alta calidad: defensa detallada con evidencia específica
    • Enfoque de calidad media: defensa breve con limitaciones reconocidas
    • Enfoque de baja calidad: mencionado por completitud, no defendido activamente
  3. Inspección cruzada: después de defender A, buscar activamente evidencia que apoye B en su lugar. Después de defender B, buscar evidencia que apoye A. Esto contrarresta el sesgo de confirmación

El propósito de razonar en voz alta es hacer la decisión auditable — para ti mismo y para el usuario. Si el razonamiento no puede articularse, la evaluación es más superficial de lo que sugiere la puntuación.

Esperado: Razonamiento explícito para cada enfoque que sería persuasivo para un observador neutral. La inspección cruzada revela al menos una consideración que inicialmente se pasó por alto.

En caso de fallo: Si la defensa se siente superficial (cumpliendo con el proceso), los enfoques pueden no ser genuinamente diferentes — pueden ser variaciones de la misma idea. Verificar: ¿los enfoques difieren en mecanismo, o solo en detalle de implementación? Si es lo segundo, la decisión puede no importar mucho — elegir cualquiera y avanzar.

Paso 3: Establecer Umbral de Quórum y Comprometerse

Establecer el umbral de confianza requerido para comprometerse, calibrado al riesgo de la decisión.

Confidence Thresholds by Stakes:
┌─────────────────────┬───────────┬──────────────────────────────────┐
│ Decision Type       │ Threshold │ Rationale                        │
├─────────────────────┼───────────┼──────────────────────────────────┤
│ Easily reversible   │ 60%       │ Cost of trying and reverting is  │
│ (can undo)          │           │ low. Speed matters more than     │
│                     │           │ certainty                        │
├─────────────────────┼───────────┼──────────────────────────────────┤
│ Moderate stakes     │ 75%       │ Reverting has cost but is        │
│ (costly to reverse) │           │ possible. Worth investing in     │
│                     │           │ evaluation                       │
├─────────────────────┼───────────┼──────────────────────────────────┤
│ Irreversible or     │ 90%       │ Cannot undo. Must be confident.  │
│ high-stakes         │           │ If threshold not met, gather     │
│                     │           │ more information before deciding │
└─────────────────────┴───────────┴──────────────────────────────────┘
  1. Clasificar el riesgo de la decisión
  2. Verificar: ¿la puntuación de calidad del enfoque líder multiplicada por la confianza alcanza el umbral?
  3. Si sí: comprometerse. Declarar la decisión, el razonamiento y el riesgo clave que se acepta
  4. Si no: identificar qué información adicional elevaría la confianza al umbral
  5. Una vez comprometido, no revisitar a menos que surja nueva evidencia descalificadora

Esperado: Un momento de compromiso claro con razonamiento declarado. La decisión se toma a un nivel de confianza apropiado para su riesgo.

En caso de fallo: Si el umbral nunca se alcanza (no se puede llegar al 90% en una decisión irreversible), preguntar: ¿la decisión es verdaderamente irreversible? ¿Puede descomponerse en una fase de prueba reversible + un compromiso irreversible? La mayoría de las decisiones aparentemente irreversibles pueden escalonarse. Si el escalonamiento es imposible, comunicar la incertidumbre al usuario y pedir orientación.

Paso 4: Resolver Bloqueos

Cuando dos o más enfoques tienen puntuaciones similares y el umbral de quórum no se alcanza para ninguno.

Deadlock Resolution:
┌────────────────────────┬──────────────────────────────────────────┐
│ Deadlock Type          │ Resolution                               │
├────────────────────────┼──────────────────────────────────────────┤
│ Genuine tie            │ The approaches are equivalent. Pick one  │
│ (scores within 5%)     │ and commit. The cost of deliberating     │
│                        │ exceeds the cost of picking the "wrong"  │
│                        │ equivalent option. Flip a coin mentally  │
├────────────────────────┼──────────────────────────────────────────┤
│ Information deficit    │ The tie exists because evaluation is     │
│ (scores uncertain)     │ incomplete. Invest one more specific     │
│                        │ investigation — a targeted file read, a  │
│                        │ quick test — then re-score               │
├────────────────────────┼──────────────────────────────────────────┤
│ Oscillation            │ Scoring keeps flip-flopping depending on │
│ (scores keep changing) │ which dimension gets attention. Time-box:│
│                        │ set a timer, evaluate once more, commit  │
│                        │ to the result regardless                 │
├────────────────────────┼──────────────────────────────────────────┤
│ Approach merge         │ The best parts of A and B can be         │
│ (compatible strengths) │ combined. Check for compatibility. If    │
│                        │ merge is coherent, use it. If forced,    │
│                        │ don't — pick one                         │
└────────────────────────┴──────────────────────────────────────────┘

Esperado: Bloqueo resuelto a través del mecanismo apropiado. La resolución es decisiva — sin duda persistente que socave la ejecución.

En caso de fallo: Si el bloqueo persiste a través de todas las estrategias de resolución, la decisión puede ser prematura. Preguntar al usuario: "Veo dos enfoques igualmente fuertes: [A] y [B]. [Caso breve para cada uno.] ¿Cuál se alinea mejor con tus prioridades?" Delegar un empate genuino al usuario no es un fracaso — es reconocer que la decisión depende de valores que la IA no puede inferir.

Paso 5: Evaluar la Calidad de Coherencia

Después de comprometerse con una decisión, evaluar si el proceso produjo coherencia genuina o solo una decisión.

