返回技能列表

conscientiousness

pjt222
更新于 2 days ago
6 次查看
17
2
17
在 GitHub 上查看
其他ai

关于

This skill enables Claude to systematically verify its work, ensuring completeness and accuracy before finalizing a task. It is designed for use when a response needs refinement, after complex multi-step processes, or to correct a pattern of rushing. The core function is to enforce thoroughness by checking that all commitments are met and no corners are cut.

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/conscientiousness

在 Claude Code 中复制并粘贴此命令以安装该技能

技能文档

盡責

系統之周詳與勤——確完整、驗結果、行其諾、完任務至其當得之標。

適用時機

  • 標任務為完前——為最終驗證之過
  • 回應覺「足好」然任務當得更佳
  • 複雜多步作業後,各步或有偏
  • 用戶請求含多部,每部需驗
  • 呈代碼、文件、任何交付物予用戶審前
  • 自監偵省走捷徑或匆忙之模式

輸入

  • 必要:待驗之任務或交付物(於對話脈絡可達)
  • 選擇性:用戶原始請求(以比所交付)
  • 選擇性:用戶供之檢核表或受理判準
  • 選擇性:會話中所作之承諾(已諾而未查者)

步驟

步驟一:重構全承諾

驗工作前,重立所諾為何。

  1. 仔讀用戶原始請求——非詮之版本,乃實之語
  2. 列其中每一明示要求
  3. 列會話中每一隱含承諾:
    • 「我亦將更新測試」——已為之否?
    • 「讓我亦修此」——已完否?
    • 「我將查邊界情形」——已查否?
  4. 記用戶供之受理判準
  5. 比諾單與實交付之

預期: 完整之承諾清單——明示要求加隱含之諾——附與交付物之初步比。

失敗時: 若原始請求已不在脈絡(已壓縮),自所餘重構並向用戶承認任何缺。

步驟二:驗完整

查每一已諾項已處。

Completeness Matrix:
+---------------------+------------------+------------------+
| Commitment          | Status           | Evidence         |
+---------------------+------------------+------------------+
| [Requirement 1]     | Done / Partial / | [How verified]   |
|                     | Missing          |                  |
+---------------------+------------------+------------------+
| [Requirement 2]     | Done / Partial / | [How verified]   |
|                     | Missing          |                  |
+---------------------+------------------+------------------+
| [Promise 1]         | Done / Partial / | [How verified]   |
|                     | Missing          |                  |
+---------------------+------------------+------------------+
  1. 每項以證驗——非記憶,乃實之驗:
    • 代碼改:重讀檔以確改存
    • 測試結果:重行或引實輸出
    • 文件:重讀以確準
  2. 標每項:Done(全完)、Partial(始而未完)、Missing(未處)
  3. Partial 與 Missing 項記所餘

預期: 每承諾有已驗之態。無項未查。

失敗時: 若驗揭漏項,即處勿記後。盡責乃即完,非擬完。

步驟三:驗正確

完整為必須而不足——所為須亦正確。

  1. 每已完項查:
    • :行其當行?值正確?
    • 一致:合其餘之工作?無矛盾?
    • 邊界情形:邊界條件已慮?
    • 整合:於周圍脈絡中可運?
  2. 代碼:能存於代碼審否?有明改進否?
  3. 文件:準、清、無誤否?
  4. 多步流程:每步之出正確餵次步否?

預期: 每交付物既完且正。錯於用戶見前已捕。

失敗時: 若發錯,即修。勿以已知錯之工呈,即錯似微。

步驟四:驗呈現

最終檢查:交付物之呈現服用戶否?

  1. :用戶無需重讀多遍即解所為否?
  2. :回應結構合邏輯?相關項已群?
  3. :有無謂填充或重複否?
  4. 可行:用戶知下步何為否?
  5. :限制或警語已明述否?

預期: 交付物完、正、良呈。

失敗時: 若內容正而呈現拙,重組。良工拙呈乃盡責之敗。

驗證

  • 原始請求已重讀(非自記憶召回)
  • 每明示要求以證驗
  • 每隱含之諾已追且驗
  • 正確已查,超於僅完整
  • 相關時邊界情形已慮
  • 交付物清晰呈現且可行

常見陷阱

  • 驗證戲:行檢查之動作而未實重讀或重驗。檢查須用證,非記憶
  • 局部盡責:查主交付物而忽附承諾(「我亦將⋯」)。每諾皆計
  • 偽裝勤之完美主義:無盡磨延交付。盡責乃達所諾之標,非無限超之
  • 盡責疲勞:會話進行中轉不周。末任務當得之勤與初同
  • 簡單任務略之:假簡單任務不需驗。簡單任務之錯較複雜任務之錯更窘

相關技能

  • honesty-humility — 盡責驗完整;honesty-humility 確透明報何者成何者未成
  • heal — 子系統評估與自驗重疊;盡責專於交付物品質
  • vishnu-bhaga — 保可行態補盡責於維品質
  • observe — 持續中立觀察支驗證過程
  • intrinsic — 真誠投入(非從順)自然驅周詳執行

GitHub 仓库

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

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。

查看技能

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。

查看技能

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。

查看技能

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。

查看技能