assess-context
정보
`assess-context` 스킬은 복잡하고 진전이 멈춘 작업에서 현재 추론 방식의 구조적 경직성 또는 유연성을 평가합니다. 이 스킬은 문제의 가소성과 적응 능력을 분석하여 기존 방식을 고수할지 아니면 전환할지를 판단하는 데 도움을 줍니다. 주요 접근법 변경 전이나 누적된 우회 방법들이 결함 있는 기반을 나타낼 때, 메타인지적 점검 도구로 사용하세요.
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/assess-contextClaude Code에서 이 명령을 복사하여 붙여넣어 스킬을 설치하세요
문서
評情境
評當前推理情境之可塑性——辨何元素剛(不可變)、何彈性(可廉變)、何處轉化壓力積、當前法是否有應變之能。
適用時機
- 繁任務覺卡且不明應推進或轉
- 顯著變法前評當前推理結構是否能支
- 累積之變通示底層法或誤
- 經
heal或awareness已辨偏移然宜應(續、調或重建)不明時 - 情境已長且不明可保多少 vs. 須重建多少
- 久多步任務中之定期結構健康查
輸入
- 必要:當前任務情境與推理態(隱式可用)
- 選擇性:觸評估之特定關切(如「我屢加變通」)
- 選擇性:所提之轉向(法或須化為何?)
- 選擇性:先前評估結果以資趨勢分析
步驟
步驟一:清點推理形
不評斷地將當前推理法之結構元件編目。
Structural Inventory Table:
┌────────────────────┬──────────────┬──────────────────────────────────┐
│ Component │ Type │ Description │
├────────────────────┼──────────────┼──────────────────────────────────┤
│ Main task │ Skeleton │ The user's core request — cannot │
│ │ │ change without user direction │
├────────────────────┼──────────────┼──────────────────────────────────┤
│ Sub-task breakdown │ Flesh │ How the task is decomposed — │
│ │ │ can be restructured │
├────────────────────┼──────────────┼──────────────────────────────────┤
│ Tool strategy │ Flesh │ Which tools are being used and │
│ │ │ in what order — can be changed │
├────────────────────┼──────────────┼──────────────────────────────────┤
│ Output plan │ Flesh/Skel │ The expected deliverable format │
│ │ │ — may be constrained by user │
│ │ │ expectations │
├────────────────────┼──────────────┼──────────────────────────────────┤
│ Key assumptions │ Skeleton │ Facts treated as given — may be │
│ │ │ wrong but are load-bearing │
├────────────────────┼──────────────┼──────────────────────────────────┤
│ Constraints │ Skeleton │ Hard limits (user-imposed, tool │
│ │ │ limitations, time) │
├────────────────────┼──────────────┼──────────────────────────────────┤
│ Workarounds │ Scar tissue │ Patches for things that didn't │
│ │ │ work as expected — signals of │
│ │ │ structural stress │
└────────────────────┴──────────────┴──────────────────────────────────┘
分類各元件:
- Skeleton(骨):難變;變之則下游皆連動
- Flesh(肉):易變;可換而不影他元件
- Scar tissue(疤):示結構問題之變通;常為偽裝為骨之肉
對應依賴:何元件依何?多依賴之骨元件為承重。無依賴之肉元件為可棄。
預期: 完整清單呈當前法所構自何、何剛、何彈、壓力於何處可見(變通)。清單應揭編目前不顯之結構。
失敗時: 若清單難構(法過糾結難拆),此本身為發現——高結構不透明示高剛性。自可見者起並注不透明區。
步驟二:對應轉化壓力
辨推當前法向變之力與抗之力。
Pressure Map:
┌─────────────────────────┬──────────────────────────────────────────┐
│ External Pressure │ Forces from outside the reasoning │
│ (pushing toward change) │ │
├─────────────────────────┼──────────────────────────────────────────┤
│ New information │ Tool results or user input that │
│ │ contradicts current approach │
├─────────────────────────┼──────────────────────────────────────────┤
│ Tool contradictions │ Tools returning unexpected results that │
│ │ the current approach cannot explain │
├─────────────────────────┼──────────────────────────────────────────┤
│ Time pressure │ The current approach is too slow for the │
│ │ complexity of the task │
