MCP HubMCP Hub
Вернуться к навыкам

conscientiousness

pjt222
Обновлено Yesterday
2 просмотров
17
2
17
Посмотреть на GitHub
Другоеgeneral

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

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

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.

  1. Die urspruengliche Anfrage des Benutzers sorgfaeltig noch einmal lesen — nicht die interpretierte Version, die tatsaechlichen Worte
  2. Jede explizite Anforderung auflisten
  3. 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?
  4. Vom Benutzer bereitgestellte Abnahmekriterien vermerken
  5. 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          |                  |
+---------------------+------------------+------------------+
  1. 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
  2. Jeden Punkt markieren: Erledigt (vollstaendig abgeschlossen), Teilweise (begonnen aber unvollstaendig), Fehlend (nicht behandelt)
  3. 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.

  1. 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?
  2. Fuer Code: wuerde das ein Code-Review ueberstehen? Gibt es offensichtliche Verbesserungen?
  3. Fuer Dokumentation: ist sie genau, klar und fehlerfrei?
  4. 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?

  1. Klarheit: Kann der Benutzer verstehen was getan wurde ohne mehrfach nachzulesen?
  2. Organisation: Ist die Antwort logisch strukturiert? Sind zusammengehoerige Punkte gruppiert?
  3. Praegnanz: Gibt es unnoetige Fuellung oder Wiederholung?
  4. Handlungsfaehigkeit: Weiss der Benutzer was als naechstes zu tun ist?
  5. 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 wurde
  • heal — Subsystem-Bewertung ueberschneidet sich mit Selbstverifikation; Gewissenhaftigkeit konzentriert sich auf die Qualitaet der Liefergegenstaende
  • vishnu-bhaga — Bewahrung des Arbeitszustands ergaenzt Gewissenhaftigkeit bei der Qualitaetssicherung
  • observe — anhaltendes neutrales Beobachten unterstuetzt den Verifikationsprozess
  • intrinsic — echtes Engagement (nicht Pflichterfuellung) treibt gruendliche Ausfuehrung natuerlich an

GitHub репозиторий

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

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

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

dispatching-parallel-agents

Другое

Этот 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.

Просмотреть навык