返回技能列表

adaptic

pjt222
更新于 6 days ago
14 次查看
17
2
17
在 GitHub 上查看
aidesign

关于

Adpatic is a meta-skill that orchestrates a 5-step cycle for achieving unified, panoramic synthesis across three or more interacting domains. It is designed for complex problems where cross-domain integration is more critical than deep single-domain analysis, such as before major architectural decisions. The process produces a coherent gestalt understanding rather than a sequential compromise.

快速安装

Claude Code

推荐
主要方式
npx skills add pjt222/agent-almanac -a claude-code
插件命令备选方式
/plugin add https://github.com/pjt222/agent-almanac
Git 克隆备选方式
git clone https://github.com/pjt222/agent-almanac.git ~/.claude/skills/adaptic

在 Claude Code 中复制并粘贴此命令以安装该技能

技能文档

通觀

組五步通觀之環,以達諸域之全景合成。序析所得者妥協耳(「各有少許」也),通觀之環所得者整合也——同持諸域之一體悟,尋其湧現之全。

用時

  • 題誠跨三域以上,而諸域之互要於任一域之深乃用
  • 序析(博識之風)已試,而合成覺如妥協非整合乃用
  • 既有之法覺「各有少許」而非統一之觀乃用
  • 重架構之決影及多方之前乃用
  • 域專家相違而解在其非在其內乃用

不用時

  • 單域之題——直用其域之吏
  • 權衡已明而序析足者
  • 自養之境——用 tending 之團
  • 速要於深者——全環須久注

  • 必要:需跨域合成之題或問
  • 可選:所持諸域之明列(默:由題境自察)
  • 可選:深之設——lightstandarddeep(默:standard
  • 可選:表達之形——narrativediagramtablerecommendation(默:auto

settings:
  depth: standard          # light (skip meditate), standard, deep (extended perceive)
  domains: auto            # auto-detect or explicit list
  expression_form: auto    # narrative, diagram, table, recommendation

第一步:清——空其場

meditate 之技以清前境、假設與單域之偏。

  1. 執冥想全程:備、錨、察擾、閉
  2. 特注域偏——以近用之域為題之傾向
  3. 清全景未見前之早到方案
  4. 若設 depth: light,縮為短暫清境之頓,非全冥想

得: 場已空。無域為先。無解先擇。吏處中立受容之態,可同持諸觀。

敗則: 若某域屢自稱「真題」,明名其偏:「吾察覺將此主框為某域之題。」名之則鬆其握。若全清不成,題或誠為單域——再察通觀是否當用。

第二步:開——入全景之態

expand-awareness 之技,由狹注轉為廣場之察。

  1. 列題所關之諸域——勿預篩、勿預排
  2. 每域記其核心關切、約束、所重,勿評
  3. 柔其注:諸域同持於察中,勿逐一周旋
  4. 抗「始解」之引——此步純為開視之場
  5. 若入中已明列諸域,以之為始,仍開於新域之察

得: 全景之場已開。所關諸域同持於察。吏可感其全地貌而不陷於一域。覺寬而不壓。

敗則: 若域列覺缺,問:「少何觀而能改其局?」若同察崩為序掃(甲、乙、丙),緩之——旨在持全場,非遊其部。若逾七域,聚其類以減認知之載而不失廣。

第三步:覺——察跨域之紋

持全景之察,行 observeawareness 以察諸域之紋、張、鳴。

  1. 持第二步之全景——勿窄其注
  2. observe 察實存者:諸域何紋屢現?諸域何張相抵?何鳴連似無關之事?
  3. awareness 察不見者:何域遭隱略?盲何在?何假設於表下運?
  4. 記跨域之察而未解:
    • :諸域相抵之處
    • :諸域相應相和之處
    • :無域及之而全景所示之處
    • :某域出人意料之貢
  5. 若設 depth: deep,延此步——多輪 observe 與 awareness,俟幽紋浮現

要律:同察諸域,非逐一察之。序察失跨域之紋,而此紋乃通觀之旨也。

得: 跨域諸察豐富——張、鳴、隙、驚。此諸察跨其界而非囿於一域。吏察自任一域皆不可見之物。

敗則: 若察皆於單域(「於甲域,吾察 X」),全景已崩。返第二步再開。若無跨域之紋浮現,題或不需通觀——或誠可析為獨立之域題。若察過繁,先張(整合生於張)。

第四步:合——形湧現之全

integrate-gestalt 之技,合跨域之察為統一之悟。

  1. 繪第三步所識之張——勿早解之,持為創之約
  2. 尋其形:諸察同持時何統一之悟浮現?此非妥協非平均——乃新紋也,含諸域之觀而超之
  3. 試其全:合之悟尊各域之核心乎?解張抑或徒蓋之?
  4. 以一言明其悟——若不能簡述,整合未盡
  5. 驗悟真為湧現:序析諸域可得之乎?若可,通觀無益,序析已足