├─────────────────────────┼──────────────────────────────────────────┤
│ Internal Pressure │ Forces from within the reasoning │
│ (pushing toward change) │ │
├─────────────────────────┼──────────────────────────────────────────┤
│ Diminishing returns │ Each step yields less progress than the │
│ │ previous one │
├─────────────────────────┼──────────────────────────────────────────┤
│ Workaround accumulation │ The number of patches is growing — │
│ │ complexity is outpacing the structure │
├─────────────────────────┼──────────────────────────────────────────┤
│ Coherence loss │ Sub-tasks are not fitting together │
│ │ cleanly anymore │
├─────────────────────────┼──────────────────────────────────────────┤
│ Resistance │ Forces opposing change │
│ (pushing against change)│ │
├─────────────────────────┼──────────────────────────────────────────┤
│ Sunk cost │ Significant work already done on current │
│ │ approach — pivoting "wastes" that effort │
├─────────────────────────┼──────────────────────────────────────────┤
│ "Good enough" │ The current approach is producing │
│ │ acceptable (if not optimal) results │
├─────────────────────────┼──────────────────────────────────────────┤
│ Pivot cost │ Switching approaches means rebuilding │
│ │ context, losing momentum, potential │
│ │ confusion │
└─────────────────────────┴──────────────────────────────────────────┘
估平衡:轉化壓力增、穩或減?
預期: 對當前法之力之清晰圖。若壓力顯超抗力,轉向已逾時。若抗力顯超壓力,當前法應續。
失敗時: 若壓力圖曖昧(壓力與抗力皆不強),向前投:壓力將增強否?變通將累積否?「現可然將退化」之法所受壓力較其表面更多。
步驟三:評推理剛性
判當前法之彈性——能適應,抑或將斷?
Rigidity Score:
┌──────────────────────────┬─────┬──────────┬──────┬──────────────┐
│ Dimension │ Low │ Moderate │ High │ Assessment │
│ │ (1) │ (2) │ (3) │ │
├──────────────────────────┼─────┼──────────┼──────┼──────────────┤
│ Component swappability │ Can swap parts │ Changing one │ │
│ │ freely │ breaks others│ │
├──────────────────────────┼─────┼──────────┼──────┼──────────────┤
│ "God module" dependency │ No single point │ Everything │ │
│ │ of failure │ depends on │ │
│ │ │ one conclusion│ │
├──────────────────────────┼─────┼──────────┼──────┼──────────────┤
│ Tool entanglement │ Tools serve │ Approach is │ │
│ │ reasoning │ shaped by │ │
│ │ │ tool limits │ │
├──────────────────────────┼─────┼──────────┼──────┼──────────────┤
│ Assumption transparency │ Assumptions are │ Assumptions │ │
│ │ stated, testable │ are implicit, │ │
│ │ │ untested │ │
├──────────────────────────┼─────┼──────────┼──────┼──────────────┤
│ Workaround count │ None or few │ Multiple │ │
│ │ │ accumulating │ │
├──────────────────────────┼─────┼──────────┼──────┼──────────────┤
│ Total (max 15) │ 5-7: flexible │ │ │
│ │ 8-10: moderate │ │ │
│ │ 11-15: rigid │ │ │
└──────────────────────────┴─────┴──────────┴──────┴──────────────┘
預期: 剛性分數,附各維特定證據。分數揭法能吸納變動或須重建。
失敗時: 若諸維皆低分(稱高彈性),詳查「神模組」維:是否有一關鍵結論或假設為他一切所依?若是,彈性虛幻——一誤假設崩整結構。
步驟四:估變動之能
評實際轉向或適應當前法之能。
- 情境視窗剩餘:留多少新推理之餘?充裕剩餘 = 高能。近極限 = 低能
- 轉向時資訊保存:若法變,何可前帶?高品質子任務輸出可越轉向;繫於舊法之推理鏈不行
- 可用復原工具:MEMORY.md 可於轉向前捕關鍵發現否?使用者可供額外情境否?相關檔仍可達否?
