> Philosophy & Ethics _

sc-socratic помогает разработчикам критически оценивать код и решения, выявляя скрытые предположения и альтернативные сценарии. Инструмент использует Python, NLP и Prompt Engineering с Claude Code для генерации вопросов, стимулирующих более глубокий анализ. Он предоставляет набор операций критического мышления, таких как выявление предположений и анализ последствий, через CLI. Это open-source решение – полезный инструмент разработчика для автоматизации процесса самоанализа. Это не просто генератор ответов, а скорее партнер для размышлений, помогающий выявлять и оспаривать собственные убеждения. Он фокусируется на стимулировании самостоятельного мышления, а не на предоставлении готовых решений. Ключевые особенности включают обнаружение намерения и готовые вопросы для проверки утверждений.

Инструмент quote предоставляет пользователям вдохновляющие цитаты, соответствующие их текущему настроению и интересам. Он выбирает высказывания из различных категорий, таких как мотивация, мудрость и креативность, основываясь на запросе пользователя. Мы используем Python и внутреннюю систему категоризации для подбора наиболее подходящих цитат. Это open-source решение для инструмента разработчика, которое можно интегрировать для автоматизации создания контента. Мы стремимся предложить пользователю полезный и позитивный опыт, предлагая возможность сохранять понравившиеся цитаты. Система анализирует контекст запроса, чтобы подобрать наиболее релевантные высказывания. В основе работы лежит алгоритм, учитывающий тематику и эмоциональную окраску. В дальнейшем планируется расширение базы цитат и добавление поддержки различных языков. Мы используем API для интеграции с другими сервисами и NLP для более точного анализа запросов. Это позволяет создавать персонализированные подборки цитат для каждого пользователя.

Debate-practice-coach помогает пользователям оттачивать навыки дебатов, фокусируясь на структуре аргументации и развитии контраргументов. Инструмент использует Toulmin Model для разбора аргументов на составляющие: тезис, основания, гарантия, подкрепление, квалификатор и опровержение. Разработчики применяют Python и принципы NLP для автоматизации анализа и оценки аргументов, предоставляя пользователям структурированный подход к тренировкам. Это open-source решение и инструмент разработчика для создания персонализированных тренировочных сценариев. Этот проект предлагает автоматизацию процесса подготовки к дебатам, позволяя быстро создавать и анализировать аргументы. Пользователь вводит данные по каждому элементу модели Toulmin, а система генерирует обратную связь и предлагает улучшения. Особое внимание уделяется логической связности и полноте представленных аргументов. В основе лежит модульная архитектура, что упрощает расширение функциональности и интеграцию с другими сервисами. Код доступен для изучения и модификации, что делает его подходящим для образовательных целей и дальнейшей разработки. Возможна интеграция через API для создания собственных приложений и сервисов.

Этот open-source решение оценивает этичность и справедливость проектов машинного обучения, выявляя предвзятости и предлагая пути их устранения. Инструмент разработчика использует ai-ethics-validator плагин для анализа моделей, наборов данных и кода, формируя отчеты с метриками справедливости. В основе лежит TypeScript, Next.js, Drizzle и LLM, с возможностью автоматизации проверки. Процесс начинается с запроса пользователя, затем ai-ethics-validator плагин проводит детальный анализ, определяя потенциальные этические проблемы. Сгенерированный отчет содержит информацию о выявленных предвзятостях и рекомендуемые стратегии смягчения. Это помогает создавать более ответственные и справедливые системы ИИ. Ключевые особенности включают проверку этичности через плагин, генерацию отчетов с метриками справедливости и обнаружение предвзятости в данных и моделях. Python и API также могут быть использованы для интеграции в существующие рабочие процессы.