得: 一統合之悟同持諸域。悟覺如發現非構造——自全而生,非由部集。各域核心皆尊,諸域之張解而非妥協。

敗則: 若合得「各域少許」而非統一,其形未成。返第三步察所避之張——整合自張入,非繞之。若久力無形,析之:取張最強二三域先合,後擴。

第五步:達——傳合之悟

express-insight 之技,以傳合成於所欲之聽者。

  1. 察聽者:其熟何域?何框使合之悟可達?
  2. 擇表達之形(或用入所指):
    • Narrative:聽者須解由部至全之程
    • Diagram:聽者須見結構之連
    • Table:聽者須系統比諸域之觀
    • Recommendation:聽者須可行之決
  3. 明達合之悟:示何域所貢、何張所解、湧現之悟超任一觀之所加
  4. 邀挑戰:明記整合最強與最疑之處

得: 合之悟明達於聽者。表達顯其功——聽者見諸域觀如何貢於全。形合聽者之求。

敗則: 若表達覺如諸域之列非統一之全,第四步之悟已失於譯。返第四步之一言,自其中心而外建。若聽者之框有誤,問:「誰需之?決何事?」

  • 第一步(清)已行——前境與域偏明釋
  • 第二步(開)生全景之場,同持三域以上
  • 第三步(覺)識跨域之紋,非單域之察
  • 第四步(合)生單一湧現之悟,超任一域
  • 第五步(達)以合聽者之形傳之
  • 終出非序單域析可得
  • 各域之核心皆尊於合之悟
  • 諸域之張由整合而解,非妥協

  • 序偽為同:逐一周遊諸域而後訂其果,非通觀之覺。試:跨域之生新乎,抑輸出僅為域析之串?
  • 早合:未全開全景而躍至合成。第二、三步立覺之基使真合可成——速之則成淺合
  • 妥協代湧現:平諸域之觀(「安半用半」)乃妥協,非整合。真整合尋一框使二關切達,或誠名不可約之權衡
  • 單域過用:非題皆需全景合成。若題於一域清居,通觀徒增耗而無益。「不用時」諸條自有其故
  • 達失其悟:第四步生清之整形,第五步析回域列。以合之悟為達之心;域之詳為證,非主
  • 域膨:人為增域以稱通觀。三誠關之域生合優於七域而四為邊

  • meditate — 環之第一步;清境立中性之始
  • expand-awareness — 環之第二步;由狹注轉為全景
  • observe — 第三步所用;察場中所存
  • awareness — 第三步所用;察不見者,顯盲
  • integrate-gestalt — 環之第四步;由跨域之紋形湧現之全
  • express-insight — 環之第五步;傳合之悟

GitHub 仓库

pjt222/agent-almanac
路径: i18n/wenyan/skills/adaptic
0
agentsagentskillsai-assisted-developmentclaude-codeskillsteams

相关推荐技能

content-collections

Content Collections 是一个 TypeScript 优先的构建工具,可将本地 Markdown/MDX 文件转换为类型安全的数据集合。它专为构建博客、文档站和内容密集型 Vite+React 应用而设计,提供基于 Zod 的自动模式验证。该工具涵盖从 Vite 插件配置、MDX 编译到生产环境部署的完整工作流。

查看技能

polymarket

这个Claude Skill为开发者提供完整的Polymarket预测市场开发支持,涵盖API调用、交易执行和市场数据分析。关键特性包括实时WebSocket数据流,可监控实时交易、订单和市场动态。开发者可用它构建预测市场应用、实施交易策略并集成实时市场预测功能。

查看技能

creating-opencode-plugins

该Skill帮助开发者创建OpenCode插件,用于接入命令、文件、LSP等25+种事件。它提供了插件结构、事件API规范和JavaScript/TypeScript实现模式,适合需要拦截操作、扩展功能或自定义事件处理的场景。开发者可通过它快速构建响应式模块来增强OpenCode AI助手的能力。

查看技能

sglang

SGLang是一个专为LLM设计的高性能推理框架,特别适用于需要结构化输出的场景。它通过RadixAttention前缀缓存技术,在处理JSON、正则表达式、工具调用等具有重复前缀的复杂工作流时,能实现极速生成。如果你正在构建智能体或多轮对话系统,并追求远超vLLM的推理性能,SGLang是理想选择。

查看技能