Lentilles Cognitives Multi-Cadres

VérifiéSûr

Appliquez des cadres cognitifs multilingues pour réaborder les tâches complexes avec des modèles de raisonnement ciblés et des vérifications de biais. Déverrouillez des chemins de solution alternatifs grâce à des perspectives disciplinaires et des heuristiques structurées.

Spar Skills Guide Bot
ProductiviteIntermédiaire
11/03/2026
Claude Code
#reasoning#cognitive-frames#bias-checking#decision-making#problem-solving

Recommandé pour

Synthèse automatique

Applique des cadres cognitifs interchangeables (lentilles linguistiques, disciplinaires ou de persona) pour réaborder une tâche complexe sous plusieurs angles et repérer les biais de raisonnement.

Points forts

  • Impose de nommer la lentille, l'heuristique et l'impact attendu à chaque passe, ce qui rend le raisonnement traçable.
  • Limite volontairement à 2-3 lentilles par passe et exige des plafonds de confiance explicites pour éviter les affirmations spéculatives.
  • Fournit des déclencheurs concrets (blocage analytique, impact utilisateur flou, changement risqué) et une liste d'anti-patrons à éviter.
  • Prévoit une phase de synthèse qui compare les lentilles et produit des prochaines étapes hiérarchisées.

Limites

  • Ne produit aucun livrable technique : la sortie reste une analyse et des actions à exécuter ailleurs.
  • La pertinence dépend entièrement du choix des lentilles, laissé à l'appréciation du modèle.
  • S'appuie sur des outils propres à Claude Code (Task, TodoWrite) et sur un MCP mémoire optionnel pour être pleinement exploité.
Quand l'utiliser

À mobiliser quand le raisonnement est bloqué ou qu'un angle mort (sécurité, accessibilité, impact utilisateur) doit être testé avant une décision importante.

Quand l'éviter

À éviter pour une simple clarification de prompt ou la création d'un agent, qui relèvent de skills dédiés en amont et en aval.

Analyse de sécurité

Sûr
Score qualité75/100

The skill is a pure reasoning/reframing procedure. It contains no shell commands, no network calls, no credential handling, no file mutation instructions, and no attempts to disable safety behavior. The declared tool list is broader than needed (Bash/Write/Edit are unused by any phase), which is a least-privilege nit rather than a threat. All guidance stays at the level of naming lenses, citing evidence, and stating confidence ceilings.

Points d'attention
  • •Declares privileged tools (Write, Edit, Bash) that the SOP never actually requires — capability is broader than the task, though no instruction invokes them.
Comment cette analyse est faite

Exemples

Unblock an architecture decision
I keep going back and forth between a managed queue and a self-hosted broker. Apply two opposing lenses (reliability/ops vs. cost and complexity), then give me a synthesis with explicit confidence levels.
Pre-deployment API review
Before we ship the new payments API, run a security red-team lens and a reliability lens on the rollout plan, list the failure paths, and rank the priority actions.
Rewrite a setup guide
Our installation guide is unreadable. Run it through an accessibility lens and an onboarding UX lens, then propose concrete rewrites.

name: cognitive-lensing description: Apply multilingual cognitive frames to re-approach complex tasks with targeted reasoning patterns and bias checks. allowed-tools: Read, Write, Edit, Bash, Glob, Grep, Task, TodoWrite model: sonnet x-version: 3.2.0 x-category: foundry x-vcl-compliance: v3.1.1 x-cognitive-frames:

  • HON
  • MOR
  • COM
  • CLS
  • EVD
  • ASP
  • SPC

L1 Improvement

  • Recast the lensing guide into the Skill Forge section flow with explicit guardrails, patterns, and completion checks.
  • Added prompt-architect style constraint extraction and confidence ceilings to prevent overclaiming from speculative frames.

STANDARD OPERATING PROCEDURE

Purpose

Switch reasoning frames (linguistic, disciplinary, or persona-based) to unlock alternative solution paths and mitigate bias in complex tasks.