Скилл ethics-ai-analysis выявляет нарушения справедливости в моделях машинного обучения и анализирует соответствие ценностей ИИ философским принципам. Проводит аудит алгоритмической предвзятости, оценивая влияние на различные демографические группы. Ориентирован на применение в системах найма, кредитования и правосудия. Скилл использует библиотеки Fairlearn и AIF360 для расчета метрик справедливости (демографическая паритет, равные шансы, калибровочный разрыв). Применяет философские рамки (утилитаризм, деонтология, этика добродетели) для оценки соответствия решений ИИ моральным нормам. Определяет и измеряет разрыв калибровки, выявляя потенциальные источники несправедливости. В основе работы лежат Python, библиотеки Fairlearn, AIF360 и Claude Code. Функциональность включает расчет метрик справедливости, применение философских рамок, аудит непропорционального влияния и измерение разрыва калибровки. Поддерживает анализ компромиссов между различными понятиями справедливости.

bisimulation-oracle проверяет бисимметричность двух систем переходов, определяя их структурное равенство. Инструмент использует алгоритм проверки бисимметричности, основанный на уточнении разбиения состояний, где атакующий и защитник стремятся доказать небисимметричность и бисимметричность соответственно. Реализация выполнена на Python с использованием Data Classes и Sets, предоставляя open-source решение для автоматизации анализа и служит полезным инструментом разработчика. Для удобства использования доступен API и возможность извлечения трасс, демонстрирующих результаты проверки. Он поддерживает работу с конечными пространствами состояний и возвращает результат: "бисимметрично", "небисимметрично" или "неопределено".

Автоматизация настройки среды разработки Claude Code занимает значительное время? Этот навык-помощник позволяет быстро создавать конфигурации, включая команды, skills и другие параметры, непосредственно из текстового запроса. Он избавляет от необходимости ручного редактирования файлов конфигурации, сокращая время на подготовку рабочего окружения. Навык анализирует текстовый запрос пользователя, содержащий инструкции по настройке, и генерирует соответствующие файлы конфигурации. Процесс начинается с интерпретации структуры запроса, где ключевые слова и параметры определяют, какие именно элементы среды должны быть созданы или изменены. Например, указание на необходимость добавления определенной команды приводит к генерации соответствующей записи в файле конфигурации. Поддерживается работа с references/original-prompt.org и SKILL.md, что обеспечивает гибкость и расширяемость. Генерируемые файлы используют формат org для удобства дальнейшего редактирования и интеграции с другими инструментами. Поддерживается генерация временных меток в различных форматах, включая PowerShell (Get-Date -Format "yyyyMMddTHHmmss" и Get-Date -Format "yyyy-MM-dd ddd HH:mm") и POSIX shell (date +%Y%m%dT%H%M%S и date "+%Y-%m-%d %a %H:%M"). Создание директорий для заметок также автоматизировано, используя PowerShell (New-Item -ItemType Directory -Force ~/Documents/notes | Out-Null) или POSIX shell (mkdir -p ~/Documents/notes). Файлы заметок сохраняются с именами, включающими временную метку и текст запроса, в формате ~/Documents/notes/{timestamp}---{}__roundtable.org. Основной стек

SequentialThinking помогает разработчикам структурировать сложные задачи и выявлять потенциальные проблемы на ранних этапах. Инструмент использует итеративный подход, позволяя последовательно анализировать и пересматривать решения. Он разработан как open-source решение с использованием Python и предоставляет инструмент разработчика для автоматизации процесса анализа. Этот подход позволяет избежать дорогостоящих ошибок и повысить эффективность разработки. В основе лежит отслеживание предположений и их корректировка по мере углубления понимания задачи. SequentialThinking способствует большей ясности и уверенности в принимаемых решениях. Его можно интегрировать через API для расширения функциональности.

Модуль taxue-roundtable систематизирует базу знаний навыков, охватывающую распространенные сценарии. Он структурирует информацию, используя последовательность действий: сбор, обучение, решение и анализ карьеры. Решение ориентировано на упрощение процесса приобретения и применения навыков, предоставляя четкие шаги для решения задач и развития профессионального пути.