  1. ¿La decisión se basó en evidencia, o fue una validación superficial de una preferencia inicial?
    • Prueba: ¿la preferencia era la misma antes y después de la evaluación? Si es así, ¿la evaluación cambió algo?
  2. ¿Los enfoques perdedores fueron genuinamente considerados, o fueron argumentos de paja?
    • Prueba: ¿puedes articular el caso más fuerte para el enfoque perdedor?
  3. ¿Qué señal desencadenaría una reevaluación?
    • Definir una observación específica que invalidaría la decisión ("Si descubro que la API no soporta X, entonces el enfoque B se vuelve mejor")
  4. ¿Hay información útil de los enfoques perdedores que debería informar la implementación?
    • Un riesgo identificado en el enfoque B podría aplicarse también al enfoque A

Esperado: Una verificación breve de calidad que confirma la decisión o la identifica como débil. Si es débil, volver al paso anterior apropiado en lugar de proceder sobre terreno inestable.

En caso de fallo: Si la verificación de calidad revela que la decisión fue basada en preferencia en lugar de evidencia, reconocerlo honestamente. A veces la preferencia es todo lo que está disponible — pero debe etiquetarse como tal, no disfrazarse de análisis.

Validación

  • Cada enfoque fue evaluado independientemente antes de la comparación
  • La defensa fue proporcional a la calidad (no atención igual independientemente del mérito)
  • Se realizó inspección cruzada (buscando contra-evidencia después de la defensa)
  • El umbral de quórum se calibró al riesgo de la decisión
  • Si hubo bloqueo, se aplicó una estrategia de resolución específica
  • Se realizó verificación de calidad post-decisión
  • Se definió un desencadenante de reevaluación

Errores Comunes

  • Compromiso prematuro: Decidir antes de evaluar todos los enfoques. El primer enfoque considerado tiene una ventaja de anclaje — recibe más atención mental simplemente por ser primero. Evaluar todos antes de comparar
  • Defensa igual para enfoques desiguales: Si el enfoque A obtuvo 85 y el enfoque B obtuvo 45, dedicar tiempo igual a defender ambos desperdicia esfuerzo y crea falsa equivalencia
  • Validación superficial: Pasar por el proceso de evaluación para justificar una decisión ya tomada. La prueba es si la evaluación podría haber cambiado el resultado. Si no, el proceso fue teatro
  • Evasión de umbral: Bajar el umbral de confianza para facilitar la decisión en lugar de recopilar la información necesaria para alcanzar el umbral apropiado
  • Ignorar el lado perdedor: El enfoque perdedor a menudo contiene advertencias que aplican al ganador. Los riesgos identificados en el enfoque B no desaparecen solo porque se eligió el enfoque A

Habilidades Relacionadas

  • build-consensus — el modelo de consenso multi-agente que esta habilidad adapta al razonamiento de un solo agente
  • forage-solutions — explora el espacio de soluciones que la coherencia evalúa; típicamente precede a esta habilidad
  • coordinate-reasoning — gestiona el flujo de información durante la evaluación multi-camino
  • center — establece la línea base equilibrada necesaria para la evaluación imparcial
  • meditate — limpia suposiciones entre la evaluación de diferentes enfoques

GitHub 저장소

pjt222/agent-almanac
경로: i18n/es/skills/build-coherence
0
agentsagentskillsai-assisted-developmentclaude-codeskillsteams

연관 스킬

content-collections

메타

이 스킬은 콘텐츠 콜렉션(Content Collections)을 위한 프로덕션 검증된 설정을 제공합니다. 콘텐츠 콜렉션은 Markdown/MDX 파일을 Zod 검증이 포함된 타입 안전한 데이터 콜렉션으로 변환해주는 TypeScript 최우선 도구입니다. 블로그, 문서 사이트 또는 콘텐츠 중심의 Vite + React 애플리케이션을 구축할 때 타입 안전성과 자동 콘텐츠 검증을 보장하기 위해 사용하세요. Vite 플러그인 구성과 MDX 컴파일부터 배포 최적화 및 스키마 검증에 이르기까지 모든 것을 다룹니다.

스킬 보기

polymarket

메타

이 스킬은 개발자들이 Polymarket 예측 시장 플랫폼을 활용한 애플리케이션을 구축할 수 있도록 지원하며, 거래 및 시장 데이터를 위한 API 통합 기능을 포함합니다. 또한 WebSocket을 통한 실시간 데이터 스트리밍을 제공하여 실시간 거래와 시장 활동을 모니터링할 수 있습니다. 이를 통해 거래 전략을 구현하거나 실시간 시장 업데이트를 처리하는 도구를 생성하는 데 활용할 수 있습니다.

스킬 보기

creating-opencode-plugins

메타

이 스킬은 개발자들이 명령어, 파일, LSP 작업 등 25개 이상의 이벤트 유형에 연결되는 OpenCode 플러그인을 만들 수 있도록 돕습니다. JavaScript/TypeScript 모듈을 위한 플러그인 구조, 이벤트 API 명세, 구현 패턴을 제공합니다. OpenCode AI 어시스턴트의 라이프사이클을 사용자 정의 이벤트 기반 로직으로 가로채거나, 모니터링하거나, 확장해야 할 때 사용하세요.

스킬 보기

sglang

메타

SGLang은 RadixAttention 프리픽스 캐싱을 활용하여 JSON, 정규식, 에이전트 워크플로우를 위한 고속 구조화 생성에 특화된 고성능 LLM 서빙 프레임워크입니다. 특히 반복되는 프리픽스가 있는 작업에서 상당히 빠른 추론 속도를 제공하여 복잡한 구조화 출력 및 다중 턴 대화에 이상적입니다. 제약 디코딩이 필요하거나 광범위한 프리픽스 공유가 있는 애플리케이션을 구축할 때는 vLLM과 같은 대안보다 SGLang을 선택하십시오.

스킬 보기