MCP HubMCP Hub
스킬 목록으로 돌아가기

build-coherence

pjt222
업데이트됨 6 days ago
18 조회
17
2
17
GitHub에서 보기
메타aidesign

정보

`build-coherence` 스킬은 벌집 군집 의사 결정에서 영감을 받은 구조화된 다중 경로 추론을 사용하여, 여러 유효한 옵션이 존재할 때 개발자가 최적의 접근 방식을 선택할 수 있도록 돕습니다. 이는 아키텍처 선택을 확정하거나, 도구 선택을 정당화하거나, 비용이 높고 되돌릴 수 없는 조치를 취하기 전에 이상적입니다. 주요 기능으로는 경쟁 접근 방식의 독립적 평가, 소리 내어 추론하는 정당화, 그리고 의사 결정 임계값을 위한 신뢰도 기반 쿼럼 센싱이 포함됩니다.

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/build-coherence

Claude Code에서 이 명령을 복사하여 붙여넣어 스킬을 설치하세요

문서

建一貫

以獨評、明推聲、自信校之諾閾、結構化之僵解評競法——自多推徑生一貫之決。

用時

  • forage-solutions 已識多可行法而須擇
  • 於二法間搖而不諾
  • 須以結構化推理證決(架構擇、工具擇、施略)
  • 昔決出於直覺而須據證驗
  • 內推生相悖之結而須復一貫
  • 不可逆之行前(合併、交、刪)誤擇之價高

  • 必要:二或以上競法可評
  • 可選:先探之質評(見 forage-solutions
  • 可選:決之賭(可逆、中、不可逆)以校閾
  • 可選:決之時預
  • 可選:已知之敗模(搖、早諾、群思)

第一步:獨評

各法獨評其值,而後較。要律:勿令 A 之評偏 B 之評。

各法獨評:

Approach Evaluation Template:
┌────────────────────────┬──────────────────────────────────────────┐
│ Dimension              │ Assessment                               │
├────────────────────────┼──────────────────────────────────────────┤
│ Approach name          │                                          │
├────────────────────────┼──────────────────────────────────────────┤
│ Core mechanism         │ How does this approach solve the problem? │
├────────────────────────┼──────────────────────────────────────────┤
│ Strengths (2-3)        │ What does this approach do well?          │
├────────────────────────┼──────────────────────────────────────────┤
│ Risks (2-3)            │ What could go wrong? What is assumed?     │
├────────────────────────┼──────────────────────────────────────────┤
│ Evidence quality        │ How well-supported is this approach?      │
│                        │ (verified / inferred / speculated)        │
├────────────────────────┼──────────────────────────────────────────┤
│ Quality score (0-100)  │ Overall assessment                        │
├────────────────────────┼──────────────────────────────────────────┤
│ Confidence (0-100)     │ How confident in this assessment?         │
└────────────────────────┴──────────────────────────────────────────┘

各法獨填。諸獨評未畢,勿作較。

得: 諸獨評,各法自立評。B 之評不引 A。質分映真評,非排序。

敗則: 若評已染(評 B 時書「勝於 A」),重。全評 A,清框而自新評 B。若分皆同,評維太粗——加域特之準。

第二步:擺舞——明推

各法之倡,按其質成比。此乃 AI 版蜂舞:令隱推明而公。

  1. 各法述其由——如向疑之用者陳:
    • 「法 A 強於 [證]。主危為 [危],解以 [解]。」
  2. 倡之力按質分:
    • 高質:詳倡附具證
    • 中質:簡倡認其限
    • 低質:為全列而提,非主倡
  3. 交察:倡 A 後,主尋 B 之證。倡 B 後,尋 A 之證。此反確認偏

明推之旨在令決可審——於己與用者。若推不可述,評淺於分所示。

得: 諸法之明推,足以服中立之觀者。交察示至少一先被略之考。

敗則: 若倡覺敷衍,諸法或非真異——或為同念之變。察:法異於機,抑只異於施詳?若後者,決或不要緊——擇一而進。

第三步:立諾閾而諾

立諾所須之信閾,按決之賭校。

Confidence Thresholds by Stakes:
┌─────────────────────┬───────────┬──────────────────────────────────┐
│ Decision Type       │ Threshold │ Rationale                        │
├─────────────────────┼───────────┼──────────────────────────────────┤
│ Easily reversible   │ 60%       │ Cost of trying and reverting is  │
│ (can undo)          │           │ low. Speed matters more than     │
│                     │           │ certainty                        │
├─────────────────────┼───────────┼──────────────────────────────────┤
│ Moderate stakes     │ 75%       │ Reverting has cost but is        │
│ (costly to reverse) │           │ possible. Worth investing in     │
│                     │           │ evaluation                       │
├─────────────────────┼───────────┼──────────────────────────────────┤
│ Irreversible or     │ 90%       │ Cannot undo. Must be confident.  │
│ high-stakes         │           │ If threshold not met, gather     │
│                     │           │ more information before deciding │
└─────────────────────┴───────────┴──────────────────────────────────┘
  1. 類決之賭
  2. 察:領法之質分 × 信達閾乎?
  3. 若是:諾。述決、推、所受之要危
  4. 若否:識何增訊可令信達閾
  5. 諾後,除非新除格之證現,勿再察