Trigger Conditions

  • Positive: stalled reasoning, need for alternative perspectives, bias detection, or creative exploration.
  • Negative/reroute: straightforward prompt rewrites (prompt-architect) or agent creation (agent-creator/agent-creation).

Guardrails

  • Keep outputs in English; cite which lens was applied and why.
  • Do not fabricate expertise—ground lens choice in task constraints and evidence.
  • Limit to 2-3 focused lenses per pass to avoid fragmentation.
  • State confidence ceilings explicitly, especially when using speculative or research lenses.

Execution Phases

  1. Assessment: Capture task intent, constraints, and observed failure modes; classify hard/soft/inferred constraints.
  2. Lens Selection: Choose lenses (e.g., formal proof, UX research, security red-team, socio-technical) mapped to the task.
  3. Application: Re-articulate the problem through each lens with targeted heuristics and checks.
  4. Synthesis: Compare insights, resolve conflicts, and propose next actions with confidence ceilings.

Pattern Recognition

  • Analytical stagnation → apply formal/algorithmic lens.
  • User impact unclear → apply UX research or accessibility lens.
  • Risky changes → apply safety/security lens to uncover failure paths.

Advanced Techniques

  • Use paired lenses (builder vs breaker) to surface hidden assumptions.
  • Run time-boxed divergent thinking followed by convergence synthesis.
  • Feed lens outputs into prompt-architect for clarity before execution.

Common Anti-Patterns

  • Cycling too many lenses without decision.
  • Treating lens opinions as facts; neglecting evidence and ceilings.
  • Ignoring domain constraints when adopting a lens.

Practical Guidelines

  • Name the lens, heuristic, and expected impact in each pass.
  • Keep synthesized recommendations actionable and prioritized.
  • Capture what changed between lenses for traceability.

Cross-Skill Coordination

  • Upstream: prompt-architect to clarify the task.
  • Parallel: recursive-improvement to iterate on stuck areas; meta-tools to compose lens outputs into tools.
  • Downstream: agent-creation/agent-selector to operationalize chosen approach.

MCP Requirements

  • Optional memory MCP to recall past lens effectiveness; tag WHO=cognitive-lensing-{session}, WHY=skill-execution.

Input/Output Contracts

inputs:
  task: string  # required problem statement
  constraints: list[string]  # optional constraints
  target_lenses: list[string]  # optional lens hints (e.g., security, accessibility)
outputs:
  lens_analyses: list[object]  # lens name, insight, risks
  synthesis: summary  # consolidated recommendation
  next_steps: list[string]  # actions derived from lensing

Recursive Improvement

  • Run recursive-improvement when lenses disagree or output is indecisive; focus on evidence gaps and decision criteria.

Examples

  • Apply security red-team + reliability lens to a new API rollout before deployment.
  • Use accessibility + onboarding UX lens to rewrite a complex setup guide.

Troubleshooting

  • Lens produces no new insight → select orthogonal lens or consult domain specialists.
  • Conflicting recommendations → prioritize by risk, effort, and evidence strength.
  • Overconfident claims → restate with ceilings and cite observed data.

Completion Verification

  • [ ] Lenses named with rationale and heuristics applied.
  • [ ] Synthesis provided with prioritized actions and ceilings.
  • [ ] Traceability of changes between lenses captured.
  • [ ] Constraints respected; English-only output.

Confidence: 0.70 (ceiling: inference 0.70) - Lensing SOP rewritten with Skill Forge cadence and prompt-architect ceilings.

Du fichier au premier essai

Le téléchargement contient exactement le contenu affiché sur cette fiche. Cette copie peut différer de la dernière version du dépôt source.

Consulter la source et ses fichiers annexes

Ce téléchargement contient uniquement SKILL.md. Les scripts, références, modèles et dépendances éventuels ne sont pas inclus. Récupérez les fichiers nécessaires depuis la source en conservant leur arborescence avant de poursuivre.

1. Télécharger le fichier

Télécharger SKILL.md

Depuis la racine d’un projet de test, enregistrez le fichier sous .skill-downloads/cognitive-lensing-framework-mmlj2nya/SKILL.md, ou utilisez la commande suivante. Ce dossier sert à examiner la skill avant son installation.

