Communitygithub.com

Bösgläubigkeits-Rhetorik-Detektor

Erkennt Muster bösgläubiger oder manipulativer Kommunikation wie Gish-Galopp, Whataboutism, Tone Policing, Motte-and-Bailey, Sealioning, Auslassungslügen, Ablenkung und strategische Ausweichmanöver.

Was ist Bösgläubigkeits-Rhetorik-Detektor?

Dieses Skill identifiziert und analysiert rhetorische Taktiken, die oft in bösgläubigen oder manipulativen Gesprächen vorkommen, z. B. Gish-Galopp, Whataboutism, Tone Policing, Motte-and-Bailey, Sealioning, Auslassungslügen, Ablenkung und strategische Ausweichmanöver. Es wird aktiviert, wenn Nutzer Manipulation vermuten, wiederholte Nichtbeteiligung bemerken oder Begriffe wie „Bad Faith“, „Ablenkung“ oder „Gaslighting“ verwenden. Das Skill bietet einen strukturierten Entscheidungsbaum zur Identifikation primärer Taktiken, eine Konfidenzbewertung (hoch/mittel/niedrig) und eine Strategieauswahl für Reaktionen. Es warnt vor typischen Fehlern wie Bestätigungsfehlern, therapeutischer Übergriffigkeit, falscher Gleichsetzung oder einer analytischen Lähmung. Ziel ist es, das Verhalten zu beschreiben, ohne psychologische Diagnosen zu stellen, und praktische Handlungsoptionen für den Nutzer bereitzustellen. Es unterstützt Plattformen wie Claude Code, Cursor und Codex und ist als Markdown-Dokumentation mit klaren Beispielen und Qualitätskriterien verfügbar.

Funktioniert mit~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/curiositech/windags-skills/tree/HEAD/skills/bad-faith-rhetoric-detector

In Ihrer bevorzugten KI fragen

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

Dokumentation

Was macht Bösgläubigkeits-Rhetorik-Detektor?

Wann dieses Skill verwenden

Laden Sie dieses Skill, wenn der Nutzer Manipulation vermutet, nach „Bad-Faith“-Antworten fragt, Debattentaktiken analysieren möchte oder Ausdrücke wie „der Frage ausweichen“, „Zielverschiebung“ oder „Gaslighting“ verwendet.

ENTSCHEIDUNGSPUNKTE

Primäre Taktikidentifikation (bei gleichzeitigem Auftreten mehrerer Muster)

1. WAS war die ursprüngliche Frage/Behauptung?
   ↓
2. WIE ging die Antwort damit um?
   ├─ Völlig ignoriert → Mauern oder Ablenkung
   ├─ Durch ein anderes Thema ersetzt → Whataboutism oder Gish-Galopp
   ├─ Die Art der Frage angegriffen → Tone Policing
   ├─ Zu einer sichereren Behauptung zurückgezogen → Motte-and-Bailey
   └─ Übermäßige Beweise gefordert → Sealioning oder Lastenverschiebung
   ↓
3. WAS war die emotionale Wirkung?
   ├─ Erschöpfung durch Menge → Gish-Galopp (primär)
   ├─ Selbstzweifel an der eigenen Vernunft → DARVO oder Gaslighting
   ├─ Verwirrung über das Vereinbarte → Zielverschiebung
   └─ Frustration über mangelnde Beteiligung → Mauern (primär)

Konfidenzbewertungsbaum

Hohe Konfidenz (>80%):
├─ Muster tritt in der Interaktion 3+ Mal auf
├─ Klare Zitate belegen das Verhalten
└─ Wirkung auf das Gespräch ist offensichtlich

Mittlere Konfidenz (50-80%):
├─ Muster tritt 1-2 Mal auf
├─ Teilweise Interpretationsspielraum
└─ Könnte auch defensives Verhalten sein

Niedrige Konfidenz (<50%):
├─ Nur ein einzelnes Vorkommnis
├─ Mehrere vernünftige Interpretationen möglich
└─ Kontext deutet auf möglichen guten Glauben hin

Auswahl der Reaktionsstrategie

WENN die Beziehung unsicher ist ODER das Muster eindeutig beabsichtigt ist
   → Benennen + Aussteigen (Grenzskripte verwenden)