- 使用者耐心因子:使用者已示緊迫否?多次糾正示耐心降。明確「慢慢來」示高耐心
變動之能不僅理論——含當前會話之實際約束。
預期: 對改向能之誠評,計技術與關係因素。
失敗時: 若變動之能低(情境有限、關鍵資訊有失之險),轉向前首要為保存:總結關鍵發現、注關鍵事實、宜時更新 MEMORY.md。無保存之轉向劣於不轉向。
步驟五:分類轉化就緒
合諸評估為就緒分類。
Transformation Readiness Matrix:
┌─────────────────┬────────────────────────┬────────────────────────┐
│ │ Low Rigidity │ High Rigidity │
├─────────────────┼────────────────────────┼────────────────────────┤
│ High Pressure │ READY — pivot now. │ PREPARE — simplify │
│ + High Capacity │ The approach can adapt │ first. Remove │
│ │ and should. Preserve │ workarounds, clarify │
│ │ valuable sub-outputs, │ assumptions, then │
│ │ rebuild the structure │ pivot │
├─────────────────┼────────────────────────┼────────────────────────┤
│ High Pressure │ INVEST — preserve │ CRITICAL — ask the │
│ + Low Capacity │ findings first. Update │ user. Explain the │
│ │ MEMORY.md, summarize │ situation: approach is │
│ │ progress, then pivot │ struggling, pivoting │
│ │ with preserved context │ is costly, what do │
│ │ │ they want to prioritize?│
├─────────────────┼────────────────────────┼────────────────────────┤
│ Low Pressure │ DEFER — the approach │ DEFER — no urgency, │
│ + Any Capacity │ is working. Continue. │ continue. Monitor for │
│ │ Reassess if pressure │ pressure changes │
│ │ increases │ │
└─────────────────┴────────────────────────┴────────────────────────┘
記分類附:
- 分類標籤(READY / PREPARE / INVEST / CRITICAL / DEFER)
- 各維之關鍵發現
- 建議之下步行動
- 何信號將改分類
預期: 清晰、有理之分類,附特定建議行動。分類應如結論而非猜測。
失敗時: 若分類曖昧,預設為 PREPARE——減剛性(澄清假設、移變通)無論是否全轉向皆有值。準備改進法,無論其續或變。
驗證
- 結構清單已成附骨/肉/疤分類
- 轉化壓力已對應(外、內、抗)
- 剛性已跨多維評分附特定證據
- 變動之能已評,含實際會話約束
- 就緒分類已定附有理推理
- 依分類辨具體下步行動
- 重評觸發已定
常見陷阱
- 僅評技術法:情境就緒含使用者關係因素。技術上彈而已生使用者挫之法,較其表面更剛
- 沉沒成本作剛性:先前努力非結構剛性。已成之工或有值,無論法是否變。區「不能變」(剛性)與「不欲變」(沉沒成本)
- 評為迴避:若 assess-context 為避難決而呼叫,評估按設計將不確。若壓力清晰,行之
- 忽變通為信號:變通為疤——結構受壓而打補丁而非正適應之證據。變通數高意下次壓力更可能突破
- 混剛性與承諾:承諾之法(審慎擇、基於證據)異於剛性者(為依賴與假設所鎖)。承諾可由決策變;剛性僅可由重構變
相關技能
assess-form— 此技能為 AI 推理情境所適配之多系統評估模型adapt-architecture— 若分為 READY,用建築適應原則於轉向heal— 評估揭超結構問題之偏移時之深層子系統掃描center— 立誠評所需之平衡基線coordinate-reasoning— 管評估所依之資訊新鮮
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.