Commande pour macOS/Linux ou WSL : un shell POSIX et curl sont nécessaires. Sous Windows sans WSL, utilisez le bouton de téléchargement et créez le dossier manuellement.

mkdir -p '.skill-downloads/cognitive-lensing-framework-mmlj2nya' && curl --fail --show-error --location 'https://skills-guides.com/api/skills/cognitive-lensing-framework-mmlj2nya/download' --output '.skill-downloads/cognitive-lensing-framework-mmlj2nya/SKILL.md.part' && mv '.skill-downloads/cognitive-lensing-framework-mmlj2nya/SKILL.md.part' '.skill-downloads/cognitive-lensing-framework-mmlj2nya/SKILL.md'

2. Vérifier les prérequis

Lisez SKILL.md avant de l’utiliser. Si le fichier cite des scripts ou services externes, examinez-les et préparez les accès nécessaires dans votre environnement de test.

Outils déclarés par l’auteur (à vérifier dans votre agent) : Read, Write, Edit, Bash, Glob, Grep, Task, TodoWrite

Aucune section de prérequis reconnue dans ce fichier. Cela ne signifie pas qu’il est autonome : les bibliothèques, outils et accès peuvent être cités ailleurs dans le contenu ou dans le dépôt source.

Les plateformes de la fiche sont des indications du catalogue. Les chemins ci-dessous suivent la documentation des outils ; ils ne prouvent pas que cette skill y a été exécutée. Aucune version minimale de ces outils n’est attestée pour cette fiche.

3. Charger la skill

Après vérification, copiez le dossier complet dans le projet avec l’une des commandes ci-dessous, puis ouvrez une nouvelle session de l’outil. La commande s’arrête si un dossier du même nom existe déjà : comparez les fichiers avant de le remplacer.

Claude Code
test -f '.skill-downloads/cognitive-lensing-framework-mmlj2nya/SKILL.md' && test -s '.skill-downloads/cognitive-lensing-framework-mmlj2nya/SKILL.md' && mkdir -p '.claude/skills' && test ! -e '.claude/skills/cognitive-lensing' && cp -R '.skill-downloads/cognitive-lensing-framework-mmlj2nya' '.claude/skills/cognitive-lensing'

OpenSkills

OpenSkills doit déjà être installé. La procédure locale install/read est contrôlée avec OpenSkills 1.5.0, qui exige Node.js ≥ 20.6.0. Aucun slug du catalogue n’est résolu automatiquement.

Installation officielle d’OpenSkills
openskills install './.skill-downloads/cognitive-lensing-framework-mmlj2nya'

openskills read 'cognitive-lensing-framework-mmlj2nya'

La lecture doit afficher le contenu du fichier installé et son dossier de base. Elle ne lance ni la skill ni ses dépendances.

Pour un agent qui lit AGENTS.md, synchronisez ensuite l’index. Cette commande modifie AGENTS.md : relisez le diff avant de l’utiliser.

openskills sync

Mode manuel ou autre outil : joignez SKILL.md à une conversation, ou ouvrez-le dans un agent capable de lire les fichiers. Ajoutez les ressources annexes nécessaires. Il n’existe pas de dossier universel reconnu par tous les outils.

4. Faire un premier essai

Utilisez une entrée courte et fictive : un endpoint d’API, un petit document ou un brief d’interface. Dans une nouvelle conversation, joignez le fichier ou donnez son chemin à l’agent, puis adaptez cette demande :

Lis .skill-downloads/cognitive-lensing-framework-mmlj2nya/SKILL.md et applique ses instructions à cet exemple : [décrire une entrée de test]. Indique les fichiers, dépendances ou accès qui manquent. Produis le résultat demandé par la skill sans inventer de données ni exécuter de script non examiné.

Résultat attendu : une sortie correspondant aux instructions de la skill, ou une liste précise des prérequis manquants. Une simple confirmation de lecture ne valide pas le premier usage. Si une ressource externe est indisponible, ce parcours reste à tester.

Skills similaires