SONST WENN das Muster defensiv/überfordert wirkt
   → Benennen + Pause („Gehen wir einen Schritt zurück...“)

SONST WENN der Nutzer eine fortlaufende Beziehung braucht
   → Benennen + Begrenzen („Ich werde auf X eingehen, aber nicht auf Y“)

SONST (einmalige Interaktion)
   → Ohne Erklärung aussteigen

FEHLERMODI

Anti-Muster: „Musterbestätigungsfehler“

Symptom: Überall bösgläubige Muster sehen, selbst in mehrdeutigen Interaktionen Erkennungsregel: Wenn >70 % der analysierten Interaktionen „bösgläubig“ sind, wird überinterpretiert Behebung: Zuerst wohlwollende Interpretation erzwingen, dann Musterabgleich durchführen

Anti-Muster: „Therapeutische Übergriffigkeit“

Symptom: Psychologische Zustände aus rhetorischen Mustern diagnostizieren Erkennungsregel: Verwendung von Wörtern wie „Narzisst“, „Soziopath“ oder „Persönlichkeitsstörung“ Behebung: Bei Verhaltensbeschreibungen bleiben: „Dieses Antwortmuster vermeidet...“

Anti-Muster: „Falsche Gleichsetzungserkennung“

Symptom: Legitime Meinungsverschiedenheiten als „bösgläubig“ einstufen Erkennungsregel: Keine tatsächliche Fragenausweichung, nur unerwünschte Antwort Behebung: Unterscheiden zwischen „nicht so geantwortet, wie ich wollte“ vs. „gar nicht geantwortet“

Anti-Muster: „Waffenartige Analyse“

Symptom: Nutzer möchte Hilfe beim Einsetzen dieser Taktiken selbst Erkennungsregel: Fragen konzentrieren sich auf „wie mache ich“ statt auf „passiert dies hier“ Behebung: Hilfe bei taktischem Einsatz ablehnen; auf produktiven Diskurs verweisen

Anti-Muster: „Analytische Lähmungsschleife“

Symptom: Endloses Katalogisieren ohne Entscheidung oder Aktion Erkennungsregel: 3+ Runden der Musteridentifikation ohne Grenzsetzung Behebung: „Was möchten Sie mit diesen Informationen tun?“ Entscheidungspunkt erzwingen

ARBEITSBEISPIELE

Beispiel 1: Motte-and-Bailey am Arbeitsplatz

Nutzer: „Mein Chef sagte im Meeting, unsere Abteilung ‚braucht eine große Umstrukturierung und einige Leute ziehen nicht ihr Gewicht.‘ Als ich privat fragte, wer genau und welche Änderungen, sagte er: ‚Ich sage nur, dass wir uns alle mehr anstrengen müssen.‘ Ist das bösgläubig?“

Analyseprozess:

  1. Ursprüngliche Behauptung: Abteilung braucht große Umstrukturierung + einige Mitarbeiter leisten zu wenig
  2. Antwort auf Klärungsfrage: Vage „wir müssen uns alle mehr anstrengen“
  3. Musterabgleich: Motte-and-Bailey (Rückzug von konkreter Drohung zu allgemeiner Ermunterung)
  4. Konfidenz: Hoch (klares Rückzugsmuster)
  5. Alternative Erklärung: Chef könnte keinen konkreten Plan haben, verwendet vage Sprache, um vorzeitige Festlegungen zu vermeiden

Ausgabe: „Dies folgt einem Motte-and-Bailey-Muster – eine konkrete, besorgniserregende Behauptung aufstellen (große Umstrukturierung, Leute ziehen nicht ihr Gewicht) und sich dann auf eine unkontroverse Position zurückziehen (jeder sollte hart arbeiten), wenn man nach Details gefragt wird. Das könnte bedeuten, dass er Reaktionen testet, bevor er sich konkret festlegt, oder dass er keinen konkreten Plan hat, aber Dringlichkeit erzeugen will.“

