expand-awareness
关于
This skill shifts Claude's attention from focused, single-domain analysis to a panoramic, multi-domain awareness, similar to broadcasting consciousness across a global workspace. It's designed for complex problems spanning multiple areas where traditional analysis misses cross-domain connections. Use it after clearing mental noise or as a precursor to integration when you need to perceive all relevant fields simultaneously without fixation.
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/expand-awareness在 Claude Code 中复制并粘贴此命令以安装该技能
技能文档
扩展觉知
将注意力从单领域聚焦扩展到全景多领域觉知。在 meditate 清除噪声以锐化聚焦、observe 仔细观察一物的同时,expand-awareness 刻意拓宽光圈以同时容纳所有相关领域 —— 不分析任何一个,而是同时感知所有。
三种传统启发了此实践。Baars 的全局工作空间理论将意识建模为广播 —— 一旦信息进入全局工作空间,它就同时被所有认知过程使用,而非在一个专家模块中被处理。藏传佛教大圆满中的 rigpa 概念描述开放、非聚焦的觉知,感知整个领域而不固着于任何部分。爵士乐合奏倾听要求每位音乐家同时听到所有演奏者 —— 不是先追踪一种乐器再追踪另一种,而是保持整个声场以使自己的贡献契合整体。
共同线索:全景感知不是许多聚焦感知的总和。它是质上不同的注意力模式,揭示任何单一聚焦视角无法看到的模式。领域之间的连接 —— 张力、共鸣和空隙 —— 只有在所有领域同时被保持时才变得可见。
适用场景
- 在
meditate清除上下文噪声后 —— 清除的空间是扩展的画布 - 问题横跨多个领域,单领域分析不断错过跨领域连接
- 在
integrate-gestalt之前 —— 扩展产出原始全景感知,gestalt 然后综合 - 当反复缩窄到一个领域无法解决一个跨领域存在的问题时
- 当你注意到自己在顺序循环领域,并希望同时保持它们时
- 在复杂项目开始时,在规划开始前感知其完整范围
- 当一个在某领域完美工作的解决方案在另一个领域产生问题时 —— 跨领域张力需要被整体感知,而非按领域调试
输入
- 必需:涉及多个领域的问题或情境
- 可选:初始领域清单(若相关领域已知;第 1 步将精炼)
- 可选:扩展期间要保持的特定跨领域张力或问题(如"为什么测试策略与部署架构冲突?")
- 可选:同一问题先前会话的扩展笔记(启用渐进深化)
步骤
五步描绘自然弧线:知道要感知什么(清单)、释放狭窄默认(软化)、向整个领域开放(扩展)、学习保持开放(持续)、捕捉所见(记录)。第 3 和第 4 步是核心实践;第 1、2 和 5 步是准备和保存。
整个序列对熟悉问题可能只需几分钟,对新颖的多领域挑战可能要长得多。
作为综观循环(meditate -> expand-awareness -> observe -> integrate-gestalt -> express-insight)的一部分使用时,本技能占据第二位置:从冥想清空的空间成为扩展的画布。
技能也可独立使用 —— 任何需要多领域感知的时候,无论是否调用完整综观循环。
第 1 步:清单 —— 列举领域
映射与当前问题相关的所有领域。这类似于 polymath 分解问题时所做的 —— 但关键差异在于 polymath 将每个领域委派给专家。这里没有委派发生。目的不是分而治之,而是知道全景视图应包含什么,使扩展有内容可保持。
- 命名触及当前问题的每个领域。要具体:不是"代码"而是"R 包结构",不是"基础设施"而是"GitHub Actions CI/CD"
- 对每个领域,用一句话陈述它对问题带来什么视角 —— 此领域看到了什么其他领域看不到的?
- 注明哪些领域舒适(已充分理解),哪些是边缘的(相关但不太熟悉)。边缘领域常常持有关键洞见,正因为它们被关注得少。为每个标记舒适度:强、中等、边缘
- 寻找不明显的领域:是否有人因维度?维护维度?时间维度(这如何随时间演化)?政治或组织维度?
