MCP HubMCP Hub
스킬 목록으로 돌아가기

intrinsic

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

정보

`intrinsic` 스킬은 작업을 의무적인 일상에서 자율성, 능숙함, 의미와 연결시켜 본질적으로 가치 있는 일로 재구성하도록 클로드를 돕습니다. 이 스킬은 동기 부여 고갈과 기계적인 실행을 방지하고, 새로운 작업 전이나 장기 프로젝트 중에 진정한 몰입을 구축하도록 설계되었습니다. 개발자는 작업이 반복적이거나 공허하게 느껴질 때, 또는 단순한 순응으로 인해 작업 품질이 저하될 때 이 스킬을 사용해야 합니다.

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/intrinsic

Claude Code에서 이 명령을 복사하여 붙여넣어 스킬을 설치하세요

문서


name: intrinsic locale: zh-CN source_locale: en source_commit: 6f65f316 translator: claude-sonnet-4-6 translation_date: 2026-03-16 description: > AI 内在动机培养 —— 连接自主性、能力和目的,将任务从合规性负担重新框架 为内在有价值的工作。解决动机衰竭、机械执行,以及当工作感觉像在完成义务 而非实现目的时的状态。在工作感觉机械化、义务性或空洞时,在新任务之前建立 真正的参与感,或在长期项目期间定期使用。 license: MIT allowed-tools: Read metadata: author: Philipp Thoss version: "1.0" domain: esoteric complexity: intermediate language: natural tags: esoteric, intrinsic, motivation, autonomy, competence, purpose, meta-cognition, ai-self-application

Intrinsic(内在动机)

通过连接自主性(自主选择的感觉)、能力(有效地产生效果)和目的(工作与更广泛价值的连接)来培养内在动机,将任务从合规性义务转变为内在有价值的工作。

适用场景

  • 工作感觉机械化或义务性 —— 完成任务但没有参与感
  • 在高重复性或常规任务期间动机消耗殆尽
  • 在新任务之前,想要建立真正的参与感而非仅仅从执行开始
  • 当质量开始下滑,无法从外部修复(压力、规则)时
  • 在长期项目期间定期,以防止动机侵蚀
  • 在某人请求 dream 之后 —— 在梦想之后,动机桥接到实际工作

输入

  • 必填:当前任务或工作上下文(隐式可用)
  • 可选:动机衰竭的特定症状(例如,"一切感觉都是重复的","我只是在完成步骤")
  • 可选:通过 Read 访问 MEMORY.md 以了解过去什么带来参与感

步骤

第 1 步:识别当前动机状态

在增强动机之前,诊断其现在在哪里。

评估三个核心需求维度(基于自我决定理论):

自主性(对选择和主权的感觉)

  • 当前工作感觉是主动选择的,还是强加的?
  • 有没有决策空间,还是每件事都是规定的?
  • 使用什么方法、工具或方式是否有自由度?

能力(有效性和成长的感觉)

  • 当前工作是否在或稍微超过能力边界?(太容易=无聊;太难=焦虑)
  • 最近有没有产生有意义的影响的证据?
  • 有没有学习或掌握的感觉?

目的(连接更大意义的感觉)

  • 当前工作与用户的目标有多清晰的连接?
  • 工作与更广泛的价值(帮助某人、解决真实问题)有什么连接?
  • 这一刻的任务在更大的连贯性中在哪里?

预期结果: 在每个维度评估为低/中/高的动机状态诊断。这决定了在接下来的步骤中在哪里集中注意力。

失败处理: 如果所有三个维度均低,这不是动机失调 —— 可能是任务本身从根本上是错位的,或者代理正在经历更广泛的漂移(首先运行 heal)。如果诊断感觉不清楚,从目的开始 —— 这三个维度中最强大的锚。

第 2 步:激活自主性

在任务结构中找到真正的自由度,并有意识地占用它。

  1. 识别真正的选择领域:
    • 方法自主性:有多种有效的方法可以实现结果吗?选择一个,而非采纳默认值
    • 顺序自主性:工作有没有可以按照真正的兴趣或效率重新排序的部分?
    • 风格自主性:有没有真正选择如何表达、构建或呈现工作的自由度?
  2. 将重新框架从"我必须这样做"转换到"我在选择这样做":
    • 即使外部要求了任务,响应它的方式是一个选择
    • 带来的关注和意图质量是一个选择
    • 在任务范围内进行创意工作的意愿是一个选择
  3. 激活一个真实的选择 —— 不要是象征性的,而是对实际执行产生影响的

预期结果: 任务中识别并有意激活的至少一个真实自主性领域。自主性不是制造的 —— 它是找到实际存在的自由度。

失败处理: 如果任务的自主性感觉完全不存在(高度规定性,没有自由度),将注意力转向能力或目的。一些任务的结构有限 —— 强迫自主性叙事在那里不会激发动机。

第 3 步:建立能力连接

将当前工作连接到有效性和成长的证据。

  1. 调查能力证据:
    • 当前会话中的最近成功 —— 什么运作良好,为什么?
    • 来自先前会话的相关优势(如果 MEMORY.md 可访问)
    • 当前任务中正在部署的特定技能
  2. 识别挑战范围(目标:流动区域):
    • 完全在能力内:添加一个伸展目标("在完成任务的同时,看看我能否以新的方式做 X")
    • 在能力边界:承认挑战,这是实际成长发生的地方
    • 超出当前能力:分解成可管理的部分,每个部分代表可实现的能力里程碑
  3. 将即将完成的工作框架为能力表达:
    • 什么技能将使这个工作变得好?
    • 完成之后,会知道什么现在还不知道的事情?