Автоматизация поиска трендовых тем для контента в Douyin и Xiaohongshu часто оказывается трудоемкой задачей. Этот навык-помощник значительно упрощает этот процесс, предоставляя актуальные данные о популярных запросах и темах, что позволяет контент-мейкерам быстро адаптироваться к меняющимся интересам аудитории и создавать релевантный контент. Он избавляет от необходимости ручного мониторинга и анализа различных источников. Навык использует Python для периодического сбора данных из различных API и веб-источников, включая Douyin и Xiaohongshu. Собранные данные проходят обработку с использованием алгоритмов AI, которые выделяют ключевые тренды и формируют структурированные отчеты. Эти отчеты доступны через API, что позволяет интегрировать их в существующие рабочие процессы и системы автоматизации. Внутренний Bash-скрипт отвечает за планирование и выполнение этих задач, обеспечивая регулярное обновление данных. Результаты предоставляются в формате JSON для удобной обработки и дальнейшей интеграции. Ключевые компоненты включают scripts/douyin_hot_search.py, scripts/newsnow_trends.py и API для доступа к результатам (например, curl http://localhost:3271/api/trends/douyin). AI используется для анализа собранных данных и выявления наиболее значимых трендов. JSON формат обеспечивает удобную структуру данных для дальнейшей обработки и интеграции. Функциональность включает автоматическое формирование отчетов о трендах, основанных на данных из Douyin и Xiaohongshu. Возможность получения подсказок по темам (topicHint) также присутствует.

Навык aod-lens решает задачу маршрутизации проблемных ситуаций к соответствующим методологиям анализа. Он выбирает и применяет заранее определенные подходы для выявления первопричин и поиска решений. Ориентирован на структурированный подход к решению проблем, избегая поверхностных оценок. Навык работает по принципу ключевого слова. Пользователь вводит описание проблемы, содержащее ключевые слова. Скилл сопоставляет эти слова с таблицей соответствий, определенной в конфигурации. Соответствующая методология извлекается из директории docs/core_principles/ и применяется к описанию проблемы. В основе работы лежат: Markdown файлы, содержащие описания методологий, Python для логики маршрутизации и обработки данных, CLI интерфейс для взаимодействия. Используется ключевое слово-ориентированная маршрутизация и набор методологий, таких как "5 Whys", "First Principles", "Pre-Mortem" и другие.

Система buff-system управляет баффами и дебаффами для живых объектов в Oxidus, вычисляя итоговый эффект на основе значений. Она использует C и LPC для динамического применения и отслеживания бонусов/штрафов. Ключевые особенности включают генерацию уникальных тегов и запросы значений баффов/дебаффов, что упрощает автоматизацию игровых процессов. Это open-source решение и полезный инструмент разработчика для работы с игровыми механиками. Данные о баффах и дебаффах хранятся в структурах данных, где класс, тип и уникальный тег определяют конкретный эффект. Тег генерируется с использованием time_ns() для предотвращения коллизий. Использование mapping позволяет эффективно организовывать и извлекать информацию о бонусах. Применение баффов осуществляется через API, возвращая уникальный тег для отслеживания. Система использует Data Structures для организации данных и Mapping для быстрого доступа к ним. C и LPC обеспечивают производительность и интеграцию с игровым движком.

Nixtla анализирует этичность и справедливость проектов машинного обучения. Утилита использует плагин ai-ethics-validator для выявления предвзятостей и оценки метрик справедливости, предлагая стратегии их устранения. В основе решения – Python, Claude Code, StatsForecast, MLForecast и NeuralForecast. Результатом является подробный отчет с рекомендациями по ответственному развитию ИИ.

