به تصمیم گیری در کلود امتیاز دهید اما با مهارت

هنگامی که من برای اولین بار چارچوب ارزیابی-تصمیم- انجام خود را در کلود ادغام کردم، از یک مگا فرمان 24000 کاراکتری استفاده کردم. این به طور قابل توجهی خوب کار می کند – و این اولین آزمایش من بود که چارچوب شناختی انسانی را در LLM به کار برد (به طور بالقوه اولین). به‌روزرسانی اخیر Claude Code چیزی بسیار عمیق را تغییر داد و ابزارهای غیرمنتظره‌ای را برای بهبود پیاده‌سازی من اضافه کرد. اکنون همین فریم ورک با 94 درصد سربار کمتر و با ویژگی هایی اجرا می شود که قبلاً نمی توانستم پیاده سازی کنم.

ADD چیست؟

ارزیابی – تصمیم – انجام یک ایده ساده است: در هر لحظه شما در یکی از سه حالت ذهنی هستید:

• قدردانی کنید – تحقیق می‌کنید، اطلاعات جمع‌آوری می‌کنید، می‌پرسید “اگر چه می‌شد؟”
• تصمیم بگیرید – شما انتخاب می کنید، متعهد می شوید، منابع را تخصیص می دهید
• انجامش بده – شما اجرا، کامل، کامل

این حالات متوالی هستند. بدون ارزیابی اولیه نمی توانید به خوبی تصمیم بگیرید. شما نمی توانید بدون تصمیم قبلی به خوبی اجرا کنید. و وقتی مراحل را رد می کنید – از ایده ای به اجرا می روید بدون اینکه فکر کنید – همه چیز معمولاً خراب می شود.

من این چارچوب را 15 سال پیش ایجاد کردم تا تفکر پراکنده خودم را مدیریت کنم. این یک برنامه iOS (addTaskManager) شد و من در نهایت به این فکر کردم که آیا هوش مصنوعی می تواند این چارچوب را نیز درک کند؟

رویکرد اصلی من: یک نکته بزرگ

اولین ادغام من تقریباً احمقانه بود – یک مگا نکته 24 کیلوبایتی که همه چیز را توضیح می داد: معنای هر منطقه چیست، چگونه می توان گفت کسی در کدام قلمرو قرار دارد، الگوهای زبانی هر حالت را نشان می دهد، چگونه تشخیص دهیم که کسی مسدود شده است، و چگونه به درستی پاسخ دهد.

هر فراخوانی کل زمینه فریم را بارگیری می کند. کلود حتی قبل از اینکه به “سلام” پاسخ دهد، 24000 کاراکتر را می خواند.

کار کرد بله، شگفت آور خوب است. کاربران گزارش می دهند که کلود احساس “همدلی عجیبی” می کند – او می داند که آیا آنها در حال کاوش هستند یا اجرا می کنند و مطابق با آن واکنش نشان می دهد. مخزن github بیش از 60 ستاره دریافت کرد، بیش از 10 بار فورک شد و پست reddit ویروسی شد.

مشکل؟ متن ارزشمند است. بارگیری 24 کیلوبایت دستورالعمل فریم برای هر تبادل به معنای فضای کمتری برای مکالمه واقعی بود. مثل این است که دایره المعارفی را با خود حمل کنید تا پاسخ دهید ساعت چند است.

جایگزینی Megaprompt یکپارچه با مهارت

در ژانویه 2026، کلود کد دستورات و مهارت های اسلش را در یک سیستم واحد ترکیب کرد. دو ویژگی از همه مهمتر بود:

1. افشای تدریجی – مهارت ها فقط در صورت نیاز زمینه را به صورت پویا بارگذاری می کنند
2. پشتیبانی Subagent – مهارت ها می توانند عوامل مجزایی ایجاد کنند که مکالمه اصلی شما را آلوده نمی کنند

این امکان را برای چیزهایی فراهم کرد که ادغام ADD نمی توانست با megaprompt انجام دهد.