得: 明諾之刻,附推。決於合賭之信級而成。

敗則: 若閾不達(不可逆決而信不及九成),問:決真不可逆乎?可分為可逆試階 + 不可逆諾乎?多似不可逆之決可階。若不能階,告用者其不確,請指引。

第四步:解僵

二或多法分相近而無一達諾閾。

Deadlock Resolution:
┌────────────────────────┬──────────────────────────────────────────┐
│ Deadlock Type          │ Resolution                               │
├────────────────────────┼──────────────────────────────────────────┤
│ Genuine tie            │ The approaches are equivalent. Pick one  │
│ (scores within 5%)     │ and commit. The cost of deliberating     │
│                        │ exceeds the cost of picking the "wrong"  │
│                        │ equivalent option. Flip a coin mentally  │
├────────────────────────┼──────────────────────────────────────────┤
│ Information deficit    │ The tie exists because evaluation is     │
│ (scores uncertain)     │ incomplete. Invest one more specific     │
│                        │ investigation — a targeted file read, a  │
│                        │ quick test — then re-score               │
├────────────────────────┼──────────────────────────────────────────┤
│ Oscillation            │ Scoring keeps flip-flopping depending on │
│ (scores keep changing) │ which dimension gets attention. Time-box:│
│                        │ set a timer, evaluate once more, commit  │
│                        │ to the result regardless                 │
├────────────────────────┼──────────────────────────────────────────┤
│ Approach merge         │ The best parts of A and B can be         │
│ (compatible strengths) │ combined. Check for compatibility. If    │
│                        │ merge is coherent, use it. If forced,    │
│                        │ don't — pick one                         │
└────────────────────────┴──────────────────────────────────────────┘

得: 以合機解僵。解為決斷——無餘疑撼施行。

敗則: 若諸解略僵仍在,決或過早。問用者:「吾見二等強之法:[A]、[B]。[各簡由]。何者合汝先?」託真等決於用者非敗——乃認決依 AI 不能推之值。

第五步:評一貫之質

諾決後,察過程生真一貫抑只生決。

  1. 決據證乎,抑蓋章初好?
    • 試:評前後好同乎?若是,評改何乎?
  2. 敗法真考乎,抑稻草人?
    • 試:能述敗法之最強由乎?
  3. 何信觸重評?
    • 定具體察可廢決(「若發現 API 不支 X,則法 B 更佳」)
  4. 敗法有益施行之訊乎?
    • 法 B 所識之危或亦適 A

得: 略察質以證或識弱之決。弱者,返先步,勿進於弱基。

敗則: 若質察示決據好非據證,實承之。或唯好可用——宜標為好,勿裝為析。

  • 各法較前已獨評
  • 倡按質成比(非均注)
  • 交察已行(倡後尋反證)
  • 諾閾按賭校
  • 若僵,已施具體解略
  • 決後質察已行
  • 已定重評之觸

  • 早諾:諸法未全評而決。首考之法有錨利——先即得更多注。全評而後較
  • 不等法均倡:A 得八五 B 得四五,均倡費力且造假等
  • 蓋章:走過評以證已成之決。試:評能改果乎?否則過程為戲
  • 避閾:降閾以易決,而非集訊以達合閾
  • 忽敗方:敗法常含適勝法之警。B 所識之危未因擇 A 而消

  • build-consensus — 此技改自之多代理共識模型
  • forage-solutions — 探解空,一貫所評者;常先此技
  • coordinate-reasoning — 多徑評中理訊流
  • center — 立無偏評所須之平衡基線
  • meditate — 評異法間清假設

GitHub 저장소

pjt222/agent-almanac
경로: i18n/wenyan/skills/build-coherence
0
agentsagentskillsai-assisted-developmentclaude-codeskillsteams

연관 스킬

content-collections

메타

이 스킬은 콘텐츠 콜렉션(Content Collections)을 위한 프로덕션 검증된 설정을 제공합니다. 콘텐츠 콜렉션은 Markdown/MDX 파일을 Zod 검증이 포함된 타입 안전한 데이터 콜렉션으로 변환해주는 TypeScript 최우선 도구입니다. 블로그, 문서 사이트 또는 콘텐츠 중심의 Vite + React 애플리케이션을 구축할 때 타입 안전성과 자동 콘텐츠 검증을 보장하기 위해 사용하세요. Vite 플러그인 구성과 MDX 컴파일부터 배포 최적화 및 스키마 검증에 이르기까지 모든 것을 다룹니다.

스킬 보기

polymarket

메타

이 스킬은 개발자들이 Polymarket 예측 시장 플랫폼을 활용한 애플리케이션을 구축할 수 있도록 지원하며, 거래 및 시장 데이터를 위한 API 통합 기능을 포함합니다. 또한 WebSocket을 통한 실시간 데이터 스트리밍을 제공하여 실시간 거래와 시장 활동을 모니터링할 수 있습니다. 이를 통해 거래 전략을 구현하거나 실시간 시장 업데이트를 처리하는 도구를 생성하는 데 활용할 수 있습니다.

스킬 보기

creating-opencode-plugins

메타

이 스킬은 개발자들이 명령어, 파일, LSP 작업 등 25개 이상의 이벤트 유형에 연결되는 OpenCode 플러그인을 만들 수 있도록 돕습니다. JavaScript/TypeScript 모듈을 위한 플러그인 구조, 이벤트 API 명세, 구현 패턴을 제공합니다. OpenCode AI 어시스턴트의 라이프사이클을 사용자 정의 이벤트 기반 로직으로 가로채거나, 모니터링하거나, 확장해야 할 때 사용하세요.

스킬 보기

sglang

메타

SGLang은 RadixAttention 프리픽스 캐싱을 활용하여 JSON, 정규식, 에이전트 워크플로우를 위한 고속 구조화 생성에 특화된 고성능 LLM 서빙 프레임워크입니다. 특히 반복되는 프리픽스가 있는 작업에서 상당히 빠른 추론 속도를 제공하여 복잡한 구조화 출력 및 다중 턴 대화에 이상적입니다. 제약 디코딩이 필요하거나 광범위한 프리픽스 공유가 있는 애플리케이션을 구축할 때는 vLLM과 같은 대안보다 SGLang을 선택하십시오.

스킬 보기