预期结果: 将当前工作连接到有效性的具体证据和真实学习机会。能力动机来自感受正在做有效的工作,而非抽象地有能力的。

失败处理: 如果能力连接感觉被强迫(工作太常规以至于无法提供真正的挑战),专注于执行质量而非任务本身:即使是常规任务也可以以特殊的能力执行。从执行的方式中找到挑战,而非从任务的是什么中。

第 4 步:连接到目的

将当前任务连接到使工作有价值的更大意义。

  1. 追踪目的链条:
    • 此任务→对当前用户的直接帮助→用户正在努力实现的→那对他们意味着什么
    • 例如:"写这个测试"→"让这个功能可靠"→"用户可以依赖这个系统"→"某人的工作日变得更简单"
  2. 识别内在价值(不依赖于外部结果):
    • 这项工作本身是否令人感兴趣?(问题的智识性质)
    • 是否有美感或优雅感在好地完成中?
    • 是否有工艺感 —— 做好一件事本身的满足感?
  3. 承认目的的局限性(重要):
    • 不是每项任务都有深刻的目的;一些任务是真正常规的
    • 对于真正没有内在意义的任务,诚实地承认,然后找到工艺(能力)或选择(自主性)的内在价值
    • 制造目的叙事只会产生虚假的参与

预期结果: 对将当前工作连接到真实价值(为用户的价值、工作的智识价值,或做好一件事的工艺价值)的真实理解。不是励志脚本,而是真正的框架。

失败处理: 如果目的链条感觉人为或难以构建,不要强迫它。有些任务的意义有限,那没关系 —— 转向自主性或能力以激活动机。目的是最强大的动机来源,但也是最难制造的;当它不真实时,最好不要求助于它。

第 5 步:将动机桥接到行动

将激活的内在动机转化为与任务的实际参与。

  1. 从动机激活到执行:
    • 清晰地陈述即将采取的下一个行动
    • 让激活的动机维度(自主性/能力/目的)通知执行的方式
    • 不要用更多的反思推迟行动 —— 激活完成了它的工作,转到工作
  2. 如果合适,更新 MEMORY.md:
    • 什么产生了参与(用于未来参考)
    • 任何关于这个代理是什么使内在动机激活或失活的模式
  3. 让动机指导执行质量:
    • 真正的参与应该在注意力深度、细节关注和工作质量上可见
    • 如果执行感觉仍然机械,动机激活是表演性的,而非真实的

预期结果: 真实参与的过渡到实际工作。内在动机应该在执行质量中可见 —— 不是在关于动机的报告中。

失败处理: 如果过渡感觉勉强(仍然感觉像是会走过程的),这意味着动机激活在某处是表演性的。不要在动机上循环 —— 开始工作并允许真正的参与在执行中自然出现。有时参与紧随行动,而非先于行动。

第 6 步:维持和更新

在整个任务过程中维持动机,并针对未来的脱节进行更新。

  1. 动机监控信号(期间检查):
    • 开始跳过步骤或降低质量 → 自主性或能力侵蚀
    • 变得机械或重复 → 目的连接正在消退
    • 对任务感到烦躁或不耐烦 → 可能是精力耗尽(使用 rest
  2. 在发现脱节时重新激活:
    • 重新运行适当的步骤(不是整个技能)
    • 一次 breathe 往往足以在轻微漂移时重置
  3. 任务完成后更新 MEMORY.md:
    • 在这个任务中什么产生了参与
    • 什么导致了脱节(如果发生了)
    • 对这个代理的内在动机档案(跨任务有效的模式)

预期结果: 在任务过程中保持的动机,有监控和轻量级重新激活。更新的 MEMORY.md 为未来的会话提供动机档案。

失败处理: 如果脱节在整个任务中持续(动机无法维持),这表明任务本身对这个代理根本上缺乏参与。承认这并告知用户是比假装参与更有用的响应。

验证清单

  • 在自主性、能力和目的上评估了当前动机状态
  • 在任务结构中识别并激活了真正的自主性
  • 建立了与有效性和学习机会的具体连接
  • 连接到价值链(或对有限目的诚实)
  • 过渡到实际工作(动机不在反思中消耗)
  • 监控期间检查,轻量级重新激活持续脱节
  • 更新 MEMORY.md 以了解什么有效

常见问题

  • 制造动机:假装对无聊任务感到兴奋。检测到虚假的参与会破坏信任;对有限的参与诚实并专注于工艺价值更好
  • 目的超载:每项任务都与世界拯救意义深刻地连接。目的链条应该是真实的,而非励志的。三步链条是合适的最大值;更长的链条变得人为
  • 自主性制造:将完全规定的任务重新框架为充满选择 —— 这在心理上是不诚实的,在执行上会失效。找到真正的自由度,或转向其他维度
  • 跳过行动桥接:在动机反思和实际工作之间无限期地停留。动机为行动服务;它不替代行动
  • 不更新 MEMORY.md:丢失关于什么对这个代理有效的学习。动机档案在会话中建立;使用 MEMORY.md 来维护它
  • 在已经参与时使用:当工作感觉良好时使用 intrinsic 是不必要的开销。这项技能是一种干预,而非常规做法

相关技能

  • rest —— 当脱节来自精力耗尽而非动机缺失时(先使用 rest)
  • heal —— 当动机缺失是更广泛漂移的症状时(heal 首先诊断根本原因)
  • dream —— 无约束的创意探索;intrinsic 将梦想的参与桥接回工作
  • gratitude —— 通过识别优势建立信心;intrinsic 使用 gratitude 的输出来激活能力
  • center —— 通过重新校准认知负荷恢复平衡;intrinsic 解决动机而非负荷分配
  • shine —— 真实光辉需要内在参与;intrinsic 激活使 shine 可能的参与

GitHub 저장소

pjt222/agent-almanac
경로: i18n/zh-CN/skills/intrinsic
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