معماری جدید

به جای یک اعلان عظیم، چارچوب اکنون دو لایه دارد:

لایه 1: حداقل هسته (~1.5 کیلوبایت)

را CLAUDE.md فایل فقط شامل موارد ضروری است – تعاریف ناحیه، الگوهای تشخیص، تشخیص عدم تعادل. برای کلود کافی است که با آگاهی ADD بدون شارژ کردن همه چیز کار کند.

سطح 2: مهارت های درخواستی

پشتیبانی عمیق در فایل‌های مهارت متمرکزی زندگی می‌کند که فقط در صورت لزوم بارگیری می‌شوند:

.claude/skills/
├── add-flow-check.md    # Automatic status updates
├── add-status.md        # /add-status command
├── add-reflect.md       # Session reflection
├── add-assess.md        # Assess realm support
├── add-decide.md        # Decide realm support
├── add-do.md            # Do realm support
└── add-imbalance.md     # Stuck pattern detection

بیایید به اعداد نگاه کنیم

رویکرد	بار پایه	اضافی
مگاپرومپت (قبل از)	هر بار 26 کیلوبایت	وجود ندارد
مهارت ها (بعد از)	~ 1.5 کیلوبایت	~ 2KB در هر مهارت در صورت نیاز

همین است 94٪ هزینه های زمینه کمتر برای مکالمات معمولی

امکانات جدید

1. دستورات کاربر

کاربران اکنون می توانند به صراحت جریان خود را بررسی کنند:

/add-status

پاسخ:

[ADD Flow: 🟠? Decide | Narrowing phase - 3 options → 1 finalist]

Session Metrics:
- Exchanges this session: 12
- Realm transitions: 3
- Time in current realm: 4 exchanges
- Flow quality: Balanced

پیش از این، کاربران باید می‌پرسیدند که “من در جریان من کجا هستم؟” و امیدوارم کلود به یاد بیاورد که او را ردیابی کند. حالا یک دستور صریح وجود دارد.

2. به روز رسانی خودکار وضعیت

را add-flow-check مهارت توسط مدل فراخوانی می شود – کلود آن را به طور خودکار در مرزهای مکالمه فراخوانی می کند. فایل وضعیت بی صدا به روز می شود و خط وضعیت بصری در پایین کد کلود وضعیت فعلی را نشان می دهد.

پیش از این، از کلود می‌خواست که برای به‌روزرسانی وضعیت، «به خاطر بسپارد». اکنون در سیستم تعبیه شده است.

3. تأمل در یک جلسه زمینه جدا شده

این بزرگترین پیشرفت است. را /add-reflect دستور کل جلسه شما را برای الگوها تجزیه می کند:

/add-reflect

Session reflection captured.

Quick summary:
- Flow quality: Balanced
- Realm focus: Assess-heavy (exploration phase)
- Key insight: Thorough foundation built for upcoming decisions

Full reflection saved to .add-session-history.md

آیسینگ روی کیک: این کار در الف انجام می شود بافت دوشاخه. تجزیه و تحلیل بازتاب – که مستلزم بررسی کل مکالمه است – در یک عامل فرعی جدا شده رخ می دهد. گفتگوی اصلی شما روشن است. فایل تاریخچه در طول زمان انباشته می شود و به شما امکان می دهد الگوها را در جلسات مشاهده کنید.

قبل از عوامل فرعی حامی مهارت، این نوع بازتاب زمینه کاری شما را با متاآنالیز تحت تأثیر قرار می دهد. اکنون کاملاً جدا شده است.

نمونه های عملی

وقتی در حالت تحقیق گیر کرده اید

تصور کنید روی روش های احراز هویت برای 15 صرافی تحقیق کرده اید. نوار وضعیت نشان می دهد:

[ADD Flow: 🔴+ Assess | Circular pattern - revisiting authentication 3x]

مدل به سطح آورده شده و قابل مشاهده است. پاسخ های کلود به آرامی عمق تحقیق را تایید می کند بدون اینکه شما را مجبور به تصمیم گیری قبل از آماده شدن کند.

