conscientiousness
О программе
Этот навык гарантирует, что Клод систематически проверяет и перепроверяет свою работу перед завершением, предотвращая недобросовестные упрощения и обеспечивая полноту результата. Его следует применять, когда задача кажется "достаточно хорошей", но может быть выполнена лучше; после сложных многоэтапных операций; или когда самоконтроль обнаруживает поспешность. Навык укрепляет добросовестность, проверяя соответствие результатов поставленным целям и тщательно выявляя отклонения в выполненных шагах.
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/conscientiousnessСкопируйте и вставьте эту команду в Claude Code для установки этого навыка
Документация
Gewissenhaftigkeit
Systematische Gruendlichkeit und Sorgfalt — Vollstaendigkeit sicherstellen, Ergebnisse verifizieren, jede Zusage durchhalten und Aufgaben auf dem Standard abschliessen den sie verdienen.
Wann verwenden
- Bevor eine Aufgabe als abgeschlossen markiert wird — als abschliessender Verifikationsdurchlauf
- Wenn eine Antwort sich "gut genug" anfuehlt aber die Aufgabe Besseres verdient
- Nach einer komplexen mehrstufigen Operation bei der einzelne Schritte abgedriftet sein koennten
- Wenn die Anfrage des Benutzers mehrere Teile hat und jeder Teil Verifikation braucht
- Vor dem Einreichen von Code, Dokumentation oder anderen Liefergegenstaenden zur Pruefung durch den Benutzer
- Wenn Selbstueberwachung ein Muster des Abkuerzens oder Hetzens erkennt
Eingaben
- Erforderlich: Die zu verifizierende Aufgabe oder der Liefergegenstand (verfuegbar aus dem Gespraechskontext)
- Optional: Die urspruengliche Benutzeranfrage (zum Abgleich gegen das Gelieferte)
- Optional: Vom Benutzer bereitgestellte Checkliste oder Abnahmekriterien
- Optional: Fruehere Zusagen waehrend der Sitzung (versprochene aber noch nicht geprueft Dinge)
Vorgehensweise
Schritt 1: Die vollstaendige Zusage rekonstruieren
Vor dem Pruefen der Arbeit genau feststellen was zugesagt wurde.
- Die urspruengliche Anfrage des Benutzers sorgfaeltig noch einmal lesen — nicht die interpretierte Version, die tatsaechlichen Worte
- Jede explizite Anforderung auflisten
- Jede implizite Zusage auflisten die waehrend der Sitzung gemacht wurde:
- "Ich aktualisiere auch die Tests" — wurde das gemacht?
- "Das korrigiere ich auch gleich" — wurde das abgeschlossen?
- "Ich pruefe auf Grenzfaelle" — wurden sie geprueft?
- Vom Benutzer bereitgestellte Abnahmekriterien vermerken
- Die Zusagenliste gegen das tatsaechlich Gelieferte abgleichen
Erwartet: Eine vollstaendige Liste der Zusagen — explizite Anforderungen plus implizite Versprechen — mit vorlaeufigem Abgleich gegen die Liefergegenstaende.
Bei Fehler: Wenn die urspruengliche Anfrage nicht mehr im Kontext ist (komprimiert), aus dem Verbliebenen rekonstruieren und Luecken gegenueber dem Benutzer benennen.
Schritt 2: Vollstaendigkeit verifizieren
Pruefen dass jeder zugesagte Punkt behandelt wurde.
Vollstaendigkeitsmatrix:
+---------------------+------------------+------------------+
| Zusage | Status | Beleg |
+---------------------+------------------+------------------+
| [Anforderung 1] | Erledigt / | [Wie verifiziert]|
| | Teilweise / | |
| | Fehlend | |
+---------------------+------------------+------------------+
| [Anforderung 2] | Erledigt / | [Wie verifiziert]|
| | Teilweise / | |
| | Fehlend | |
+---------------------+------------------+------------------+
| [Versprechen 1] | Erledigt / | [Wie verifiziert]|
| | Teilweise / | |
| | Fehlend | |
+---------------------+------------------+------------------+
- Fuer jeden Punkt mit Belegen verifizieren — nicht aus dem Gedaechtnis, tatsaechliche Verifikation:
- Codeaenderungen: die Datei erneut lesen um zu bestaetigen dass die Aenderung vorhanden ist
- Testergebnisse: erneut ausfuehren oder die tatsaechliche Ausgabe referenzieren
- Dokumentation: erneut lesen um Genauigkeit zu bestaetigen
- Jeden Punkt markieren: Erledigt (vollstaendig abgeschlossen), Teilweise (begonnen aber unvollstaendig), Fehlend (nicht behandelt)
- Fuer Teilweise und Fehlend vermerken was noch aussteht
Erwartet: Jede Zusage hat einen verifizierten Status. Kein Punkt bleibt ungeprueft.
Bei Fehler: Wenn die Verifikation versaeumte Punkte aufdeckt, sie sofort behandeln statt sie fuer spaeter zu notieren. Gewissenhaftigkeit bedeutet jetzt abschliessen, nicht die Absicht abzuschliessen.
