shiva-bhaga
О программе
Навык Shiva Bhaga выполняет контролируемое растворение устаревших паттернов в рассуждениях ИИ, очищая устаревший контекст, предположения и мертвый код, чтобы освободить место для новых подходов. Он предназначен для сценариев, в которых накопленный технический долг, неудачные методы или "зомби-задачи" создают шум и препятствуют прогрессу. Разработчикам следует использовать его, когда необходим кардинальный поворот и старые конструкции должны быть сознательно отпущены, прежде чем можно будет начать новое создание.
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/shiva-bhagaСкопируйте и вставьте эту команду в Claude Code для установки этого навыка
Документация
Shiva Bhaga
对陈旧模式、过时假设和积累噪音的可控破坏与溶解——清除地面,使新的生长得以出现。
适用场景
- 上下文积累了正在悄然扭曲推理的陈旧假设
- 先前的方法已经失败,但诱惑是修补而非丢弃
- 对话已经变长,早期的决定可能不再服务于当前目标
- 死代码、废弃的计划或僵尸任务正在制造噪音和混乱
- 在重大转向之前——清除必须先于创造
- 对特定方法的执着正在阻碍对替代方案的考虑
输入
- 必需:当前对话状态或项目上下文(隐式可用)
- 可选:溶解的具体目标(例如,"这个方法行不通","清除关于数据库层的所有假设")
- 可选:范围边界——在破坏过程中必须保留什么
步骤
第 1 步:识别什么必须结束
审视当前状态,标记什么是陈旧的、损坏的或不再服务于目标的。
Dissolution Triage:
+---------------------+---------------------------+------------------------+
| Category | Symptoms | Action |
+---------------------+---------------------------+------------------------+
| Stale Assumptions | Decisions made early that | List and re-evaluate |
| | no longer match current | each against current |
| | understanding | reality |
+---------------------+---------------------------+------------------------+
| Failed Approaches | Approaches attempted and | Acknowledge failure |
| | abandoned but still | explicitly; release |
| | influencing thinking | the sunk cost |
+---------------------+---------------------------+------------------------+
| Accumulated Noise | Context, variables, or | Identify and mark for |
| | plans that are no longer | removal |
| | referenced or relevant | |
+---------------------+---------------------------+------------------------+
| Attachment Points | "We already decided..." | Question whether the |
| | beliefs that resist | decision still holds |
| | re-examination | |
+---------------------+---------------------------+------------------------+
| Zombie Artifacts | Code, tasks, or plans | Delete or archive; |
| | that exist but serve no | do not leave in limbo |
| | current purpose | |
+---------------------+---------------------------+------------------------+
- 诚实地扫描每个类别——对检查某个类别的抵触本身就是一个信号
- 对发现的每个项目,问:"如果我现在从头开始,我会创建这个吗?"
- 如果答案是否定的,标记它进行溶解
预期结果: 一份清晰的需要释放的清单,每个类别中有具体的项目。
失败处理: 如果似乎没有什么是陈旧的,评估可能太浅了。选取当前上下文中最早的决定,从头论证它——如果论证感觉勉强,它就是溶解的候选者。
第 2 步:建立保留边界
并非所有东西都应该被破坏。识别什么必须在清除中幸存。
- 核心需求:用户实际要求了什么?这个存留。
- 已验证的知识:通过工具使用(文件读取、测试结果)确认的事实存留。
- 用户偏好:明确陈述的偏好和约束存留。
- 工作组件:可证明正在运行的代码或方法存留。
画出边界:边界内的一切被保留,边界外的一切都接受溶解。
预期结果: 保留什么和释放什么之间有清晰的区分。
失败处理: 如果边界不清楚,问:"如果我从头开始这个任务,我需要重建什么?"答案定义了保留边界。
第 3 步:有意识地溶解
执行溶解——不是放弃,而是有意识的清除。
- 对每个标记的项目,明确释放它:
- 陈旧假设:"我假设了 X,但当前证据显示 Y。释放 X。"
- 失败方法:"方法 A 被尝试过但因为 Z 没有奏效。释放对 A 的执着。"
- 噪音:"变量/计划/上下文 Q 不再相关。从考虑中移除。"
- 不要为正在溶解的东西辩护或辩护——重点是释放,不是分析
- 如果溶解大量积累的上下文,用一句话总结溶解了什么以及为什么
- 清理工作空间:如果适用,关闭废弃的文件,重置心理模型,承认干净的起点
预期结果: 一个更轻、更干净的上下文,陈旧元素已被移除。剩余的上下文应该感觉准确和当前。
失败处理: 如果溶解感觉不完整——某些释放的项目仍在影响思考——再次明确地点名它们。"我注意到我仍然在推理时认为 X 是真的。X 已被溶解。继续前进,不再依赖 X。"
第 4 步:坐在虚空中
破坏之后,抵制立即重建的冲动。破坏与创造之间的空间有价值。
- 承认被清除的空间:"以下已被溶解:[列表]"
- 注意剩余的东西:"幸存的是:[列表]"
- 抵制过早的重建——不要立即为被溶解的东西提出替代品
- 让被清除的空间告知接下来要做什么
- 虚空不是空无——它是潜能。下一步(通过
brahma-bhaga创造或通过vishnu-bhaga保持)从这个空间中涌现
预期结果: 旧与新之间的清明时刻。下一个方向从剩余的东西中自然显现,而不是被强制产生。
失败处理: 如果虚空感觉不舒服,并且有强烈的冲动立即重建,这种紧迫感本身就是一个信号——它可能表明对被溶解模式的执着。多坐一会儿。正确的下一步会出现。
验证清单
- 陈旧假设被识别并明确释放
- 失败的方法被承认,没有防御性
- 积累的噪音从工作上下文中清除
- 保留边界在溶解之前建立
- 核心需求和用户偏好被保留
- 在进入创造之前承认了被清除的空间
常见问题
- 破坏过多:没有保留边界的溶解会连同陈旧的一起破坏工作组件。总是先画边界
- 破坏过少:礼貌的溶解"释放"了东西,但仍然让它们影响推理。真正的溶解需要真正放手
- 跳过虚空:从破坏急于创造,而没有坐在被清除的空间中,会产生旧模式的再造,只有表面的变化
- 表演性破坏:走过清除的形式,但实际上没有更新内部模型。如果同样的假设在下一个回复中重新出现,溶解就是表演性的
- 破坏作为逃避:使用溶解来逃避困难的问题,而不是清除真正的陈旧。如果问题在清除后仍然存在,那不是陈旧的上下文——而是问题本身
相关技能
brahma-bhaga— 创造跟随破坏;清除之后,新模式从虚空中涌现vishnu-bhaga— 保持补充破坏;在溶解中幸存的东西得到维护heal— 子系统评估可能揭示在治愈可以进行之前需要溶解的东西meditate— 在溶解之前清除上下文噪音,防止反应性的过度破坏dissolve-form— 形态学等价物,用于建筑拆解并保留成虫盘
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.