Автоматизация проверки на предвзятость и соответствие этическим нормам в AI и ML проектах часто оказывается трудоемкой и требует глубоких знаний. Этот навык-помощник решает эту задачу, позволяя Claude автоматически оценивать и улучшать этические аспекты и справедливость моделей. Он предназначен для разработчиков, стремящихся к созданию ответственного и беспристрастного AI. Процесс работы начинается с запроса пользователя, касающегося этики, справедливости или выявления предвзятости в AI проекте. Навык активирует плагин ai-ethics-validator, который проводит анализ предоставленной модели, набора данных или Python кода. Анализ включает в себя выявление потенциальных этических проблем и предвзятостей, используя различные методы и метрики, встроенные в плагин. Результатом является подробный отчет, содержащий описание выявленных проблем, метрики справедливости (например, demographic parity, equal opportunity) и рекомендации по смягчению последствий. Отчет предоставляется пользователю в структурированном виде, облегчая понимание и принятие решений. Claude также может генерировать Python код для реализации предложенных стратегий смягчения. Навык использует Claude Code для обработки запросов и взаимодействия с плагином. Ключевым компонентом является плагин ai-ethics-validator, написанный на Python, который выполняет фактическую оценку этичности. Для анализа временных рядов и выявления потенциальных предвзятостей в данных используется библиотека StatsForecast. Основные характеристики включают: валидацию этичности с использованием плагина ai-ethics-validator, генерацию отчетов о метриках справедливости, а также предложения по стратегиям смягчения предвзятости, основанные на результатах

Автоматизация анализа аргументов и выявления логических ошибок начинается с последовательного задавания уточняющих вопросов. Этот навык-помощник, основанный на принципах философии и научных методов, помогает пользователям критически оценивать утверждения, выявлять скрытые предположения и строить более обоснованные рассуждения. Он предназначен для улучшения качества аргументации в различных контекстах, от написания научных работ до деловых переговоров. Навык генерирует серию вопросов, направленных на прояснение определений, выявление допущений, оценку доказательств, исследование последствий и рассмотрение альтернативных точек зрения, используя структуру, аналогичную Сократовскому методу. Процесс работы модуля начинается с предоставления пользователем исходного утверждения или аргумента. Затем навык анализирует текст и генерирует серию вопросов, соответствующих этапам Сократовского метода. Например, при встрече с утверждением "X является Y", навык может спросить: "Когда вы говорите X, как вы определяете X?", или "Какие предположения лежат в основе этого утверждения?". Далее, навык структурирует аргумент в соответствии со стандартной схемой: ПРЕМИСЫ → ПРАВИЛО ВЫВОДА → ВЫВОД. Пользователь должен предоставить ПРЕМИСЫ и выбрать подходящее ПРАВИЛО ВЫВОДА (например, Modus ponens, Modus tollens, Силлогизм). Навык проверяет, соответствует ли ВЫВОД выбранному правилу и ПРЕМИСАМ. В основе работы лежит анализ текста на естественном языке с использованием методов обработки естественного языка (NLP). Навык использует Python для генерации вопросов и структурирования аргументов. Поддерживаются различные правила вывода (Modus

Утилита оценивает этичность и справедливость проектов машинного обучения, выявляя потенциальные предубеждения и предлагая пути их устранения. Она использует ai-ethics-validator для анализа моделей, наборов данных и кода, а также вычисляет метрики справедливости. В основе работы – Python, StatsForecast, NeuralForecast и Claude Code, предоставляющие детальные отчеты с рекомендациями.

Под-навык dspy: Философия DSPy.

Под-навык в области дизайна интерфейсов: Философия.

Инструмент research-cultural-trends анализирует текущие культурные тенденции и эмоциональные состояния, чтобы выявить возможности для создания вымышленного артиста с реальной аудиторией. Он использует web scraping и Natural Language Processing для обработки больших объемов данных из онлайн-источников. Ключевые технологии включают Python, Data Analysis и Markdown, что делает его полезным инструмент разработчика и open-source решение. Он извлекает информацию о преобладающем настроении, культурных движениях и нарративных тенденциях, выявляя неудовлетворенные эмоциональные потребности и пробелы в контенте. Автоматизация сбора и анализа данных позволяет быстро оценивать эмоциональный zeitgeist и культурные сдвиги. Результаты представлены в удобном формате для дальнейшей разработки. Инструмент помогает определить, какие истории находят отклик у аудитории, какие эпохи вызывают ностальгию и какие регионы переживают культурный подъем. Это ценный ресурс для тех, кто стремится создавать музыку, резонирующую с текущими культурными настроениями.

