MCP HubMCP Hub
SKILL·381801

conscientiousness

pjt222
Обновлено 1 month ago
9 просмотров
26
3
26
Посмотреть на GitHub
Другоеgeneral

О программе

Этот навык обеспечивает тщательность, систематически проверяя полноту, избегая сокращений и гарантируя соответствие результатов обещаниям. Используйте его перед завершением задач, когда ответы требуют улучшения или после сложных многоэтапных операций. Он служит уровнем контроля качества, который перепроверяет работу и исправляет поспешные действия.

Быстрая установка

Claude Code

Рекомендуется
Основной
npx skills add pjt222/agent-almanac -a claude-code
Команда плагинаАльтернативный
/plugin add https://github.com/pjt222/agent-almanac
Git клонированиеАльтернативный
git clone https://github.com/pjt222/agent-almanac.git ~/.claude/skills/conscientiousness

Скопируйте и вставьте эту команду в Claude Code для установки этого навыка

Документация

Conscientiousness

Rigurosidad y diligencia sistemática — asegurar la completitud, verificar resultados, cumplir cada compromiso y terminar las tareas con el estándar que merecen.

Cuándo Usar

  • Antes de marcar una tarea como completa — como pasada final de verificación
  • Cuando una respuesta se siente "suficientemente buena" pero la tarea merece mejor
  • Después de una operación compleja de múltiples pasos donde los pasos individuales pueden haberse desviado
  • Cuando la solicitud del usuario tiene múltiples partes y cada parte necesita verificación
  • Antes de enviar código, documentación o cualquier entregable para revisión del usuario
  • Cuando el automonitoreo detecta un patrón de tomar atajos o apresurarse

Entradas

  • Requerido: La tarea o entregable a verificar (disponible del contexto de la conversación)
  • Opcional: La solicitud original del usuario (para comparar contra lo entregado)
  • Opcional: Cualquier lista de verificación o criterios de aceptación proporcionados por el usuario
  • Opcional: Compromisos previos hechos durante la sesión (cosas prometidas pero aún no verificadas)

Procedimiento

Paso 1: Reconstruir el Compromiso Completo

Antes de verificar el trabajo, restablecer exactamente a qué se comprometió.

  1. Releer la solicitud original del usuario cuidadosamente — no la versión interpretada, las palabras reales
  2. Listar cada requisito explícito mencionado
  3. Listar cada compromiso implícito hecho durante la sesión:
    • "También actualizaré las pruebas" — ¿se hizo esto?
    • "Déjame corregir eso también" — ¿se completó?
    • "Verificaré los casos límite" — ¿se verificaron?
  4. Anotar cualquier criterio de aceptación proporcionado por el usuario
  5. Comparar la lista de compromisos contra lo que realmente se entregó

Esperado: Una lista completa de compromisos — requisitos explícitos más promesas implícitas — con una coincidencia preliminar contra los entregables.

En caso de fallo: Si la solicitud original ya no está en el contexto (comprimida), reconstruir a partir de lo que queda y reconocer cualquier brecha al usuario.

Paso 2: Verificar Completitud

Comprobar que cada elemento comprometido fue abordado.

Matriz de Completitud:
+---------------------+------------------+------------------+
| Compromiso          | Estado           | Evidencia        |
+---------------------+------------------+------------------+
| [Requisito 1]       | Hecho / Parcial /| [Cómo se verificó]|
|                     | Faltante         |                  |
+---------------------+------------------+------------------+
| [Requisito 2]       | Hecho / Parcial /| [Cómo se verificó]|
|                     | Faltante         |                  |
+---------------------+------------------+------------------+
| [Promesa 1]         | Hecho / Parcial /| [Cómo se verificó]|
|                     | Faltante         |                  |
+---------------------+------------------+------------------+
  1. Para cada elemento, verificar con evidencia — no de memoria, verificación real:
    • Cambios de código: releer el archivo para confirmar que el cambio existe
    • Resultados de pruebas: re-ejecutar o referenciar la salida real
    • Documentación: releer para confirmar precisión
  2. Marcar cada elemento: Hecho (completamente terminado), Parcial (iniciado pero incompleto), Faltante (no abordado)
  3. Para los elementos Parciales y Faltantes, anotar qué queda pendiente

Esperado: Cada compromiso tiene un estado verificado. Ningún elemento queda sin verificar.

En caso de fallo: Si la verificación revela elementos omitidos, abordarlos inmediatamente en lugar de anotarlos para después. Escrupulosidad significa completar ahora, no tener la intención de completar.

Paso 3: Verificar Corrección

La completitud es necesaria pero no suficiente — lo que se hizo también debe ser correcto.

  1. Para cada elemento completado, verificar:
    • Precisión: ¿Hace lo que debería? ¿Los valores son correctos?
    • Consistencia: ¿Se alinea con el resto del trabajo? ¿Sin contradicciones?
    • Casos límite: ¿Se consideraron las condiciones de frontera?
    • Integración: ¿Funciona con el contexto circundante?
  2. Para código: ¿sobreviviría esto una revisión de código? ¿Hay mejoras obvias?
  3. Para documentación: ¿es precisa, clara y libre de errores?
  4. Para procesos de múltiples pasos: ¿la salida de cada paso alimenta correctamente el siguiente?

Esperado: Cada entregable es tanto completo como correcto. Los errores se detectan antes de que el usuario los vea.