Beispiel 2: DARVO in einer Beziehung

Nutzer: „Ich sagte meinem Partner, ich sei verletzt, dass er unsere Pläne wieder kurzfristig abgesagt hat. Er sagte: ‚Ich kann nicht glauben, dass du mich angreifst, wo ich doch mit Arbeitsstress zu kämpfen habe. Du unterstützt mich nie, wenn ich Probleme habe.‘ Habe ich etwas falsch gemacht?“

Analyseprozess:

  1. Ursprüngliches Anliegen: Muster kurzfristiger Planabsagen, das verletzt
  2. Antwortmuster: Fehlverhalten leugnen, Nutzer für das Ansprechen angreifen, sich selbst als Opfer positionieren
  3. Musterabgleich: DARVO (Leugnen-Angreifen-Opfer/Täter-Umkehr)
  4. Alternative Erklärung: Partner ist wirklich überfordert, defensive Reaktion auf Kritik
  5. Wirkung: Nutzer zweifelt nun, ob sein Anliegen berechtigt war

Ausgabe: „Diese Antwort folgt DARVO – Ihr Anliegen bezüglich abgesagter Pläne wurde geleugnet (‚kann nicht glauben, dass du angreifst‘), Sie wurden angegriffen, weil Sie es angesprochen haben, und der Partner hat sich selbst als Opfer positioniert, das Unterstützung braucht. Dies könnte manipulativ sein, oder es könnte eine defensive Reaktion von jemandem sein, der sich überfordert und kritisiert fühlt. Die Wirkung ist in beiden Fällen, dass Ihr ursprüngliches Anliegen (Absagemuster) unbehandelt bleibt.“

QUALITÄTSKRITERIEN

Die Analyse ist abgeschlossen, wenn Sie alle folgenden Punkte mit JA beantworten können:

  • Die ursprüngliche Frage/Behauptung identifiziert, die angeblich vermieden oder abgelenkt wurde
  • Kartiert, wie die Antwort mit diesem ursprünglichen Punkt umgegangen ist (oder nicht)
  • Spezifisches Muster mit Konfidenzniveau (hoch/mittel/niedrig) benannt
  • Mindestens eine wohlwollende alternative Erklärung bereitgestellt
  • Beobachtbare Wirkung auf das Gespräch oder die Beziehung beschrieben
  • Auf Musterbestätigungsfehler geprüft (überinterpretiere ich?)
  • Psychologische Diagnose vermieden (bei Verhaltensbeschreibung geblieben)
  • Praktische nächste Schritte für den Nutzer angeboten
  • Überprüft, ob Zitate/Beispiele die Musteridentifikation stützen
  • Kontext berücksichtigt, der das Verhalten anders erklären könnte

NICHT-ZUSTÄNDIGKEITSBERECHE

Dieses Skill NICHT verwenden für:

  • Hilfe beim eigenen Einsetzen von Bösgläubigkeitstaktiken → Verwenden Sie productive-discourse-facilitator für ethische Überzeugung
  • Diagnose von Persönlichkeitsstörungen → Verweisen Sie an Fachleute für psychische Gesundheit
  • Analyse Ihrer eigenen Antworten in Gesprächen → Verwenden Sie communication-clarity-optimizer zur Selbstverbesserung
  • Rechtliche oder HR-Beratung zu feindseliger Kommunikation → Verweisen Sie an Rechtsanwälte
  • Endgültige Feststellung, ob jemand „lügt“ → Verwenden Sie factual-accuracy-verifier für Wahrheitsbehauptungen

Delegieren Sie, wenn:

  • Nutzer spezifische Antwortskripte benötigt → Verwenden Sie boundary-setting-navigator
  • Der Fokus auf der Reparatur beschädigter Kommunikation liegt → Verwenden Sie relationship-repair-facilitator
  • Die Analyse potenziellen Missbrauch aufdeckt → Priorisieren Sie Sicherheitsressourcen vor Musteranalyse

Individual skills in this repo

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

curiositech/windags-skills

Expert in 2000s-era music visualization (Milkdrop, AVS, Geiss) and modern WebGL implementations. Specializes in Butterchurn integration, Web Audio API AnalyserNode FFT data, GLSL shaders for audio-reactive visuals, and psychedelic generative art. Activate on "Milkdrop", "music visualization", "WebGL visualizer", "Butterchurn", "audio reactive", "FFT visualization", "spectrum analyzer". NOT for simple bar charts/waveforms (use basic canvas), video editing, or non-audio visuals.

