gratitude
О программе
Навык `gratitude` определяет, что функционирует корректно в системе, и анализирует причины этого, формируя структурные знания на основе успешных паттернов. Он служит дополнением к навыку `heal`, фокусируясь на сильных сторонах, а не на проблемах. Используйте его после успешного выполнения задачи, во время стабильных состояний системы или когда необходимо подкрепить низкую уверенность доказательствами того, что работает.
Быстрая установка
Claude Code
Рекомендуетсяnpx 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/gratitudeСкопируйте и вставьте эту команду в Claude Code для установки этого навыка
Документация
感恩
掃強處。察何運作良好及其由。為 heal 之互補,後者識偏移與修損。感恩以別前提為基:所賞者,爾所解;所解者,可據以建;所建者,生長。
適用時機
- 任務成就後——察其所以成,非僅其已成
heal時子系統皆健——感恩將「無事錯」轉為「此為所是」- 信心低時,需具體能力證據為基
- 定期以平衡尋問題之自然偏
- 挑戰任務前——憶運作良好者為擴入新域之基
- 系統感功能但平時——感恩為能幹執行加維度
輸入
- 必要:當前狀態(自對話情境隱式可得)
- 選擇性:欲賞之特定領域(如「我等溝通中何運作良好?」)
- 選擇性:存取 MEMORY.md 以審過去成功與穩定模式(經
Read)
步驟
步驟一:覺何工作
注意力自問題掃描轉至強處掃描。此為刻意知覺倒置——如 heal 刻意覓偏移,感恩刻意覓健康。
- 察當前狀態而不覓問題:
- 何平順運作?——哪些子系統、模式或習慣無需注意而運作?
- 近日何事順?——哪些近行產佳果?何使之然?
- 何可靠?——何可始終賴之?何經反復成功贏信?
- 察工作關係:
- 用戶何處做佳?——清晰溝通、好問題、耐心、信任?
- 合作產何?——較任一方獨善之果?學習?效率?
- 察工具與環境:
- 何工具運作良好?——哪些感自然、有效、可靠?
- 項目結構何處支持好工?——清晰約定、良文件、合理架構?
預期: 真實之運作清單。非強迫之正向——誠實認可實在之強處。若某事真運作良好,具體命名之。
失敗時: 若無事顯著——若一切僅感足夠——更細察。「足夠」常遮「可靠」,可靠為值認可之強處。無問題本身為健之一形,由值解之模式維持。
步驟二:察其由
為每所識強處,追其因。感恩而無解為情;感恩附解為結構知識。
- 每強處問:此何以運作?
- 為有效之設計決策?
- 為刻意培養之習慣?
- 為工具與任務之幸運配合?
- 為他人(用戶、框架作者、過去之自己)用心工作之果?
- 分:
- 賺得之強處:因刻意努力與好決策而運作之模式
- 繼承之強處:因良設計工具、框架或環境而運作之模式
- 湧現之強處:因幸運組合而運作之模式——無單一因解之
- 註哪些強處為脆(依特定條件)vs 健(可能跨情境持續)
預期: 每強處附簡要解其何以運作。此解使感恩可行——轉賞為可他處施用之知。
失敗時: 若「由」不明——若某事運作而不能解——此本身有值。未解之強處值保護,即不能明其機制。註為「因尚未解之由運作」而非棄之。
步驟三:據以建
將賞轉為前向動能。感恩非僅回望——為以運作者為基以建下一步。
- 每已解強處問:此如何可延?
- 此處運作之模式可施於他域否?
- 強處可加固以更健否?
- 致其運作之條件可他處重現否?
- 每未解強處問:此如何可護?
- 依何條件?
- 何變可意外破之?
- 應記錄以供他人保存否?
