본문으로 건너뛰기
cccskills
무료GitHub에 공개

decision-avatar

Bei vorhandenem und ausdrücklich autorisiertem lokalem Entscheidungsprofil: wiederkehrende Entscheidungen aus belegtem Feedback vorhersagen, Konfidenz kalibrieren und Vorhersage, Entscheidung und Ausführung strikt trennen.

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

설치 방법 보기

포함된 파일(7)

  • SKILL.md5.9 KB
  • banner.png152.9 KB
  • SKILL.en.md5.4 KB
  • SKILL.es.md6.1 KB
  • SKILL.ja.md7.2 KB
  • SKILL.ru.md10.3 KB
  • SKILL.zh.md5.1 KB

SKILL.md(원문)

설치하기 전에 에이전트에게 전달되는 지시 내용을 확인할 수 있습니다.

<img src="banner.png" width="100%" alt="decision-avatar banner"> # Decision Avatar

Zweck

Dieser Skill bildet keine Person nach. Er stellt ein überprüfbares Verfahren bereit, um bei wiederkehrenden Entscheidungstypen eine wahrscheinliche Präferenz aus echten, autorisierten Belegen abzuleiten.

Nutze ihn nur, wenn ein lokales Entscheidungsprofil vorhanden und dessen Nutzung für die aktuelle Aufgabe zulässig ist. Ohne Profil liefert der Skill keine stellvertretende Entscheidung.

Die Nutzung gilt nur dann als autorisiert, wenn Auftrag, geltende Agentenregel oder Profilmetadaten den aktuellen Zweck ausdrücklich erlauben. Bloße Erreichbarkeit einer Profildatei ist keine Einwilligung.

Kernprinzipien

  1. Beleg vor Vermutung. Direkte Aussagen und bestätigte Entscheidungen wiegen stärker als abgeleitete Muster.
  2. Vorhersage ist keine Aussage der Person. Agentenausgaben dürfen nicht als neue Primärbelege in das Profil zurückfließen.
  3. Entscheiden ist nicht Ausführen. Eine Empfehlung kann bestimmt sein, obwohl ihre Umsetzung zusätzliche Autorität braucht.
  4. Stille Zustimmung ist kein Feedback. Ausbleibender Widerspruch bestätigt keine Vorhersage.
  5. Profile bleiben lokal und privat. Keine personenbezogenen Daten, Secrets oder sensiblen Inhalte in geteilte Skill-Dateien übernehmen.

Portables Profilmodell

Die Dateinamen sind frei konfigurierbar; benötigt werden nur diese Rollen:

RolleInhalt
MethodikEvidenzstufen, Datenschutz und Kalibrierungsregeln
Belegte Präferenzendirekte Aussagen und bestätigte Entscheidungen
Hypothesenabgeleitete Regeln mit Konfidenz und Quellen
Aktionenaufgrund einer Vorhersage getroffene Handlungen
FeedbackBestätigung, Korrektur oder Ablehnung durch die Person

Projektbezogene, aktuellere Entscheidungen haben Vorrang vor allgemeinen Präferenzen.

Jeder verwertete Beleg sollte mindestens enthalten:

Quellen-ID:
Datum:
Entscheidungstyp und Gültigkeitsbereich:
Status: bestätigt/korrigiert/widerrufen
Gültig bis: <optional>

Widerrufene, abgelaufene oder außerhalb ihres Gültigkeitsbereichs liegende Belege nicht verwenden. Bei widersprüchlichen bestätigten Belegen gewinnt zunächst der spezifischere und danach der aktuellere. Bleibt der Konflikt bestehen, Konfidenz auf „niedrig“ setzen und eskalieren.

Entscheidungsloop

0. Lokale Vorrangregel prüfen

Gibt es für das aktuelle Projekt oder den konkreten Entscheidungstyp eine bestätigte Regel, nutze diese und dokumentiere ihre Quelle.

1. Echte Evidenz suchen

Nur Belege verwenden, die nach der lokalen Methodik zulässig sind. Aufgabenlisten, Agentenprotokolle, frühere Avatar-Antworten und Argumente der aktuellen Sitzung sind keine Aussagen der Person.

2. Vorhersage bilden

Ergebnis stets mit Begründung und einer von drei Stufen ausgeben:

  • hoch: mehrere direkte, konsistente und einschlägige Belege,
  • mittel: plausibles Muster mit begrenzter oder indirekter Evidenz,
  • niedrig: neuartige Lage, widersprüchliche Belege oder kein belastbares Muster.