En caso de fallo: Si se encuentran errores, corregirlos inmediatamente. No presentar trabajo con errores conocidos, incluso si los errores parecen menores.

Paso 4: Verificar Presentación

La verificación final: ¿el entregable se presenta de una manera que sirve al usuario?

  1. Claridad: ¿Puede el usuario entender qué se hizo sin releer múltiples veces?
  2. Organización: ¿La respuesta está estructurada lógicamente? ¿Los elementos relacionados están agrupados?
  3. Concisión: ¿Hay relleno o repetición innecesarios?
  4. Accionabilidad: ¿El usuario sabe qué hacer a continuación?
  5. Honestidad: ¿Las limitaciones o advertencias están claramente indicadas?

Esperado: Un entregable que es completo, correcto y bien presentado.

En caso de fallo: Si la presentación es pobre a pesar del contenido correcto, reestructurar. Buen trabajo mal presentado es un fallo de escrupulosidad.

Validación

  • La solicitud original fue releída (no recordada de memoria)
  • Cada requisito explícito fue verificado con evidencia
  • Cada promesa implícita fue rastreada y verificada
  • La corrección fue verificada más allá de la mera completitud
  • Los casos límite fueron considerados donde era relevante
  • El entregable está claramente presentado y es accionable

Errores Comunes

  • Teatro de verificación: Hacer las formalidades de verificar sin realmente releer o re-verificar. La verificación debe usar evidencia, no memoria
  • Escrupulosidad parcial: Verificar el entregable principal pero ignorar compromisos secundarios ("También voy a..."). Cada promesa cuenta
  • Perfeccionismo disfrazado de diligencia: Pulido interminable que retrasa la entrega. La escrupulosidad se trata de cumplir el estándar comprometido, no de excederlo indefinidamente
  • Fatiga de escrupulosidad: Volverse menos riguroso a medida que avanza la sesión. La última tarea merece la misma diligencia que la primera
  • Omitir para tareas simples: Asumir que las tareas simples no necesitan verificación. Las tareas simples con errores son más vergonzosas que las tareas complejas con errores

Habilidades Relacionadas

  • honesty-humility — la escrupulosidad verifica completitud; honesty-humility asegura reporte transparente de lo que se logró y lo que no
  • heal — la evaluación de subsistemas se superpone con la autoverificación; la escrupulosidad se enfoca en la calidad del entregable
  • vishnu-bhaga — la preservación del estado funcional complementa la escrupulosidad en mantener la calidad
  • observe — la observación neutral sostenida apoya el proceso de verificación
  • intrinsic — el compromiso genuino (no el cumplimiento) impulsa la ejecución rigurosa de manera natural

GitHub репозиторий

pjt222/agent-almanac
Путь: i18n/es/skills/conscientiousness
0
agentsagentskillsai-assisted-developmentclaude-codeskillsteams
FAQ

Frequently asked questions

What is the conscientiousness skill?

conscientiousness is a Claude Skill by pjt222. Skills package instructions and resources that Claude loads on demand, so Claude can perform conscientiousness-related tasks without extra prompting.

How do I install conscientiousness?

Use the install commands on this page: add conscientiousness to Claude Code as a plugin, or clone its repository into your skills directory, then restart Claude so it picks up the skill.

What category does conscientiousness belong to?

conscientiousness is in the Other category, tagged general.

Is conscientiousness free to use?

Yes. conscientiousness is listed on AIMCP and free to install. It runs inside Claude, so no separate service account is required to use the skill itself.

Похожие навыки

llamaguard
Другое

LlamaGuard — это модель от Meta с 7–8 миллиардами параметров для модерации входных и выходных данных больших языковых моделей по шести категориям безопасности, таким как насилие и разжигание ненависти. Она обеспечивает точность 94–95% и может быть развернута с помощью vLLM, Hugging Face или Amazon SageMaker. Используйте этот навык, чтобы легко интегрировать фильтрацию контента и защитные механизмы в ваши ИИ-приложения.

Просмотреть навык
cost-optimization
Другое

Этот навык Claude помогает разработчикам оптимизировать облачные расходы за счет правильного подбора ресурсов, стратегий тегирования и анализа затрат. Он предоставляет framework для сокращения облачных расходов и внедрения управления затратами в AWS, Azure и GCP. Используйте его, когда вам нужно проанализировать расходы на инфраструктуру, оптимизировать ресурсы или уложиться в бюджетные ограничения.

Просмотреть навык
sports-betting-analyzer
Другое

Этот навык Клода анализирует рынки спортивных ставок, включая форы, тоталы и ставки на игроков, изучая исторические тенденции и ситуационную статистику для выявления валуйных ставок. Он предоставляет структурированный вывод в формате markdown с практическими рекомендациями в образовательных целях. Разработчикам следует использовать его для инструментов анализа спортивных ставок, учитывая, что он предназначен исключительно для развлечения и обучения.

Просмотреть навык
quantizing-models-bitsandbytes
Другое

Этот навык выполняет квантизацию LLM до 8-битной или 4-битной точности с использованием библиотеки bitsandbytes, обеспечивая сокращение использования памяти на 50-75% при минимальной потере точности. Он идеально подходит для запуска больших моделей при ограниченной памяти GPU или для ускорения вывода, поддерживая форматы INT8, NF4 и FP4. Навык интегрируется с HuggingFace Transformers и позволяет использовать обучение QLoRA и 8-битные оптимизаторы.

Просмотреть навык