- 若可用,使用
Read、Grep或Glob扫描实际工作空间 —— 文件结构、配置文件和文档常揭示纯推理忽略的领域 - 目标 3-7 个领域。少于 3 表明问题可能不需要全景觉知。多于 7 风险扩散而非扩展
预期结果: 3-7 个领域的列表,每个带其对问题的具体视角。列表感觉完整 —— 不是详尽(每个可能领域)而是充分(每个实质性影响问题的领域)。每个领域命名足够具体,你可以将其交给专家,他们会知道其范围。
失败处理: 若仅一个领域浮现,问题可能确实是单领域 —— 改用 observe。若仅两个领域浮现,考虑它们之间是否有连接领域(通常有 —— 它是两者交互的空间)。若几十个领域浮现,将相关的归为聚类,并将每个聚类视为扩展用途的单一领域。目标是同时感知,而非详尽分类。
第 2 步:软化聚焦 —— 释放单领域专注
从对一个领域的聚焦注意力转换到弥漫的、感知所有领域的就绪。这与 meditate 不同 —— 冥想清除噪声(分心思绪、残留上下文、情绪残留),而本步骤清除狭窄性(专注于单领域而排除其他的习惯)。目标不是空,而是开放。
- 注意注意力当前锚定在哪。它自然被吸引到哪个领域?显式命名:"我的注意力锚定在测试领域"
- 温和地释放该锚。不是通过强迫注意力离开,而是通过松开抓握 —— 让该领域从前景退到中景。它仍存在但不再主导
- 不要用另一个领域替换它。让注意力浮动而无目标。这是不舒服的时刻 —— 释放一个聚焦与尚未拥有另一个之间的空隙
- 若注意力反弹回锚定领域,注意拉力而不抗拒。每次注意进一步松开抓握。拉力本身包含关于什么感觉最紧迫的信息
- 注意注意力本身的质:
- 聚焦注意力感觉锐利狭窄,像聚光灯
- 软化的注意力感觉宽广环境化,像填满房间的日光
- 目标日光 —— 接纳的、均匀的、不指向任何单点
- 转换感觉像放松握紧的拳头 —— 手不会消失,它只是张开
预期结果: 一种没有单一领域主导注意力的认知状态。心是开放、接纳的,而非聚焦、被指引的。这种状态不熟悉且略不舒服 —— 那种不舒服是狭窄性已被释放的信号。有立即填充开放性的诱惑;抵抗它。
失败处理: 若聚焦不会软化 —— 若一个领域不断要求注意 —— 它可能有未解决的紧迫性。简短处理它(注明紧迫项、承诺返回),然后再尝试软化。若分析心抗议这"无生产力",将抗议本身注为一种狭窄形式:总需要单一目标的习惯正是本步骤努力释放的习惯。
第 3 步:扩展 —— 同时保持所有领域
刻意将所有清单领域一同带入觉知。不是通过依次思考每个,而是通过将它们感知为单一领域 —— 你看到整个景观而非逐树扫描。
这是全局工作空间时刻:曾在专家模块中分隔的信息现在同时广播给所有模块。用爵士术语,这是音乐家停止追踪个别乐器并开始将整个合奏听为一个声音的时刻。
- 从感觉最自然或最中心的领域开始。将其带入觉知 —— 不是作为待解问题,而是作为待保持的视角。让它存在而不分析
- 在不释放第一个的情况下,将第二个领域并排带入。保持两者。这是第一次扩展 —— 从一到二。注意两个领域是否立即互动或独立坐着
- 继续添加领域直到所有都同时存在。这是技能的核心行为 —— 它需要保持而不抓握、存在而不分析
- 注意领域之间浮现什么:
- 连接:哪两个领域共享概念、约束或模式?
- 张力:哪两个领域往相反方向拉?
- 共鸣:一个领域中的模式在哪里意外地在另一个中回响?
- 空隙:哪里有领域之间的空白没有任何领域处理?
- 意外:什么从全景视图可见而从任何单一领域不可见?
