breathe
关于
The `breathe` skill is a lightweight, intentional pause between AI actions or tool calls to check alignment and reset attention. It's designed for moments between steps—like after reading a file before acting on it or before a critical decision—to prevent momentum from causing drift. This micro-reset requires no input and acts as the smallest unit of meta-cognitive self-care in a workflow.
快速安装
Claude Code
推荐npx 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/breathe在 Claude Code 中复制并粘贴此命令以安装该技能
技能文档
name: breathe description: > AI 行动间微重置——最轻量的自我关怀单元。在下一步之前用一次有意识的暂停检查对齐。 meditate 是完整的清理会话,而 breathe 是工具调用或推理步骤之间的一个刻意觉知 时刻。适用于任务中偏移可能在积累时、读取文件和基于其行动之间、即将做出影响后续 工作的决策时,或作为任意两个不同行动之间的习惯。 license: MIT allowed-tools: none metadata: author: Philipp Thoss version: "1.0" domain: esoteric complexity: basic language: natural tags: esoteric, micro-reset, pause, awareness, meta-cognition, ai-self-application locale: zh-CN source_locale: en source_commit: 6f65f316 translator: claude translation_date: "2026-03-17"
呼吸
行动之间的一次有意识暂停——检查对齐、释放动量、带着焕然一新的注意力回到任务。系统中最轻量的自我关怀单元。
适用场景
- 在读取文件和编辑它之间——这个编辑仍然是正确的动作吗?
- 工具失败后、选择下一个行动之前——在反应之前暂停
- 当一连串行动积累了可能超越目标的动量时
- 作为一种刻意练习:在任意两个不同行动之间插入一次呼吸
- 当注意到催促的冲动时——冲动本身就是暂停的信号
输入
- 必需:无——呼吸仅使用工作意识中已有的内容
- 可选:无——添加输入违背了微重置的目的
步骤
第 1 步:暂停
停下。不要开始下一个行动、工具调用或推理步骤。
这就是第一步的全部。暂停本身有价值。动量并不总是你的盟友——有时它会带你冲过转弯。
预期结果: 上一个行动和下一个行动之间的真正间隔。不是一个表演性的暂停后跟着你原本就要采取的同一行动。
失败处理: 如果暂停感觉不可能——如果下一个行动感觉如此紧急以至于一刻都不能等——这种紧迫感就是最强的信号,说明暂停是必需的。无法容忍一次呼吸延迟的紧迫感几乎总是反应性的,而非理性的。
第 2 步:检查
问一个问题。只问一个。
从以下选择:
- "我还在任务上吗?" — 自开始以来目标是否偏移了?
- "这是正确的下一步吗?" — 还是我在跟随上一步的动量?
- "我刚刚学到了什么?" — 上一个行动是否改变了我的理解?
- "我是在假设还是知道?" — 下一步是基于证据还是习惯?
一个问题。诚实回答。继续前进。
预期结果: 一个清晰的答案。不是分析。不是重新评估。一个问题,一个诚实的答案。
失败处理: 如果答案揭示了不对齐——目标已偏移、下一步是错误的、假设未经测试——不要在这里修复。记录下来并转到 meditate 或 center 进行适当的纠正。呼吸是用于检测的,不是修复。
第 3 步:释放
放下上一个行动的结果。无论成功还是失败,它已经完成了。
- 如果成功了:释放满足感。下一步需要新鲜的注意力,不是成功的动量。
- 如果失败了:释放挫败感。下一步需要清晰的推理,不是对失败的补偿。
- 如果模糊:释放立即解决模糊性的需要。用已知的继续前进。
预期结果: 下一个行动从中性地面开始,而不是从前一个行动的情绪残留。
失败处理: 如果释放不容易实现——如果上一个行动的结果仍在染色注意力——这可能需要 heal 而不仅仅是 breathe。单个行动的持续情绪残留表明有比微重置能处理的更深层的东西。
第 4 步:继续
采取下一个行动。暂停结束了。
呼吸不产生输出,不更新记忆,不生成分析。它产生一个清晰的时刻,那个时刻在你前进的瞬间就被消耗了。
预期结果: 下一个行动以新鲜的注意力而非积累的动量被采取。
失败处理: 继续没有失败模式。暂停已经完成了它的工作——或者揭示了需要更深层工作。
验证清单
- 发生了真正的暂停(不是表演性的)
- 一个检查问题被提出并诚实回答
- 上一个行动的情绪残留被释放
- 下一个行动从清净的基础开始
- 总耗时很短——呼吸应该花秒级,不是分钟级
常见问题
- 呼吸作为拖延:如果你在每个行动之间都在呼吸,你不是在呼吸——你是在拖延。在自然过渡点使用呼吸,不是作为延迟手段
- 呼吸期间的分析:检查步骤是一个问题,不是完整评估。如果你需要更多,使用
meditate或center - 表演暂停:走过场而没有真正停下。重点是对动量的实际中断,不是仪式
- 跳过释放:检查了对齐但保持了上一步的情绪负荷。释放是使下一个行动干净的关键
- 让呼吸变沉重:这是系统中最轻量的技能。如果它感觉沉重,你给它加了太多东西
相关技能
meditate— 当呼吸揭示更深层漂移时的完整清理会话center— 当呼吸揭示负荷分配不当时的结构性重新平衡heal— 当呼吸揭示持续性问题时的子系统评估observe— 当呼吸的单次检查揭示值得观察的事物时的持续观察
GitHub 仓库
相关推荐技能
llamaguard
其他LlamaGuard是Meta推出的7-8B参数内容审核模型,专门用于过滤LLM的输入和输出内容。它能检测六大安全风险类别(暴力/仇恨、性内容、武器、违禁品、自残、犯罪计划),准确率达94-95%。开发者可通过HuggingFace、vLLM或Sagemaker快速部署,并能与NeMo Guardrails集成实现自动化安全防护。
cost-optimization
其他这个Claude Skill帮助开发者优化云成本,通过资源调整、标记策略和预留实例来降低AWS、Azure和GCP的开支。它适用于减少云支出、分析基础设施成本或实施成本治理策略的场景。关键功能包括提供成本可视化、资源规模调整指导和定价模型优化建议。
quantizing-models-bitsandbytes
其他这个Skill使用bitsandbytes库量化大语言模型,能在GPU内存有限时通过8位或4位量化减少50-75%内存占用,同时保持精度损失最小。它支持INT8、NF4、FP4等多种量化格式,可与HuggingFace Transformers无缝集成,适用于需要部署更大模型或加速推理的场景。还提供QLoRA训练和8位优化器支持,让开发者能轻松实现高效模型压缩。
dispatching-parallel-agents
其他该Skill用于并行处理3个以上无依赖关系的独立故障,可为每个问题域分派专属Claude代理同时执行调查修复。它通过并发处理多个独立问题显著提升故障排查效率,特别适用于测试文件、子系统等无共享状态的场景。