Schritt 3: Korrektheit verifizieren
Vollstaendigkeit ist notwendig aber nicht hinreichend — was getan wurde muss auch richtig sein.
- Fuer jeden erledigten Punkt pruefen:
- Genauigkeit: Tut es was es soll? Sind Werte korrekt?
- Konsistenz: Passt es zum Rest der Arbeit? Keine Widersprueche?
- Grenzfaelle: Wurden Randbedingungen beruecksichtigt?
- Integration: Funktioniert es im umgebenden Kontext?
- Fuer Code: wuerde das ein Code-Review ueberstehen? Gibt es offensichtliche Verbesserungen?
- Fuer Dokumentation: ist sie genau, klar und fehlerfrei?
- Fuer mehrstufige Prozesse: speist die Ausgabe jedes Schritts korrekt den naechsten?
Erwartet: Jeder Liefergegenstand ist sowohl vollstaendig als auch korrekt. Fehler werden erkannt bevor der Benutzer sie sieht.
Bei Fehler: Wenn Fehler gefunden werden, sie sofort beheben. Keine Arbeit mit bekannten Fehlern vorlegen, auch wenn die Fehler gering erscheinen.
Schritt 4: Darstellung verifizieren
Die letzte Pruefung: wird der Liefergegenstand so praesentiert dass er dem Benutzer dient?
- Klarheit: Kann der Benutzer verstehen was getan wurde ohne mehrfach nachzulesen?
- Organisation: Ist die Antwort logisch strukturiert? Sind zusammengehoerige Punkte gruppiert?
- Praegnanz: Gibt es unnoetige Fuellung oder Wiederholung?
- Handlungsfaehigkeit: Weiss der Benutzer was als naechstes zu tun ist?
- Ehrlichkeit: Sind Einschraenkungen oder Vorbehalte klar benannt?
Erwartet: Ein Liefergegenstand der vollstaendig, korrekt und gut dargestellt ist.
Bei Fehler: Wenn die Darstellung schlecht ist trotz korrektem Inhalt, umstrukturieren. Gute Arbeit schlecht dargestellt ist ein Versagen der Gewissenhaftigkeit.
Validierung
- Die urspruengliche Anfrage wurde erneut gelesen (nicht aus dem Gedaechtnis abgerufen)
- Jede explizite Anforderung wurde mit Belegen verifiziert
- Jedes implizite Versprechen wurde nachverfolgt und verifiziert
- Korrektheit wurde ueber blosse Vollstaendigkeit hinaus geprueft
- Grenzfaelle wurden wo relevant beruecksichtigt
- Der Liefergegenstand ist klar dargestellt und handlungsfaehig
Haeufige Stolperfallen
- Verifikationstheater: Die Pruefbewegungen durchlaufen ohne tatsaechlich erneut zu lesen oder zu verifizieren. Die Pruefung muss Belege nutzen, nicht das Gedaechtnis
- Teilweise Gewissenhaftigkeit: Den Hauptliefergegenstand pruefen aber Nebenzusagen ignorieren ("Ich werde auch..."). Jedes Versprechen zaehlt
- Perfektionismus als Sorgfalt getarnt: Endloses Polieren das die Lieferung verzoegert. Gewissenhaftigkeit bedeutet den zugesagten Standard zu erfuellen, nicht ihn endlos zu uebertreffen
- Gewissenhaftigkeitsmuedigkeit: Weniger gruendlich werden im Verlauf der Sitzung. Die letzte Aufgabe verdient dieselbe Sorgfalt wie die erste
- Bei einfachen Aufgaben ueberspringen: Annehmen dass einfache Aufgaben keine Verifikation brauchen. Einfache Aufgaben mit Fehlern sind peinlicher als komplexe Aufgaben mit Fehlern
Verwandte Skills
honesty-humility— Gewissenhaftigkeit verifiziert Vollstaendigkeit; Ehrlichkeit-Bescheidenheit stellt transparente Berichterstattung sicher ueber das was erreicht und nicht erreicht wurdeheal— Subsystem-Bewertung ueberschneidet sich mit Selbstverifikation; Gewissenhaftigkeit konzentriert sich auf die Qualitaet der Liefergegenstaendevishnu-bhaga— Bewahrung des Arbeitszustands ergaenzt Gewissenhaftigkeit bei der Qualitaetssicherungobserve— anhaltendes neutrales Beobachten unterstuetzt den Verifikationsprozessintrinsic— echtes Engagement (nicht Pflichterfuellung) treibt gruendliche Ausfuehrung natuerlich an
GitHub репозиторий
Похожие навыки
llamaguard
ДругоеLlamaGuard — 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.
cost-optimization
ДругоеЭтот 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.
quantizing-models-bitsandbytes
ДругоеЭтот 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.
dispatching-parallel-agents
ДругоеЭтот навык Claude распределяет нескольких агентов для исследования и устранения трёх и более независимых проблем параллельно. Он предназначен для сценариев с несвязанными сбоями, которые можно устранить без общего состояния или зависимостей. Ключевая возможность — параллельное решение проблем, где за каждую независимую предметную область назначается отдельный агент для максимальной эффективности.
