Communitygithub.com

rekursives-entscheidungsregister

Verwende diesen Skill, wenn wiederholte Ausrollungen, markierte Entscheidungsprozesse, hochdimensionale Suche, stochastische Optimierung, Erkundung lokaler Optima, Ensemble-Vergleiche oder rekursives Denken mit sichtbarer Beweiskette angefordert werden.

Was ist rekursives-entscheidungsregister?

Dieser Skill, das rekursive Entscheidungsregister (Recursive Decision Ledger), ist ein Werkzeug für KI-Agenten in Systemen wie Claude Code, Cursor oder Codex, das strukturierte, wiederholte Entscheidungsprozesse mit transparenter Beweisführung ermöglicht. Er ist besonders nützlich für Benutzer, die tiefgehende Berechnungen durch wiederholte Ausrollungen, „Prime Gauss“-artige rekursive Aufforderungen oder die Erforschung hochdimensionaler Suchräume erzwingen möchten, ohne dass der Eindruck falscher Zusicherung entsteht. Der Skill erfasst jede Ausrollung in einem Ledger (vorzugsweise JSONL für Append-Only-Protokolle oder Markdown für Zusammenfassungen) und speichert Rollout-ID, Zeitstempel, vorherige Gewinner, neu aufgenommene Informationen, Suchraumgröße, verwendete Modellfamilien, Kandidatenbewertungen sowie Kohärenzmarkierungen gegen frühere Ledger-Einträge. Ein strukturierter Rollout-Loop führt die Suche aus, markiert Kandidaten (akzeptieren, beobachten, ablehnen, Beobachtung verfallen lassen oder Wiederholung erforderlich) und wendet Förderregeln an, die Live-Aktionen wie Handel oder Bereitstellungen standardmäßig auf Papier-, Trockenlauf- oder schreibgeschützte Modi beschränken, es sei denn, explizite Benutzerzustimmung und Gatterprüfungen liegen vor. Dadurch wird sichergestellt, dass rekursive Konfidenz niemals als Genehmigung für Live-Schritte missverstanden wird.

Funktioniert mit~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/affaan-m/everything-claude-code/tree/main/skills/recursive-decision-ledger

In Ihrer bevorzugten KI fragen

Öffnet einen neuen Chat, in dem dieser Agent-Skill bereits geladen ist.

Dokumentation

Rekursives Entscheidungsregister

Verwende diesen Skill, wenn der Nutzer tiefere Berechnungen durch wiederholte Ausrollungen oder „Prime Gauss“-artige rekursive Aufforderungen erzwingen möchte. Behalte den nützlichen Teil: wiederholte Versuche, vorherige Erinnerungen, frische Informationen und explizite Markierungen. Entferne den unsicheren Teil: die Vortäuschung, dass die Schleife Gewissheit beweist.

Ledger-Vertrag

Jede Ausrollung sollte Folgendes aufzeichnen:

  • Rollout-ID und Zeitstempel;
  • vorheriger akzeptierter Gewinner und vorherige Beobachtungsliste;
  • neu aufgenommene Informationen;
  • Größe des Suchraums;
  • verwendete Modellfamilien oder Heuristiken;
  • Versuchszahl und effektive Versuchszahl;
  • Top-Kandidaten;
  • Entscheidungsmarkierungen;
  • Kohärenzmarkierungen gegenüber dem vorherigen Ledger;
  • Ergebnis des Fördergatters.

Bevorzuge JSONL für Append-Only-Ledger und Markdown für menschenlesbare Zusammenfassungen.

Rollout-Schleife

  1. Lade das vorherige Ledger.
  2. Erfasse neue Informationen zum Zeitpunkt Null.
  3. Führe die eingeschränkte Suche durch.
  4. Markiere jeden Kandidaten: akzeptieren, beobachten, ablehnen, Beobachtung verfallen lassen oder Wiederholung erforderlich.
  5. Vergleiche Gewinner mit vorherigen Gewinnern und der neuesten markierten Ausrollung.
  6. Stufe Kandidaten herab, wenn Abdrift, Extremrisiko, veraltete Daten oder fehlgeschlagene Wiederholungen die vorherige Markierung ungültig machen.
  7. Füge Artefakte vor der Zusammenfassung an.

Kohärenzmarkierung

Füge eine kompakte Kohärenzmarkierung ein:

Ensemble stimmt mit vorherigem Gewinner überein: true
Rekursiv stimmt mit vorherigem Gewinner überein: false
Neueste Ausrollung stimmt überein: true
Live-Förderung erlaubt: false
Grund: Wiederholungs- und Frischegatter nicht erfüllt

Förderregeln

Für Handel, Kapitalallokation, Produktionsbereitstellungen, Migrationen oder destruktive Operationen ist rekursive Konfidenz keine Genehmigung.

Standardmäßig in Papier-, Trockenlauf-, Schreibgeschützt-, Vorschau- oder gestaffeltem Modus, es sei denn, der Benutzer genehmigt explizit die Live-Aktion und das Repo/Service-Gatter unterstützt dies.