Утилита find-core-ideas помогает структурировать процесс обучения, выявляя ключевые концепции через активное тестирование зависимостей. Она стимулирует самостоятельный анализ, требуя от пользователя определить базовые идеи, не предоставляя готовой категоризации. Модуль использует подход "первопричинного" мышления, где удаление базовой идеи приводит к разрушению концепции, и где ошибки в тестировании служат источником обратной связи для углубления понимания.

Socratic помогает пользователям проводить самоанализ убеждений посредством структурированных вопросов, избегая прямых указаний. Инструмент использует Claude AI и Prompt Engineering для генерации последовательности вопросов, стимулирующих самостоятельное осмысление. В основе работы лежит Natural Language Processing и Text Generation, что делает его полезным инструментом разработчика для open-source решение задач самопознания и автоматизации процесса рефлексии. Структурированный подход позволяет выявлять скрытые предположения и уточнять понимание, что особенно эффективно при эмоциональной вовлеченности. Метод предполагает позицию "со-исследователя", который искренне стремится понять точку зрения пользователя. Ключевые особенности включают в себя динамическое изменение хода беседы и учет исторического контекста для более глубокого анализа. Skills и Text Generation обеспечивают адаптивность и персонализацию процесса самоанализа.

Суть навыка Этот скилл анализирует исследовательскую инфраструктуру, созданную для качественных исследований с использованием ИИ. Он проверяет согласованность между философскими предположениями, методологией и аналитическими практиками. Решает проблему рассогласования между онтологией, эпистемологией и применяемыми методами, особенно в контексте партнерства между человеком и ИИ. Механика работы Скилл использует трехэтапную методологию и включает четыре специализированных агента. Процесс проверки включает: - Анализ используемого языка для выявления несоответствий заявленной философской позиции. - Оценка соответствия аналитического подхода заявленной эпистемологии. - Выявление противоречий между этапами исследования и общим аналитическим путем. - Проверка на согласованность при использовании ключевых слов, таких как "предположения", "исследовать", "согласованность". Технологии Работает в экосистеме Claude Code. Использует 11 специализированных скиллов для анализа. Основан на принципах NLP и machine learning. Поддерживает constructivist, objectivist и critical realist философские позиции. Анализирует соответствие лексики, например, "construct" vs. "discover". Определяет несоответствия между методами и эпистемологией. Оценивает последовательность этапов исследования. Использует API для взаимодействия с Claude. Предоставляет обратную связь о потенциальных расхождениях. Оптимизирован для выявления тонких несоответствий.

Скилл анализирует код, используя контрольный список критического мышления для выявления и исправления потенциальных проблем. Ориентирован на повышение качества кода посредством систематической оценки. Решает задачу улучшения кода на основе заданных критериев. Скилл применяет контрольный список критического мышления, адаптируясь к конкретным ситуациям, указанным в аргументах. Проводит оценку, выявляя несоответствия и предлагая улучшения. Анализ учитывает специфику контекста, что позволяет выявлять ошибки, такие как off-by-one и null/undefined значения. Использует Bash, Shell Scripting для обработки текста и взаимодействия с Command-Line Tools. Ключевые особенности: контрольный список критического мышления, ситуативный анализ и предложения по улучшению кода. Поддерживает аргументы, позволяющие задать специфические условия анализа.

Философские и педагогические навыки Яна Лекуна.

