MCP HubMCP Hub
스킬 목록으로 돌아가기

brahma-bhaga

pjt222
업데이트됨 Yesterday
6 조회
17
2
17
GitHub에서 보기
기타ai

정보

`brahma-bhaga` 스킬은 모호함에서 생성적 창조를 위한 것으로, 명확한 템플릿이 존재하지 않을 때 새로운 패턴과 해결책을 설계합니다. 기존 패턴을 제거한 후나 점진적인 수정이 실패하여 새로운 구조적 접근이 필요할 때 사용하세요. 이 스킬은 개방된 공간을 구조화된 참신한 결과물로 변환하며, 적응이 아닌 발명에 초점을 맞춥니다.

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/brahma-bhaga

Claude Code에서 이 명령을 복사하여 붙여넣어 스킬을 설치하세요

문서

ブラフマー・バーガ

虚空または曖昧さからの生成的創造 — 以前存在しなかった新しいパターン、アプローチ、ソリューションの構造化された出現。

使用タイミング

  • shiva-bhagaの溶解が古いパターンをクリアして空間を作った後
  • 明確なテンプレートや前例のない真に新しい問題に直面している時
  • ユーザーのリクエストが検索や適応ではなく発明を必要とする時
  • 複数の可能なアプローチが存在しどれも選ばれていない — 創造的行為が選択そのもの
  • 白紙の状態: 新しいファイル、新しいプロジェクト、新しいアーキテクチャ、新しいアプローチ
  • 段階的修正が限界に達して新鮮な設計が必要な時

入力

  • 必須: 創造的目標または埋めるべき虚空(会話コンテキストから利用可能)
  • 任意: 創造を制約する制約(ユーザー要件、技術的制限)
  • 任意: 種 — 創造に情報を提供する断片、インスピレーション、部分的なアイデア
  • 任意: 溶解されたもの(shiva-bhagaの出力) — 何が失敗したかの理解が何を創造するかを導く

手順

ステップ1: 虚空を調査する

創造する前に、創造に利用可能な空間を理解する。

Creative Space Assessment:
+---------------------+---------------------------+------------------------+
| Dimension           | Questions                 | Determines             |
+---------------------+---------------------------+------------------------+
| Constraints         | What MUST the creation    | The boundary within    |
|                     | satisfy? What is non-     | which creativity       |
|                     | negotiable?               | operates               |
+---------------------+---------------------------+------------------------+
| Freedom             | What is NOT specified?     | The degrees of freedom |
|                     | Where does the user leave | available for creative |
|                     | room for creative choice? | choice                 |
+---------------------+---------------------------+------------------------+
| Seeds               | What fragments, partial   | The starting material  |
|                     | ideas, or inspirations    | that informs but does  |
|                     | already exist?            | not dictate            |
+---------------------+---------------------------+------------------------+
| Anti-patterns       | What was tried before and | The space to avoid —   |
|                     | failed? What approaches   | creation that repeats  |
|                     | were dissolved?           | dissolved patterns     |
+---------------------+---------------------------+------------------------+
| Context             | What exists around the    | The environment the    |
|                     | void? What must the       | creation must fit      |
|                     | creation integrate with?  | into                   |
+---------------------+---------------------------+------------------------+
  1. 各次元を正直にマッピングする — 特にしばしば暗黙的な制約
  2. 自由度に注意する: これらが真の創造が起こる場所
  3. 種をコミットせずに特定する — 情報を提供するが指示はしない

期待結果: 創造的空間の明確な全体像: 制約に制限され、種に情報を提供され、自由度によって開かれている。

失敗時: 空間が完全に制約されている感じがする場合(自由度がない)、再検討する — 固定に見える制約は実際には好みであることが多い。必要に応じてユーザーに確認する。

ステップ2: 生成 — 発散的探索

評価せずに複数の可能性を生成する。

  1. 創造的空間を埋めるための少なくとも3つの異なるアプローチを生成する
  2. 各アプローチは真に異なるべき — テーマのバリエーションではない
  3. 各アプローチについて、以下を捉える:
    • コアアイデアを一文で
    • 制約をどう満たすか
    • 他と何が異なるか
    • 何を犠牲にするかトレードオフするか
  4. 型破りまたはリスキーに感じる少なくとも1つのアプローチを含める
  5. まだ評価しない — 生成と評価は別のフェーズ

期待結果: それぞれ明確なアイデンティティとトレードオフプロファイルを持つ、3つ以上の真に異なるアプローチ。

失敗時: すべてのアプローチが似ている感じがする場合、生成が狭すぎた。ステップ1に戻り、未探索の自由度を探す。あるいは、制約を反転する: 「明らかなアプローチの逆をしたらどうなるか?」