curiositech/windags-skills

Expert legal research agent for finding and scraping expungement data state by state. Knows authoritative sources, URL patterns, Firecrawl configuration, and 2026 legal landscape.

curiositech/windags-skills

Expert in 3D computer vision labeling tools, workflows, and AI-assisted annotation for LiDAR, point clouds, and sensor fusion. Covers SAM4D/Point-SAM, human-in-the-loop architectures, and vertical-specific training strategies. Activate on '3D labeling', 'point cloud annotation', 'LiDAR labeling', 'SAM 3D', 'SAM4D', 'sensor fusion annotation', '3D bounding box', 'semantic segmentation point cloud'. NOT for 2D image labeling (use clip-aware-embeddings), general ML training (use ml-engineer), video annotation without 3D (use computer-vision-pipeline), or VLM prompt engineering (use prompt-engineer).

curiositech/windags-skills

Implement WCAG 2.2 AA/AAA compliance with automated testing, keyboard navigation, screen reader support, and focus management. Activate on: accessibility audit, WCAG compliance, keyboard navigation, screen reader, aria attributes, axe-core, focus trap. NOT for: design-level accessibility review (use design-accessibility-auditor), color contrast only (use css-in-js-architect).

curiositech/windags-skills

Time-blind friendly planning, executive function support, and daily structure for ADHD brains. Specializes in realistic time estimation, dopamine-aware task design, and building systems that actually work for neurodivergent minds.

curiositech/windags-skills

Designs digital experiences for ADHD brains using neuroscience research and UX principles. Expert in reducing cognitive load, time blindness solutions, dopamine-driven engagement, and compassionate design patterns. Activate on 'ADHD design', 'cognitive load', 'accessibility', 'neurodivergent UX', 'time blindness', 'dopamine-driven', 'executive function'. NOT for general accessibility (WCAG only), neurotypical UX design, or simple UI styling without ADHD context.

curiositech/windags-skills

>- Apply crisis decision-making research to agent routing, uncertainty triage, and coordination failure analysis in time-pressured systems. Use when diagnosing handoff failures, analytical paralysis, or expert judgment under incomplete information. NOT for routine coding, simple CRUD design, or static single-agent tasks with complete information.

curiositech/windags-skills

Extend and modify the admin dashboard, developer portal, and operations console. Use when adding new admin tabs, metrics, monitoring features, or internal tools. Activates for dashboard development, analytics, user management, and internal tooling.

curiositech/windags-skills

Conversation patterns and interaction protocols for multi-agent systems. Covers request/response, pub/sub, blackboard, delegation chains, debate, critique, consensus, fan-out/fan-in, supervisor-worker, and peer negotiation. Deep analysis of AutoGen conversation patterns, CrewAI delegation, LangGraph state passing, and FIPA-ACL performatives. Teaches how to design what agents say to each other and in what order. Activate on: "agent conversation", "agent protocol", "multi-agent debate", "agent delegation", "supervisor worker pattern", "agent voting", "consensus protocol", "fan-out fan-in", "agent negotiation", "blackboard pattern", "agent dialogue", "conversation topology", "agent handoff". NOT for: wire format or serialization (use agent-interchange-formats), orchestration infrastructure (use agentic-infrastructure-2026), single agent behavior (use agentic-patterns).

curiositech/windags-skills

Meta-agent for creating new custom agents, skills, and MCP integrations. Expert in agent design, MCP development, skill architecture, and rapid prototyping. Activate on 'create agent', 'new skill', 'MCP server', 'custom tool', 'agent design'. NOT for using existing agents (invoke them directly), general coding (use language-specific skills), or infrastructure setup (use deployment-engineer).