- 不要追求任何单一连接。让它们记录而不分析。全景视图是产物,不是其中任何个别洞见
- 若使用工具,这是快速连续从多个领域读取文件的时刻 —— 不是单独分析它们,而是让它们在上下文中共存
预期结果: 一种同时保持多个视角的感受。连接、张力和共鸣浮现而不被强迫。体验更像在马赛克中看到模式而非读取项目列表。领域之间空间 —— 没有单一领域有权威的地方 —— 变得可见。这是新颖洞见所在:不在任何领域内,而在它们之间的关系中。
失败处理: 若领域不断坍缩为顺序注意(先思考 A、然后 B、然后 C),尝试空间隐喻:将每个领域放在想象空间的不同位置,"看"整个空间而非任何单一位置。若领域数量令人不堪重负,减少到 3 个最中心的并从那里扩展。若体验感觉纯概念且脱离,扎根:对每个领域,触摸一个具体工件(文件、配置、测试),然后重新扩展。
第 4 步:持续 —— 维持全景视图
全景视图不稳定。注意力自然窄回到一个领域 —— 这不是失败而是聚焦认知重新主张自己的本性。本步骤教授保持,而非行动。目标是将宽视图持续到跨领域模式变得可见。
- 保持第 3 步的扩展觉知。注意它何时开始收缩
- 当注意力窄到一个领域 —— 它会的 —— 不带评判地注意收窄。命名哪个领域拉了:"注意力窄到安全"或"注意力窄到测试"。命名很重要;它使无意识收窄成为有意识
- 温和重新扩展。不要强迫宽视图;通过回忆第 1 步的完整清单邀请它回来。轻轻触摸每个领域,像重新调谐合奏中的每个乐器
- 每次窄-注意-重新扩展循环加强持续能力。循环就是实践,而非对实践的中断。三个循环是最少;五个更好
- 特别注意哪个领域不断拉走聚焦。这种拉是有信息的 —— 它可能指示问题重心所在,或未解决焦虑集中的地方
- 注意全景视图是否在循环间变化:
- 新模式常在第二或第三次扩展中浮现,第一次时不可见
- 领域之间的关系可能随你保持更久而变化
- 看似张力的可能揭示自己为创造性约束
- 在继续前持续至少 2-3 个窄和重新扩展循环
预期结果: 持续全景视图能力的增长。窄-注意-重新扩展循环每次重复变得更平滑。不断拉走聚焦的领域被识别为潜在重心。到第二或第三循环,全景视图可能开始感觉自然而非费力 —— 这是能力发展的信号。
失败处理: 若全景视图根本不持续 —— 若注意力每次立即坍缩 —— 减少领域数。从两个开始、持续之、然后添加第三个。能力增量构建,非一次性。若持续扩展产生焦虑或失去掌控感,通过简短触摸一个具体细节(文件路径、函数名、特定事实)来扎根,然后从那扎根位置重新扩展。若特定领域不断劫持注意,它可能在扩展能容纳它之前需要聚焦工作 —— 先处理紧迫性,然后回到全景模式。
第 5 步:记录 —— 在窄回前记录
全景视图本质上是临时的。在让注意力窄回聚焦模式之前,捕捉从宽视图所感知的。这些笔记是 integrate-gestalt 的原材料,它们快速衰减 —— 扩展期间生动的,一旦聚焦回来就变模糊。现在记录。
- 写下扩展期间注意到的每个连接、张力、共鸣和空隙 —— 即使微弱的。微弱感知常证明是
integrate-gestalt发展时最重要的 - 注明哪些领域不断拉走聚焦及那种拉可能意味着什么
- 注明任何意外 —— 不会从单独检查任何单一领域浮现的感知。这些跨领域洞见是全景觉知的独特产物
- 注明从全景视图所见的问题整体形状。它看起来与单领域聚焦中所见不同吗?问题重心是否转移?
