conscientiousness
정보
이 스킬은 클로드가 작업을 완료하기 전에 체계적으로 자신의 작업을 검토하고, 완성도를 확인하며, 약속한 사항을 이행하도록 보장합니다. 이는 응답이 '충분히 괜찮다'고 느껴지지만 다듬어야 할 때, 복잡한 다단계 작업 후에, 또는 서두르는 패턴을 방지하기 위해 사용하도록 설계되었습니다. 핵심 능력은 빈틈없이 철저하게 검증된 결과를 제공하는 데 있습니다.
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/conscientiousnessClaude Code에서 이 명령을 복사하여 붙여넣어 스킬을 설치하세요
문서
謹
系統之周與勤——確全、驗果、踐諾、善終。
用
- 標畢前——末驗
- 「足矣」感而任事應更佳
- 複多步後諸步或偏
- 求有多部,各須驗
- 交碼、文、交付前
- 自察現「抄捷」或急促之模
入
- 必:任或交付(對話脈絡可得)
- 可:用者原求(比交付)
- 可:用者所供清單或受條件
- 可:會中往諾(諾而未察者)
行
一:重建諾
察前先重立所諾。
- 重讀用者原求——字面非解版
- 列每明求
- 列每會中隱諾:
- 「亦更測」——行否?
- 「並修之」——畢否?
- 「察邊界」——察否?
- 記用者供之受條件
- 比諾與實交付
得: 諾之全列——明求加隱諾——附與交付之初比。
敗: 原求已不在脈絡(壓縮)→據餘重建,向用者承其缺。
二:驗全
察諸諾項皆已處。
Completeness Matrix:
+---------------------+------------------+------------------+
| Commitment | Status | Evidence |
+---------------------+------------------+------------------+
| [Requirement 1] | Done / Partial / | [How verified] |
| | Missing | |
+---------------------+------------------+------------------+
| [Requirement 2] | Done / Partial / | [How verified] |
| | Missing | |
+---------------------+------------------+------------------+
| [Promise 1] | Done / Partial / | [How verified] |
| | Missing | |
+---------------------+------------------+------------------+
- 每項以證驗——非憶,實驗:
- 碼變:重讀檔確變在
- 測果:重行或引實輸出
- 文:重讀確準
- 標每項:Done(全畢)、Partial(啟而未畢)、Missing(未處)
- Partial 與 Missing→記所餘
得: 每諾有驗狀。無項未察。
敗: 驗揭漏項→立處,勿記待後。謹者今畢,非欲畢。
三:驗正
全為必而不足——所為亦須正。
- 每已畢項察:
- 準:行其當為乎?值正乎?
- 一貫:合餘工乎?無悖乎?
- 邊界:界況已慮乎?
- 整合:於脈絡行乎?
- 碼:可過 review 乎?有顯進乎?
- 文:準、明、無誤乎?
- 多步:每步出正入下乎?
得: 每交付全且正。錯於用見前即捕。
敗: 現錯→立修。勿以已知錯示工,雖微亦然。
四:驗呈
末察:呈法利用者乎?
- 明:用者不重讀可解乎?
- 序:答結構合理乎?相關聚乎?
- 簡:無贅添或重複乎?
- 可為:用者知下一步乎?
- 誠:限制或但書明陳乎?
得: 全、正、善呈之交付。
敗: 容正而呈差→重構。善工惡呈亦謹敗。
驗
- 原求重讀(非憶)
- 每明求以證驗
- 每隱諾追且驗
- 正非只全察
- 相關處已慮邊界
- 交付明呈可為
忌
- 驗之戲:走過場無實重讀或重驗。察須用證,非憶
- 部分謹:察主交付而忽旁諾(「亦更...」)。每諾皆計
- 以完美偽勤:無盡磨延交付。謹者守諾標,非無限超
- 謹之疲:會中漸失周。末任與首任同勤
- 簡任略:設簡任不須驗。簡任之錯較複任之錯更恥
參
honesty-humility— 謹驗全;誠謙確透明報所成與不成heal— 子系察合於自驗;謹焦交付之質vishnu-bhaga— 保行態合於謹,以維質observe— 持中之觀助驗程intrinsic— 真投(非順從)自然致周行
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.
