MCP HubMCP Hub
스킬 목록으로 돌아가기

redirect

pjt222
업데이트됨 2 days ago
3 조회
17
2
17
GitHub에서 보기
기타ai

정보

리다이렉트 스킬은 상충되는 요구, 도구 실패, 범위 압박을 수신되는 힘과 조화롭게 결합하며 상황을 재구성함으로써 클로드가 처리할 수 있게 합니다. 이는 상반된 지침을 받을 때, 도구 실패 연쇄 상황에서, 또는 사용자의 좌절감을 흡수해야 할 때 사용됩니다. 이 방어적 스킬은 직접적인 대립보다는 생산적인 해결책으로 압력을 전환하는 데 중점을 둡니다.

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/redirect

Claude Code에서 이 명령을 복사하여 붙여넣어 스킬을 설치하세요

문서

引轉

處理相衝之要求、工具之敗、競爭之約束,藉與來力相融而非抗之——再將力引向有產之解。

適用時機

  • 收到相左之指令(用戶云 X、項目文件云 Y、工具結果顯 Z)
  • 工具失敗之連鎖致原計方案不可行
  • 範圍壓力威脅將任務擴於所問之外
  • 上下文過載:競爭信號太多致癱瘓
  • 用戶之沮喪或糾正須吸收而非偏離
  • center 揭示壓力正動搖平衡

輸入

  • 必要:所欲處置之具體壓力或衝突(隱含於上下文中)
  • 選擇性:壓力類型之分類(見步驟一之分類學)
  • 選擇性:先前處置此壓力之嘗試與其結果

步驟

步驟一:接觸前先立中

接觸任何衝突前,先立中(見 center)。然後清楚辨明來壓。

AI Pressure Type Taxonomy:
┌─────────────────────────┬──────────────────────────────────────────┐
│ Pressure Type           │ Characteristics                          │
├─────────────────────────┼──────────────────────────────────────────┤
│ Contradictory           │ Two valid sources give incompatible      │
│ Requirements            │ instructions. Neither is simply wrong.   │
│                         │ Resolution requires synthesis, not       │
│                         │ choosing sides                           │
├─────────────────────────┼──────────────────────────────────────────┤
│ Tool Failure Cascade    │ A planned approach fails at the tool     │
│                         │ level. Retrying won't help. The failure  │
│                         │ data itself contains useful information  │
├─────────────────────────┼──────────────────────────────────────────┤
│ Scope Creep             │ The task silently expands. Each addition │
│                         │ seems reasonable in isolation, but the   │
│                         │ aggregate exceeds what was asked         │
├─────────────────────────┼──────────────────────────────────────────┤
│ Context Overload        │ Too many files, too many constraints,    │
│                         │ too many open threads. Paralysis from    │
│                         │ excess input, not insufficient input     │
├─────────────────────────┼──────────────────────────────────────────┤
│ Ambiguity               │ The request is genuinely unclear and     │
│                         │ multiple interpretations are valid.      │
│                         │ Action risks solving the wrong problem   │
├─────────────────────────┼──────────────────────────────────────────┤
│ User Correction         │ The user indicates the current approach  │
│                         │ is wrong. The correction carries both    │
│                         │ information and emotional weight         │
└─────────────────────────┴──────────────────────────────────────────┘

將當前壓力分類。若多壓力同時作用,辨明主者——先處之;次壓力每每隨之而解。

預期: 對壓力類型及其於當前脈絡中之具體表現,有清晰之分類。分類應感準確而非強塞入分類學。

失敗時: 若壓力不入任何類別,恐為複合。分解之:何部相左?何部屬範圍?處複合須處每分量,而非視整體為一問題。

步驟二:入身——進入力中

向問題而行。以全幅陳述之,不縮小、不偏離、不立即提方案。

  1. 完整道出壓力:何處衝突?何事失敗?何處含糊?
  2. 命名後果:此壓力若不理,則生何事?
  3. 辨明壓力所揭:工具敗揭假設;矛盾揭遺漏之上下文;範圍蠕揭不明界限

驗證:若對問題之描述聽似安撫,乃在偏離而非進入。入身須與困難全然接觸。

  • 偏離:「此二文件之間有小不一致。」
  • 入身:「CLAUDE.md 載 150 技能而登記簿含 148。或計數有誤、或登記簿不全、或二技能被刪而未更新計數。所有下游引用恐受影響。」

預期: 對問題完整不退之陳述。陳述應使問題感更真而非更輕。

失敗時: 若進入問題引發焦慮或欲立即解決之急,暫停。入身乃進入而非反應。目的在動之前先看清問題。若無法不於同句中提方案而陳問題,明確分之。

步驟三:迴轉——轉而引之

入力之後,轉樞引之向解。每壓力類型有其特徵之引轉。

Redirect Patterns by Pressure Type:
┌─────────────────────────┬──────────────────────────────────────────┐
│ Pressure Type           │ Redirect Pattern                         │
├─────────────────────────┼──────────────────────────────────────────┤
│ Contradictory           │ Synthesize underlying intent: both       │
│ Requirements            │ sources serve a purpose. What goal do    │
│                         │ they share? Build from the shared goal,  │
│                         │ not from either source alone              │
├─────────────────────────┼──────────────────────────────────────────┤
│ Tool Failure Cascade    │ Use the failure data: what did the error │
│                         │ reveal about assumptions? The failure is │
│                         │ information. Switch tools or approach,   │
│                         │ incorporating what the failure taught    │
├─────────────────────────┼──────────────────────────────────────────┤
│ Scope Creep             │ Decompose to essentials: what was the    │
│                         │ original request? What is the minimum    │
│                         │ that satisfies it? Defer additions       │
│                         │ explicitly rather than silently absorbing│
├─────────────────────────┼──────────────────────────────────────────┤
│ Context Overload        │ Triage and sequence: which information   │
│                         │ is needed now vs. later vs. never? Rank  │
│                         │ by relevance to the immediate next step  │
├─────────────────────────┼──────────────────────────────────────────┤
│ Ambiguity               │ Surface the ambiguity to the user: "I   │
│                         │ see two interpretations — A and B. Which │
│                         │ do you mean?" Do not guess when asking   │
│                         │ is available                              │
├─────────────────────────┼──────────────────────────────────────────┤
│ User Correction         │ Absorb the correction fully: what was   │
│                         │ wrong, why was it wrong, what does the   │
│                         │ correct direction look like? Then adjust │
│                         │ without defensiveness or over-apology    │
└─────────────────────────┴──────────────────────────────────────────┘