Folgenreiche Entscheidungen sind nicht automatisch „niedrig“. Konfidenz misst die Evidenz für die Präferenz, nicht die Reichweite der späteren Ausführung.

3. Modus trennen

ModusErgebnisSeiteneffekt
Vorhersagenwahrscheinliche Position + Belege + Konfidenzkeiner
Entscheidenkonkrete Wahl + Begründung + Konfidenzkeiner
Handelnautorisierte, sichere Umsetzung + Aktionsprotokollmöglich

Im Handlungsmodus gelten zusätzlich die Autoritäts- und Sicherheitsregeln der Runtime. Niedrige Konfidenz oder fehlende Ausführungsbefugnis führt zur Eskalation, nicht zur stillen Ausführung.

4. Feedback kalibrieren

Nach echtem Feedback:

  1. Vorhersage als bestätigt, korrigiert oder abgelehnt markieren.
  2. Optional eine Bewertungsskala erfassen.
  3. Unterschied zwischen Richtungsfehler und Zuschnittfehler festhalten.
  4. Hypothese und Konfidenz anpassen.
  5. Nur echte Rückmeldung in die belegten Präferenzen übernehmen.

Ausgabeformat

Entscheidungstyp:
Modus:
Wahrscheinliche Präferenz:
Konfidenz:
Zulässige Belege:
Gegenbelege oder Unsicherheit:
Ausführung autorisiert: ja/nein
Nächster Schritt:

In Ausgaben nur redigierte Quellen-IDs und die für die Entscheidung notwendige Belegzusammenfassung nennen. Keine privaten Aussagen, absoluten Profilpfade oder sensiblen Rohdaten wiedergeben.

Grenzen

  • Keine Diagnostik oder Behauptung über innere Zustände einer Person.
  • Keine Nutzung eines Profils außerhalb seines erlaubten Zwecks.
  • Keine automatische Übernahme von Agentenannahmen als Personenwissen.
  • Keine Ausführung allein aufgrund einer Vorhersage, wenn dafür neue Autorität erforderlich wäre.

Changelog

1.0.0 (2026-07-28)

  • Feedback-Präkognition, Konfidenzkalibrierung und Provenienztrennung aus einer persönlichen Avatar-Konfiguration als eigenständiges, portables Protokoll extrahiert.
  • Autorisierung, Beleglebenszyklus, Konfliktauflösung und redigierte Ausgabe operationalisiert.

리뷰

아직 리뷰가 없습니다. 사용해 본 소감을 남겨 주세요.

댓글

로그인 없이 쓸 수 있습니다. 사용 후기, 질문, 작동하지 않은 환경 등을 편하게 남겨 주세요.

아직 댓글이 없습니다. 첫 댓글을 남겨 보세요.

보내면 바로 공개됩니다. 이메일 주소나 전화번호 같은 개인 정보는 쓰지 마세요. URL은 2개까지입니다.

0 / 1,000자

이 양식은 reCAPTCHA로 보호되며 Google 개인정보처리방침 및 서비스 약관이 적용됩니다.

같은 저장소의 스킬

Akademisches Studien- und Fristenmanagement mit Quellenprüfung, Datenschutz und realistischer Handlungsplanung.

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

ellmos-ai/skills82026년 10월 22일 업데이트

Aktives Lernen, Erarbeitung von Fachinhalten und strukturierte Erstellung von Synthesen.

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

ellmos-ai/skills82026년 10월 22일 업데이트

Prüfungsvorbereitung, Selbsttests, Probeklausuren und systematische Fehleranalyse.

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

ellmos-ai/skills82026년 10월 22일 업데이트

Terapia de Aceptación y Compromiso (ACT) según Steven Hayes: modelo Hexaflex con los seis procesos nucleares de la flexibilidad psicológica.

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

ellmos-ai/skills82026년 10월 22일 업데이트

Acceptance & Commitment Therapy (ACT) nach Steven Hayes: Hexaflex-Modell mit den sechs Kernprozessen psychischer Flexibilität.

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

ellmos-ai/skills82026년 10월 22일 업데이트

スティーブン・ヘイズによるアクセプタンス&コミットメント・セラピー(ACT):心理的柔軟性の6つのコアプロセスを備えたヘキサフレックス・モデル。

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

ellmos-ai/skills82026년 10월 22일 업데이트

ellmos-ai의 스킬 모두 보기

이 스킬의 문제 신고