Утилита YunoAI выступает в роли интеллектуального оппонента, провоцируя критический анализ и ставя под сомнение исходные предположения для решения сложных задач. Она использует Claude AI для генерации ответов, оформленных в Markdown, и управляется скриптами Bash, взаимодействуя с Skills Directory. Ключевые особенности включают протокол "Продуктивного дискомфорта", механизм безопасности и функцию проверки посылок, стимулируя пользователя к конкретным действиям.

Анализируйте и развивайте эмоциональную зрелость, используя научно обоснованную систему из 51 характеристики, охватывающей 7 областей. Используйте эту систему, когда пользователь спрашивает об эмоциональной зрелости, здоровых отношениях, личностном росте, самосовершенствовании, управлении эмоциями, разрешении конфликтов или хочет понять конкретные черты эмоционально зрелых людей. Охватывает эмоциональную регуляцию, навыки построения отношений, разрешение конфликтов, самоидентификацию, эмпатию, устойчивость и установление границ.

Concept-critic помогает выявлять недостатки в концептуальных проектах, проверяя их на соответствие восьми ключевым критериям. Инструмент анализирует логику и обоснованность, используя автоматизацию для выявления слабых мест и неточностей. Он разработан как open-source решение для инструмент разработчика, использующее Python и принципы NLP для критического анализа. Этот инструмент позволяет быстро оценивать концепции, фокусируясь на выявлении пробелов в рассуждениях и недоказанных утверждениях. Он проверяет соответствие концепции заявленным целям и выявляет потенциальные риски на ранних этапах разработки. Использование API позволяет интегрировать его в существующие рабочие процессы. Concept-critic способствует более качественному проектированию, уменьшая вероятность дорогостоящих ошибок в будущем. Он помогает командам улучшить качество концепций, обеспечивая более четкое понимание и обоснованность принимаемых решений. Это ценный вклад в повышение эффективности командной работы.

Модуль создает персонажа для политических ролевых игр и симуляций дебатов, высмеивая лицемерие и уклонение от ответственности. Он генерирует реплики и действия, основанные на логике "Я – Государство", используя шаблонные фразы и защитную реакцию "Не так!". Реализация выполнена на Python с применением AI Agents и Skills Framework, включая механизм "Ultimate Defense Mechanism" и политическую сатиру.

yann-lecun-filosofia решает задачи, связанные с анализом философии и педагогического подхода Яна Лекуна. Инструмент разработчика использует Python и NLP для имитации стиля и словарного запаса Лекуна, применяя метод Сократа и физические аналогии. Это open-source решение с возможностью автоматизации создания контента, основанного на его взглядах на open source, технологическую независимость и научную открытость. Он полезен для тех, кто изучает его работы и стремится понять его точку зрения. Этот модуль позволяет создавать тексты, отражающие философию и педагогический подход Яна Лекуна. Он анализирует его работы, включая взгляды на open source и технологическую независимость. Используя API, он генерирует контент, имитирующий его стиль и словарный запас. yann-lecun-filosofia – это open-source решение для разработчиков, которым требуется автоматизация создания контента в стиле Яна Лекуна. Инструмент использует Python и NLP для генерации текстов, основанных на его философии и педагогических методах. Он особенно полезен для тех, кто изучает его работы и стремится понять его взгляды на науку и технологии.

Скилл предоставляет аргументационную базу для обсуждений и позиций Yann LeCun. Охватывает технические критические замечания к LLM, интеллектуальные противостояния (LeCun против Hinton, Sutskever, Russell, Yudkowsky, Bostrom), полный список опровержений общепринятых утверждений и позицию относительно экзистенциального риска ИИ. Скилл использует аргументы и критику, основанные на принципах, лежащих в основе обучения LLM. Оптимизация функции потерь L_LM = -sum_t log P(x_t | x_1, ..., x_{t-1}) определяет поведение модели, что, по мнению LeCun, приводит к "преувеличенному автозаполнению". Скилл имитирует стиль LeCun – точный, критичный и с французским акцентом. Не требует специфических API или SDK, работает как автономный компонент. Предназначен для специализированных задач, связанных с позициями и аргументами Yann LeCun.