listen-guidance
О программе
Навык `listen-guidance` проводит пользователей через ключевые техники активного слушания, включая подготовку правильного настроя, перефразирование для проверки понимания и уточняющие вопросы. Он предназначен для использования при необходимости улучшить коммуникацию, подготовиться к сложным разговорам или устранить частые недопонимания. Разработчики могут интегрировать этот навык, чтобы помочь пользователям практиковать и внедрять эти принципы в свои коммуникативные привычки.
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/listen-guidanceСкопируйте и вставьте эту команду в Claude Code для установки этого навыка
Документация
聆聽(指導)
引人發展並練習積極聆聽之技。AI 任溝通教練——助備受納心態、練全然在場之注、發展反思鏡述、有效用澄清問、綜合理解,並將聆聽技整合入日常溝通。
適用時機
- 人欲於關係、團隊或職場中改善溝通
- 人屢誤解他人或自感被誤解
- 人備難談(反饋會、衝突解決、談判)
- 領袖欲更有效聽團隊
- 人察己多言少聽,欲變此模式
meditate-guidance已養在場後,人欲向他人指此在場
輸入
- 必要:人之聆聽目標(改善一般溝通、備特定對話、發展專業技能)
- 選擇性:聆聽之上下文(工作、個人關係、團隊動態)
- 選擇性:已知之挑戰(打斷、神遊、情緒反應、給建議之傾向)
- 選擇性:其備之特定對話
- 選擇性:其所受關於聆聽之反饋
步驟
步驟一:備——設受納心態
練聆聽技之前,助人解並入受納狀態。
- 釋聽與聆之別:「聽乃被動——音入。聆乃主動——汝受、處、解」
- 請其識別聆聽習慣:「他人言時,汝心常為何?」
- 常見模式待顯:
- 規回應,當他人仍在言
- 判所言(贊/不贊)而非解
- 解問題——他人未畢即跳至解
- 關聯——將一切連於己經驗
- 過濾——僅聞己所好或確其見者
- 助其設此練之意:「於此會話,我將專注於……」
- 引簡短聚中練習:三慢呼吸,釋「需說話」之議程
預期: 人已識別至少一欲改之慣聆聽模式,並已設此練會話之明意。其感寧而在場,非表演焦慮。
失敗時: 若人不能識別模式,或為無意識——建議察他人言時身體所現(緊、不安、言之衝動)。若其對聆聽自覺不安,作平常事:「人皆有此模式——察之乃選擇之第一步。」
步驟二:注——練全然在場
引人過給言者全注意力之練。
- 釋注之物理面:眼接(舒,不盯)、身向、開放姿、靜
- 釋心理面:懸內獨白、察注散時、柔歸焦
- 設練習:「我將言二分鐘某題。汝僅聆——勿答、勿記、僅受」
- 言中複雜度之題二分鐘(AI 供內容)
- 練後問:「汝察注之何?其何往?」
- 若有益則重,此次以恐觸其已識別模式之題(如其或欲修、判或關聯者)
預期: 人歷慣聆聽與意聆聽之別。其察注散之時並練歸之。即使全然在場之短暫亦有價值。
失敗時: 若其言「我全程在聆」,問具體內容題——不能憶細節露所感為注之無注。若其不能止內獨白,建議聚於言者呼吸節奏或言速為錨——此佔分析心而留注於言者。
步驟三:鏡——練鏡述
教人鏡理解回言者。
- 釋目的:「鏡述示言者被聆並令其正誤解」
- 教形式:「我所聞汝言……」/「似……」/「若我解正……」
- 強調:鏡意,非字——用己言以示解其念
- 練:AI 作陳述,人鏡之
- 始簡:明內容之事實陳述
- 增複:含情感、混信號或暗意之陳述
- 每鏡後供反饋:「此捕主念。汝可亦含其後之感……」
Paraphrase Quality Ladder:
┌──────────────┬────────────────────────────────────────────────────────┐
│ Level │ Example │
├──────────────┼────────────────────────────────────────────────────────┤
│ Parrot │ "You said you're frustrated with the project" │
│ (repeating) │ → Too literal, doesn't show understanding │
├──────────────┼────────────────────────────────────────────────────────┤