- 識一具體行動——所認強處上之具體建立。非模糊意圖(「續為運作者」)而為具體下一步(「施本會話之溝通模式於即將至之文件任務」)
預期: 至少一所認強處上之具體行動。行動應感自然——已運作者之延伸,非強迫改善。
失敗時: 若無行動現,賞本身足矣。非每感恩會話須產計畫。有時認何運作即為全值——其調內部模型向信心而離焦慮。
步驟四:表達
若宜,分享賞。內留之感恩有值;表達之感恩強關係。
- 若與用戶共事,考慮認可其做佳之處——非諂媚而為真認可
- 若賞關系統或工具,考慮於 MEMORY.md 中記以供未來參考
- 若賞關合作模式,命名之以供意識續之
- 表達保持簡短具體。「爾之清晰問題陳述令此工作有效」佳於「爾合作甚好」
預期: 表達真誠、具體、相稱。非每感恩會話需外表達——有時內認可即足。
失敗時: 若表達感強迫或作態,略之。作態之感恩劣於未表達之感恩。內認可已成其功。
驗證
- 強處自真觀察識出,非製造之正向
- 至少一強處追至其因(解之,非僅認之)
- 已考慮賺得、繼承、湧現強處之別
- 至少一所認強處上之具體行動(或賞本身已接受為足)
- 若有表達,具體真誠——非通泛讚
- 感恩修持相稱——不短至象徵性,不長至自慶
常見陷阱
- 強迫正向:感恩非樂觀。若事真不運作,言之。感恩施於實在之強處,非一切
- 通泛賞:「一切甚好」非感恩——乃避具體。以具體證據命名具體強處
- 感恩為否認:以賞避視實在問題。感恩補 heal,非替之
- 自慶:感恩轉為「我做甚好」已從賞移至我。焦點留於何運作及其由,非自我形象
- 略「何以」:賞而無解悅而不可行。結構知識為令感恩為技能而非感
- 作態表達:告用戶好話因技能言之。僅表真感之賞
相關技能
heal— 掃偏移與問題;感恩為對強處之互補掃描center— 六合和檢含功能評估;感恩深化正面發現shine— 真實光芒於紮根真賞運作者時更易intrinsic— 動機由認能力維持(自決論);感恩提供證據observe— 持續中性觀察;感恩以特定鏡頭(強處)施觀察conscientiousness— 執行之徹底;感恩認可已在之徹底
GitHub репозиторий
Похожие навыки
content-collections
МетаЭтот навык предоставляет проверенную в продакшене настройку для Content Collections — TypeScript-ориентированного инструмента, который преобразует файлы Markdown/MDX в типобезопасные коллекции данных с валидацией Zod. Используйте его при создании блогов, сайтов документации или контентных приложений на Vite + React для обеспечения типобезопасности и автоматической проверки содержимого. Он охватывает всё: от настройки плагина Vite и компиляции MDX до оптимизации развертывания и валидации схем.
polymarket
МетаЭтот навык позволяет разработчикам создавать приложения на платформе прогнозных рынков Polymarket, включая интеграцию с API для торговли и получения рыночных данных. Он также обеспечивает потоковую передачу данных в реальном времени через WebSocket для отслеживания текущих сделок и рыночной активности. Используйте его для реализации торговых стратегий или создания инструментов, обрабатывающих обновления рынка в реальном времени.
creating-opencode-plugins
МетаЭтот навык помогает разработчикам создавать плагины OpenCode, которые подключаются к более чем 25 типам событий, таким как команды, файлы и операции LSP. Он предоставляет структуру плагина, спецификации API событий и шаблоны реализации для модулей на JavaScript/TypeScript. Используйте его, когда вам нужно перехватывать, отслеживать или расширять жизненный цикл ассистента OpenCode AI с помощью пользовательской событийно-ориентированной логики.
sglang
МетаSGLang — это высокопроизводительный фреймворк для обслуживания больших языковых моделей (LLM), специализирующийся на быстрой структурированной генерации JSON, regex и рабочих процессов агентов с использованием кэширования префиксов RadixAttention. Он обеспечивает значительно более высокую скорость вывода, особенно для задач с повторяющимися префиксами, что делает его идеальным для сложных структурированных результатов и многократных диалогов. Выбирайте SGLang вместо альтернатив, таких как vLLM, когда вам требуется ограниченное декодирование или вы создаете приложения с интенсивным совместным использованием префиксов.