Fördern nur dann, wenn:

  • der Kandidat den vorherigen akzeptierten Gewinner in der gewählten Metrik übertrifft;
  • Korrektheits- und Wiederholungsprüfungen bestanden werden;
  • Risikogrenzen explizit festgelegt sind;
  • die Beweise belastbar sind;
  • der Benutzer den Live-Schritt genehmigt hat, wenn nötig.

Zusammenfassungsform

Beginne mit der Entscheidung, nicht mit dem Drama:

Rolle 15 abgeschlossen. Der vorherige Gewinner hält noch, aber die Kante verschlechterte sich um 17%.
Status: beobachten, nicht live. Nächstes Tor: 20 Wiederholungsfüllungen mit frischem Orderbuchalter unterhalb des Schwellenwerts.

Individual skills in this repo

This repo contains 20 individual skills — each has its own dedicated page.

accessibility

Design, implement, and audit inclusive digital products using WCAG 2.2 Level AA. Use when building or auditing UI that must meet WCAG 2.2 Level AA, or when reviewing a change for keyboard, contrast, or screen-reader support.

affaan-m/claude-api

Anthropic Claude API patterns for Python and TypeScript. Covers Messages API, streaming, tool use, vision, extended thinking, batches, prompt caching, and Claude Agent SDK. Use when building applications with the Claude API or Anthropic SDKs.

affaan-m/everything-claude-code

End-to-end marketing campaign planning and execution. Covers audience research, positioning, campaign angle definition, landing page copy, email sequences, social posts, ad copy, short-form video scripts, and content calendars. Use as the orchestration layer for multi-channel product launches. Use when planning or executing a multi-channel product launch, or producing landing page, email, social, or ad copy.

affaan-m/everything-claude-code

Development conventions and patterns for everything-claude-code. JavaScript project with conventional commits.

affaan-m/everything-claude-code-conventions

Development conventions and patterns for everything-claude-code. JavaScript project with conventional commits.

affaan-m/frontend-design

Create distinctive, production-grade frontend interfaces with high design quality. Use when the user asks to build web components, pages, or applications and the visual direction matters as much as the code quality.

affaan-m/gget

gget CLI and Python workflow for quick genomic database queries, sequence lookup, BLAST-style searches, enrichment checks, and reproducible bioinformatics evidence logs.

affaan-m/literature-review

Systematic literature-review workflow for academic, biomedical, technical, and scientific topics, including search planning, source screening, synthesis, citation checks, and evidence logging.

affaan-m/motion-ui

Production-ready UI motion system for React/Next.js. Use when implementing animations, transitions, or motion patterns.

affaan-m/project-guidelines-example

Example project-specific skill template based on a real production application.

affaan-m/pubmed-database

Direct PubMed and NCBI E-utilities search workflows for biomedical literature, MeSH queries, PMID lookup, citation retrieval, and API-backed literature monitoring.

affaan-m/scholar-evaluation

Structured scholarly-work evaluation for papers, proposals, literature reviews, methods sections, evidence quality, citation support, and research-writing feedback.

affaan-m/uspto-database

USPTO patent and trademark data workflow for official record lookup, PatentSearch queries, TSDR checks, assignment data, and reproducible IP research logs.

agent-architecture-audit

Full-stack diagnostic for agent and LLM applications. Audits the 12-layer agent stack for wrapper regression, memory pollution, tool discipline failures, hidden repair loops, and rendering corruption. Produces severity-ranked findings with code-first fixes. Essential for developers building agent applications, autonomous loops, or any LLM-powered feature. Use when an agent or LLM feature misbehaves and the failing layer is unknown, or before shipping an agent stack.

agent-eval

Head-to-head comparison of coding agents (Claude Code, Aider, Codex, etc.) on custom tasks with pass rate, cost, time, and consistency metrics. Use when choosing between coding agents, or when a change to an agent setup needs measured pass rate, cost, and time rather than an impression.

agent-harness-construction

Design and optimize AI agent action spaces, tool definitions, and observation formatting for higher completion rates. Use when defining or revising an agent

agentic-engineering

Operate as an agentic engineer using eval-first execution, decomposition, and cost-aware model routing. Use when planning or executing engineering work that agents will carry out end to end.

agentic-os

Build persistent multi-agent operating systems on Claude Code. Covers kernel architecture, specialist agents, slash commands, file-based memory, scheduled automation, and state management without external databases. Use when building a persistent multi-agent system on Claude Code with its own memory, commands, and scheduling.

agent-introspection-debugging

Structured self-debugging workflow for AI agent failures using capture, diagnosis, contained recovery, and introspection reports. Use when an agent run fails and you need a reproducible diagnosis instead of a retry.

agent-payment-x402

Add x402 payment execution to AI agents with per-task budgets, spending controls, and non-custodial wallets. Supports Base through agentwallet-sdk and X Layer through OKX Payments / OKX Agent Payments Protocol. Use when an agent must pay for something itself and needs per-task budgets, spending controls, and a non-custodial wallet.

Verwandte Skills