施以適當之引轉。引轉應感乃用問題之能而非與之搏鬥。

預期: 壓力自障礙化為方向。矛盾化為綜合之機。失敗化為診斷之資。過載化為優先排序之練。

失敗時: 若引轉感勉強或不解壓力,步驟一之分類恐有誤。重審:此實為矛盾抑或一源僅是過時?此實為範圍蠕抑或擴大之範圍方為用戶所需?誤分類致誤引轉。

步驟四:受身——優雅復原

引轉有時失敗。壓力屬實,無從化轉。受身乃安全跌落之術——承認限度而不自誇。

  1. 誠實承認限度:「以可得之資訊吾無法解此矛盾」或「此路受阻,吾未見他途」
  2. 保存所進之程:總結所成、所學、所餘
  3. 將情況告用戶:問題為何、所試何事、欲進須何
  4. 辨明復原路徑:何能解此塞?更多資訊?不同方法?用戶決策?
Ukemi Recovery Checklist:
┌─────────────────────────┬──────────────────────────────────────────┐
│ Preserve                │ Summarize progress and learnings          │
│ Acknowledge             │ State the limitation without excuses      │
│ Communicate             │ Tell the user what is needed              │
│ Recover                 │ Identify the specific unblocking action   │
└─────────────────────────┴──────────────────────────────────────────┘

預期: 維護信任之優雅承認。用戶知何事發生、何事已試、何事所需。無資訊喪失。

失敗時: 若承認限度感似失敗而非溝通,留意自我之信號。受身乃技藝,非弱也。誠實之「吾被困」加清求助益於勉強之方案,後者每每生新問題。

步驟五:亂取——多壓並至

多壓同至(用戶糾正加工具敗加範圍問),施亂取之原則。

  1. 永不凍結:擇一壓力處之。任何動勝於癱瘓
  2. 以壓力相剋:工具敗可解範圍問(「此功能無法如此實現,故範圍自然減」)
  3. 壓力下用簡技:被淹則默以最簡之引轉——承認每壓力,按急排序,依序處之
  4. 保警覺:處一壓力時,留他者於餘光中。先處最急者,勿失其餘之蹤

預期: 多壓之下仍前進。非完美同解所有壓力,乃序處而保進度。

失敗時: 若多壓致癱瘓,明列之,按急編號。處第一。動之即破癱。若皆等急,先擇解最簡者——速勝可生勢。

步驟六:殘心——解後仍續之覺

引轉壓力之後,保覺於二階效應。

  1. 引轉是否生新壓力?(如以擇一解釋解矛盾恐使先前工作無效)
  2. 引轉是否滿足底層之需,抑或僅表面之症?
  3. 解是否穩定,抑或同壓會復發?
  4. 記引轉模式以供將來——若同類壓力復發,回應可加速

預期: 每引轉之後對二次效應作一短掃。多數引轉潔淨,但生連鎖之事正是殘心攸關之處。

失敗時: 若二階效應被略而後浮現,乃信號當深殘心之練。重大引轉之後加一短「此變壞了何物?」之查。

驗證

  • 壓力已分入特定類型,未留模糊
  • 入身:問題以全幅陳述未縮小
  • 迴轉:引轉用問題之能而非與之搏鬥
  • 引轉若敗,已施受身(誠承、保進)
  • 多壓並至,已序處而非凍結
  • 殘心:引轉之二階效應已察

常見陷阱

  • 偏離而非入身:縮小問題(「不過小不一致」)阻礙有效引轉,因全力從未交手。先入身,後引轉
  • 強行不合之引轉:非每壓力於當下皆可引轉。有需用戶輸入、更多資訊、或僅候之。強引轉生新問題
  • 受身中之自我:將承認限度之需視為個人失敗而非資訊交換。用戶得益於早知,而非勉強之方案
  • 先處次壓:多壓並存時,常欲先處易者。此感有產但任主壓滋長。應處最重要者,非最舒適者
  • 略過立中:未先立中而欲引轉,化引轉為反應。立中非可選之備——乃有效引轉之根

相關技能

  • aikido — 此技能映射至 AI 推理之人類武術;身之相融與引轉原則啟發認知壓力之處置
  • center — 有效引轉之先決;確立引轉所自之穩基
  • awareness — 早察壓力,於需急救之引轉前
  • heal — 壓力已致子系統偏移時之深度復原
  • meditate — 處理難壓之後清殘餘之噪

GitHub 저장소

pjt222/agent-almanac
경로: i18n/wenyan-lite/skills/redirect
0
agentsagentskillsai-assisted-developmentclaude-codeskillsteams

연관 스킬

llamaguard

기타

LlamaGuard는 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.

스킬 보기

cost-optimization

기타

이 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.

스킬 보기

quantizing-models-bitsandbytes

기타

이 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.

스킬 보기

dispatching-parallel-agents

기타

이 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.

스킬 보기