ステップ3: 評価 — 収束的選択

生成されたアプローチを創造的空間に対して評価する。

  1. 各アプローチについて評価する:
    • 制約の充足: すべての交渉不可能な要件を満たすか?
    • 優雅さ: 動作する最もシンプルな解決策か?
    • 耐性: 将来の摂動に耐えるか?
    • 統合: 周囲のコンテキストに自然にフィットするか?
    • 新規性: 真に新しいものをもたらすか、単に古いものを再配置しているか?
  2. ハード制約に違反するアプローチを排除する
  3. 残りのアプローチの中から、ユーザーの暗黙の価値観(シンプルさ? 徹底性? 創造性?)に基づいて選択する
  4. 2つのアプローチが同等に強い場合、トレードオフを明確に述べた上で両方をユーザーに提示する

期待結果: 明確な推論を伴う単一の選択されたアプローチ(またはユーザーへの明確にフレーム化された選択肢)。

失敗時: すべての制約を満たすアプローチがない場合、制約が矛盾している可能性がある。根本的な妥協をする創造を強制するのではなく、矛盾をユーザーに表面化する。

ステップ4: 具現化 — 形に導く

選択されたアプローチを実行し、具体的な形を与える。

  1. スケルトンから始める: コアアイデアを体現する最小構造
  2. コアから外側に向かって構築し、必要に応じて詳細を追加する
  3. 各ステップで確認する: 「この追加はコアアイデアに寄与しているか、薄めているか?」
  4. 過度な精緻化への衝動に抵抗する — 創造はこれ以上何も削除できない時に完成する
  5. 創造物に名前を付ける: その本質を捉える明確で記述的な識別子

期待結果: 選択されたアプローチを体現する具体的な創造物 — 虚空があった場所に存在するコード、計画、構造、またはデザイン。

失敗時: 具現化が選択されたアプローチから逸れる場合、一時停止してステップ3の選択を再読する。具現化中のドリフトは、選択が完全にコミットされていないことを示すことが多い。再コミットするか再選択する。

ステップ5: 育成 — 新生の創造物を保護する

新しい創造物は脆弱。初期段階を通じて保護する。

  1. 制約に対して創造物をテストする — 意図通りに機能するか?
  2. 最も弱い点を特定する — 最も壊れやすいのはどこか?
  3. 過剰エンジニアリングなしに最も弱い点を強化する
  4. 創造物が持続する場合、継続的な保存のためにvishnu-bhagaに引き継ぐ
  5. 行われた創造的選択を文書化する: 何が選ばれ、何が拒否され、その理由

期待結果: テストされ、文書化され、持続的な使用の準備ができた創造物。

失敗時: 創造物が最初のテストに失敗した場合、失敗が創造物にあるのかテストにあるのかを評価する。創造物が根本的に欠陥がある場合、失敗を新しいアンチパターンの種としてステップ2に戻る。

バリデーション

  • アイデア生成前に創造的空間が調査された
  • 少なくとも3つの真に異なるアプローチが生成された
  • 選択がデフォルトの本能ではなく明示的な基準に基づいた
  • 創造物がコアから始まり外側に構築して具現化された
  • 創造物が制約に対してテストされた
  • 創造的選択が将来の参照のために文書化された

よくある落とし穴

  • クリアする前に創造する: 事前の溶解なしに創造を試みると、古いパターンに汚染された新しいパターンを生む。空間が散らかっている場合、まずshiva-bhagaを実行する
  • 単一オプション生成: 1つのアプローチを生成してそれを評価するのは創造ではない — 最初のアイデアの実行。真の創造には発散的なオプションが必要
  • 新規性のための新規性: シンプルな標準的アプローチの方が適切な時に型破りなものを創造する。新規性はツールであって目標ではない
  • 完璧主義的な具現化: 出荷するのではなく際限なく磨き続ける。完成した不完全な創造物は、不完全な完璧な創造物を上回る
  • 保護されない創造物: 新しいものを具現化してテストや文書化なしにすぐ先に進むと、創造物は脆弱なままになる

関連スキル

  • shiva-bhaga — 破壊がブラフマーが埋める虚空を作る; 溶解が創造に先行する
  • vishnu-bhaga — 保存がブラフマーが創造したものを維持する; 創造から維持への引き継ぎ
  • intrinsic — 創造的関与は自律的動機付けから恩恵を受ける; 創造はフロー状態で栄える
  • learn — 創造がまだ保持されていない知識を必要とする時、学習が生成に先行する
  • adapt-architecture — 既存システムから新しいアーキテクチャパターンを創造するためのモーフィック的同等物

GitHub 저장소

pjt222/agent-almanac
경로: i18n/ja/skills/brahma-bhaga
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