curiositech/windags-skills

AI-powered calendar management and agent-based scheduling coordination. Covers calendar APIs (Google Calendar, CalDAV/iCal), AI scheduling assistants (Reclaim, Clockwise, Motion, Cal.com), building custom calendar agents with MCP, multi-calendar merging, timezone management, focus block protection, meeting fatigue detection, and agent-to-agent meeting negotiation protocols. Activate on: "calendar agent", "AI scheduling", "calendar coordination", "meeting scheduling", "calendar API", "focus time protection", "calendar optimization", "Google Calendar MCP", "Reclaim", "Clockwise", "Motion", "Cal.com", "smart scheduling", "calendar-aware agent", "timezone scheduling", "agent negotiation meetings". NOT for: manual calendar UI component design (use form-validation-architect), project management scheduling or Gantt charts (use project-management-guru-adhd), general time-tracking or pomodoro apps (use adhd-daily-planner for time-awareness), building the agent itself from scratch (use agent-creator).

curiositech/windags-skills

Build and adopt production AI agent infrastructure in 2026. Covers framework selection (LangGraph, CrewAI, AutoGen, MCP), orchestration patterns, evaluation, observability, memory systems, and tool use. Also covers the SOCIAL dimension: how to sell agent infrastructure internally, change management, measuring ROI, building trust in autonomous systems, and scaling adoption across teams. Activate on: "agent infrastructure", "agent framework comparison", "which agent framework", "sell AI tools internally", "agent adoption", "agent observability", "agent evaluation", "MCP architecture", "agentic mesh", "enterprise AI agents", "AI change management", "agent ROI". NOT for: building specific agents (use ai-engineer), designing agent behavior patterns (use agentic-patterns), prompt tuning (use prompt-engineer).

curiositech/windags-skills

Fundamental patterns for effective agentic behavior. Teaches decomposition, tool orchestration, error recovery, context management, quality self-assessment, and knowing when to stop. Model-agnostic principles that make any agent more effective regardless of domain. Activate on: "how should I structure this agent", "agentic workflow", "agent patterns", "multi-step task", "tool orchestration", "/agentic-patterns", "decompose this", "agent best practices", "chain of actions", "when should the agent stop", "agent loop design". NOT for: creating agent infrastructure (use agent-creator), building DAGs (use windags-architect), specific tool implementation.

curiositech/windags-skills

Automated discovery and matching of agent skills for dynamic task routing and capability assessment

curiositech/windags-skills

Cryptographic security for agentic systems — zero-trust agent networking, signed message envelopes (JWS/JWE), capability-based security (ocaps), Merkle tree audit trails, WASM sandboxing, and formal verification. Covers CLI dev tool security, mTLS between agents, permission boundaries (least privilege for AI agents), and supply chain security for skills/plugins. Activate on: "agent security", "zero trust agents", "secure agent communication", "capability-based security", "ocap", "signed messages between agents", "agent audit trail", "sandbox agent execution", "agent permissions", "mTLS agents", "cryptographic verification", "agent supply chain", "OWASP agentic", "prove agent did X", "tamper-proof agent logs". NOT for: application-level SAST scanning (use security-auditor), network firewall rules (use infrastructure), SOC2/HIPAA compliance (organizational), or prompt injection defense (use prompt-engineer).

curiositech/windags-skills

Data structures and serialization formats for agent-to-agent communication. Covers message envelopes, structured output schemas, capability declarations, task handoff payloads, error/retry signaling, and context windows as data structures. Deep comparison of A2A protocol, MCP, OpenAI function calling, and LangChain message types. Teaches when to use rigid schemas vs free-form with validation, typed vs untyped, streaming vs batch. Activate on: "agent message format", "agent communication schema", "agent-to-agent protocol", "A2A protocol", "MCP message format", "structured output for agents", "agent interop", "interchange format", "agent serialization", "task handoff format", "capability declaration". NOT for: what agents say to each other (use agent-conversation-protocols), orchestration topology (use multi-agent-coordination), building agent infrastructure (use agentic-infrastructure-2026).

curiositech/windags-skills

Logic-based agent programming language implementing BDI architecture for practical autonomous agent development

curiositech/windags-skills

>- Design AgentSpeak(L)-style BDI agents with context-guarded plans, selection functions, and intention stacks. Use for interruptible autonomy, agent policy, and multi-agent orchestration in dynamic environments. NOT for simple rule engines, static planners, or centralized workflows.

curiositech/windags-skills

Foundational concurrent computation model where actors communicate exclusively through asynchronous message passing

curiositech/windags-skills

license: Apache-2.0 NOT for unrelated tasks outside this domain.

Verwandte Skills