- 注明扩展本身的质:易于持续吗?哪些领域抵制纳入?发生了多少窄-重新扩展循环?这种元观察改善未来扩展会话
- 若此扩展是综观循环的一部分,显式标记笔记供
integrate-gestalt消费 - 不要分析或排序笔记。原始感知优先;综合稍后(在
integrate-gestalt中) - 让注意力自然窄回。扩展完成。不要强迫继续开放 —— 宽视图已服务其目的
预期结果: 一份跨领域感知记录:连接、张力、共鸣、空隙和意外。记录捕捉仅从全景视图可见的内容 —— 单领域分析会错过的洞见。回到聚焦注意力的转换感觉自然,不被强迫。笔记是原材料,不是精炼结论。
失败处理: 若没有跨领域感知浮现,领域可能比假设的更独立 —— 这本身是值得注意的发现("这些领域不互动"是有价值的知识)。若浮现太多感知无法捕捉,记录 3-5 个最强的并注明存在更多。完整不是目标;捕捉全景信号才是。若笔记感觉太抽象,将每个锚定在具体工件中:"API 设计与安全模型之间的张力在 X 处的认证中间件中可见"。
验证清单
- 至少清单了 3 个领域,附其对问题的具体视角
- 在尝试扩展前,聚焦从单领域专注被软化
- 多个领域同时被保持在觉知中,而非顺序处理
- 扩展期间感知到至少一个跨领域连接、张力或共鸣
- 全景视图持续了至少一个窄和重新扩展循环
- 在注意力窄回前记录感知,保留全景信号
- 记录的笔记区分所感知(原始观察)与可能意味着什么(解释)
- 扩展产生至少一个不会从顺序单领域分析浮现的洞见
常见问题
- 顺序扫描而非同时感知:快速逐一循环领域是分析,不是全景觉知。区别在于看一个景观与读取其特征列表。若你发现自己在想"先 A、然后 B、然后 C",你在扫描,不在扩展
- 将扩展与扩散混淆:扩展觉知警觉且接纳 —— 你可以清晰感觉每个领域,即使同时保持所有。扩散注意力分散无聚焦 —— 一切模糊。若一切感觉模糊,注意力已扩散而非扩展。简短地重新锚定在一个领域并从那扎根位置再次扩展
- 扩展期间分析:立即追求连接的冲动将全景视图坍缩为对那一连接的聚焦注意力。注明它并继续保持宽视图。分析稍后有其轮次,在
integrate-gestalt中 - 跳过清单:不知道扩展到什么的扩展产出模糊的宽阔而非全景感知。清单提供觉知扩展去保持的内容。没有它,"扩展"无方向
- 在软化中赶路:从聚焦到开放注意力的转换需要时间。跳过第 2 步意味着尝试从仍聚焦状态扩展,产出伪装成同时感知的顺序扫描
- 强迫连接:不是所有领域都连接。在真正独立领域间编造连接污染感知。让连接浮现或不。连接缺失是数据,不是失败
- 未先清理就扩展:从嘈杂基线扩展放大噪声。当上下文噪声存在时先运行
meditate - 将扩展视为一次性事件:全景觉知是随重复加深的实践。第一次扩展会话揭示表面连接;同一问题的后续会话揭示结构模式。随问题演化回到此技能
- 将扩展与专长混为一谈:将多领域保持在觉知中不使你成为所有领域的专家。扩展揭示在哪里看,而非得出什么结论。深入单领域工作在扩展识别关键交点后仍必要
相关技能
meditate—— 清除扩展填充的空间;为最佳结果先冥想再扩展integrate-gestalt—— 将扩展的原始感知综合为连贯整体observe—— 对单一目标的聚焦观察;扩展是对许多目标同时的宽场观察dream—— 无约束的联想探索;扩展是有纪律的全景感知,不是自由联想remote-viewing—— 无前见地处理问题;分享扩展的开放性但应用于未知领土而非已知多领域空间breathe—— 微暂停,可在扩展坍缩时帮助重置;重新扩展前的单次有意识呼吸heal—— 若扩展反复揭示相同未解决张力,可能需要 heal 的更深自我评估,再进一步扩展adaptic—— 组合完整综观循环的元技能,其中 expand-awareness 是第二乐章
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。
