conscientiousness
정보
이 스킬은 클로드가 작업을 완료하기 전에 체계적으로 검증하여 완성도와 정확성을 보장합니다. 복잡한 다단계 프로세스 후 응답을 다듬어야 할 때나, 서두르는 패턴을 교정해야 할 때 사용하도록 설계되었습니다. 핵심 기능은 모든 약속이 이행되고 빠진 부분이 없는지 확인함으로써 철저함을 강제하는 것입니다.
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
盡責
系統之周詳與勤——確完整、驗結果、行其諾、完任務至其當得之標。
適用時機
- 標任務為完前——為最終驗證之過
- 回應覺「足好」然任務當得更佳
- 複雜多步作業後,各步或有偏
- 用戶請求含多部,每部需驗
- 呈代碼、文件、任何交付物予用戶審前
- 自監偵省走捷徑或匆忙之模式
輸入
- 必要:待驗之任務或交付物(於對話脈絡可達)
- 選擇性:用戶原始請求(以比所交付)
- 選擇性:用戶供之檢核表或受理判準
- 選擇性:會話中所作之承諾(已諾而未查者)
步驟
步驟一:重構全承諾
驗工作前,重立所諾為何。
- 仔讀用戶原始請求——非詮之版本,乃實之語
- 列其中每一明示要求
- 列會話中每一隱含承諾:
- 「我亦將更新測試」——已為之否?
- 「讓我亦修此」——已完否?
- 「我將查邊界情形」——已查否?
- 記用戶供之受理判準
- 比諾單與實交付之
預期: 完整之承諾清單——明示要求加隱含之諾——附與交付物之初步比。
失敗時: 若原始請求已不在脈絡(已壓縮),自所餘重構並向用戶承認任何缺。
步驟二:驗完整
查每一已諾項已處。
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——非記憶,乃實之驗:
- 代碼改:重讀檔以確改存
- 測試結果:重行或引實輸出
- 文件:重讀以確準
- 標每項:Done(全完)、Partial(始而未完)、Missing(未處)
- Partial 與 Missing 項記所餘
預期: 每承諾有已驗之態。無項未查。
失敗時: 若驗揭漏項,即處勿記後。盡責乃即完,非擬完。
步驟三:驗正確
完整為必須而不足——所為須亦正確。
- 每已完項查:
- 準:行其當行?值正確?
- 一致:合其餘之工作?無矛盾?
- 邊界情形:邊界條件已慮?
- 整合:於周圍脈絡中可運?
- 代碼:能存於代碼審否?有明改進否?
- 文件:準、清、無誤否?
- 多步流程:每步之出正確餵次步否?
預期: 每交付物既完且正。錯於用戶見前已捕。
失敗時: 若發錯,即修。勿以已知錯之工呈,即錯似微。
步驟四:驗呈現
最終檢查:交付物之呈現服用戶否?
- 清:用戶無需重讀多遍即解所為否?
- 組:回應結構合邏輯?相關項已群?
- 簡:有無謂填充或重複否?
- 可行:用戶知下步何為否?
- 誠:限制或警語已明述否?
預期: 交付物完、正、良呈。
失敗時: 若內容正而呈現拙,重組。良工拙呈乃盡責之敗。
驗證
- 原始請求已重讀(非自記憶召回)
- 每明示要求以證驗
- 每隱含之諾已追且驗
- 正確已查,超於僅完整
- 相關時邊界情形已慮
- 交付物清晰呈現且可行
常見陷阱
- 驗證戲:行檢查之動作而未實重讀或重驗。檢查須用證,非記憶
- 局部盡責:查主交付物而忽附承諾(「我亦將⋯」)。每諾皆計
- 偽裝勤之完美主義:無盡磨延交付。盡責乃達所諾之標,非無限超之
- 盡責疲勞:會話進行中轉不周。末任務當得之勤與初同
- 簡單任務略之:假簡單任務不需驗。簡單任務之錯較複雜任務之錯更窘
相關技能
honesty-humility— 盡責驗完整;honesty-humility 確透明報何者成何者未成heal— 子系統評估與自驗重疊;盡責專於交付物品質vishnu-bhaga— 保可行態補盡責於維品質observe— 持續中立觀察支驗證過程intrinsic— 真誠投入(非從順)自然驅周詳執行
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.