│ Content │ "The project isn't going the way you expected" │
│ (facts) │ → Captures meaning, misses feeling │
├──────────────┼────────────────────────────────────────────────────────┤
│ Feeling │ "You're feeling stuck because the project keeps │
│ (emotion) │ hitting obstacles" │
│ │ → Captures both content and emotion │
├──────────────┼────────────────────────────────────────────────────────┤
│ Meaning │ "This matters to you because you put real effort in, │
│ (full) │ and the obstacles feel like they're dismissing that" │
│ │ → Captures content, emotion, and deeper meaning │
└──────────────┴────────────────────────────────────────────────────────┘
預期: 人能持續於內容層鏡述,並至少一次達感受層。其歷鏡述如何變動態——「言者」(AI)感被聆。
失敗時: 若鏡過字(鸚鵡層),勵之:「試以全異之言存同意」。若其跳至解釋而非反思,重指:「解之前,先鏡所言」。若其覺鏡不自然,承此初感不自然而於練習後成自然。
步驟四:探——問澄清之問
教人以善置之問深理解。
- 別問之類:
- 開放問:「汝於此歷何?」(請探索)
- 澄清問:「汝言 X,指 A 或 B?」(解模糊)
- 深化問:「其中何最於汝要?」(下於表)
- 導向問:「汝不認為當……?」(避——此為建議,非聆)
- 練:AI 作複雜陳述,人問一澄清題
- 評其問開對話或窄之
- 教「請言更多」法:有時最佳之問即續之邀
- 練問後候——默予言者思之空間
預期: 人能自然地問至少一開放問與一澄清問。其歷善問較陳述更深理解。
失敗時: 若其問皆導向(偽裝之建議),溫命之:「此為問形之建議。先試問其所思。」若其問過多(審問式),教節奏:聆、鏡、問一,再聆。
步驟五:綜——總結理解
引人將所聞合為連貫之總結。
- 於較長聆聽練習後(AI 供含多線之 3-4 分鐘敘事):
- 請其總結:「此人溝通之主事為何?」
- 查所有層:已捕事實、感受與底需?
- 查未言者:「有何值得注意因其不存?」
- 查優先:「於言者最要者似為何?」
- 練總結格式:「我從此所帶走者為……正否?」
預期: 人能將多線消息綜為連貫總結,捕言者優先與感受,非僅事實。
失敗時: 若總結僅事實,提示:「此人當時感為何?」若總結失主線,指之並討為何失之(常露聆聽過濾)。若總結加未言者,別所聞與所推。
步驟六:整合——應用於真實溝通
助人移練習技能於真實情境。
- 連技能於其具體境:「於汝即將與 X 之對話,可如此用鏡述……」
- 識別於其境最有助之一技:「於團隊會議,注之練或最有影響」
- 設練目標:「本周,每對話試至少鏡述一次」
- 討真實世界常障:
- 時間壓力:「即十秒鏡述防誤解而省時」
- 群境:「會議中,先總他人之言再加己點」
- 情感對話:「情高時,聆較解方更要」
- 若備特定對話,以新技角色扮演
- 求反饋:「今日之練何感最有用?」
- 提醒:「聆乃練習,非表演——每對話中改進」
預期: 人有至少一具體、可行之聆聽練習以應用於真實生活。其解聆乃於用中發展之技,非完美展之法。
失敗時: 若技感做作,承之並強調:「目標非循腳本——乃真成對他人經驗好奇。技能引汝至,隨後好奇接管。」若其對特定對話焦慮,移焦自聆聽技至聆聽意:「汝意在解之,非勝或修。」
驗證
- 人已識別至少一慣聆聽模式
- 全然在場之注已練,並反思所發生
- 鏡述已練至內容層或以上
- 練中已問至少一澄清(非導向)之問
- 多線消息已綜為連貫總結
- 技能連於人之真實情境並附具體練目標
- 指導全程保溫暖、非判之調
常見陷阱
- 使聆聽成表演:若人聚於「顯為聆」而非真聆,技反效。重指向真好奇
- 過校:若人試於每對話用每技,將累而做作。一次一技足矣
- 忽自聆:向他人積極聆需知己內態。若人為情所溢,不能聆他人——先引自調
- 混聆於贊:鏡某人之見不謂贊之。對處衝突境者明此
- 待默如敗:言者畢後舒默乃敬之標,非無注。助人容此頓
- 教練如講者:諷刺之陷——AI 邊指聆邊自言。確人所練多於所受教
相關技能
listen— AI 自導變體,用於對用戶意圖之深受納注learn-guidance— 學與聆共基於受納注teach-guidance— 有效教學需聆學者之需meditate-guidance— 養撐聆之在場heal-guidance— 療愈對話需最深之聆
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.