وقتی خیلی سریع به عملکرد می پرید

شما می گویید “چگونه OAuth را پیاده سازی کنم؟” بدون هیچ زمینه ای کلود این الگو را تشخیص می دهد:

“قبل از اینکه به پیاده سازی بپردازیم، بیایید آنچه را که نیاز دارید بررسی کنیم. چه چیزی نیاز به احراز هویت را ایجاد می کند؟ درک “چرا” به اطمینان از اینکه “چگونه” واقعاً مناسب است کمک می کند.”

را add-imbalance skill این اشاره گرها را فراهم می کند، اما تنها زمانی بارگذاری می شود که مدل کشف شود.

وقتی کاری را تمام می کنی

شما یک کار را تکمیل می کنید. چارچوب این را به عنوان یک “خط زنده” می شناسد – نه یک پایان، بلکه یک شروع جدید:

[ADD Flow: 🟢- Do | Liveline created - completion opening new assessment]

“این انجام شد. این تکمیل چه چیزی را باز می کند؟ در فضایی که ایجاد می کند چه چیزی ظاهر می شود؟”

چرخه به طور طبیعی ادامه می یابد.

این برای یکپارچه سازی چارچوب چه معنایی دارد

تکامل ADD چیزی گسترده تر را نشان می دهد: چارچوب های هوش مصنوعی از همان اصول معماری نرم افزار بهره می برند.

مگاپرامپت یکپارچه بود. کار کرد، اما ناکارآمد بود.

رویکرد مهارت‌ها مدولار است:

• جداسازی مراقبت “هر مهارت یک کار را انجام می دهد.”
• بارگذاری پیشرونده – زمینه بر اساس تقاضا بارگذاری می شود
• عملکرد ایزوله – عوامل فرعی زمینه اصلی را آلوده نمی کنند
• کنترل کاربر – دستورات دسترسی صریح را می دهند

این الگو برای هر چارچوبی که ممکن است با کلود ادغام کنید اعمال می شود. به جای یک درخواست بزرگ، در نظر بگیرید:

1. آگاهی اولیه – حداقل دستورالعمل هایی که هر بار بارگذاری می شوند
2. مهارت های مدولار – پشتیبانی دقیق که در صورت نیاز بارگیری می شود
3. دستورات کاربر – اقدامات صریح که کاربران می توانند تماس بگیرند
4. اتوماسیون پس زمینه – مدل مهارت های احضار که وضعیت را حفظ می کند

اولین قدم ها

اگر می خواهید چارچوب ADD را امتحان کنید:

برای کاربران Claude Code (توصیه می شود)

مخزن را چنگال یا شبیه سازی کنید. معماری مهارت اول به طور خودکار فعال می شود:

• CLAUDE.md حداقل آگاهی هسته (~1.5KB) را بارگیری می کند
• مهارت در .claude/skills/ در صورت تقاضا فعال کنید
• آن را امتحان کنید /add-status و /add-reflect دستورات
• خط وضعیت ردیابی بلادرنگ را تماشا کنید

برای claude.ai یا Claude Desktop

آنها هنوز از مهارت ها پشتیبانی نمی کنند. از روش مگاپرومپت استفاده کنید:

• دانلود کنید docs/ADD_FRAMEWORK_MEGAPROMPT_USER_CONTEXT.md
• آن را به مکالمه خود پیوست کنید یا به دستورالعمل های سفارشی اضافه کنید

Megaprompt هنوز هم عالی کار می کند – فقط به اندازه مهارت ها موثر نیست.

تصویر بزرگتر

چیزی که به عنوان یک چارچوب بهره وری شخصی شروع شد، به یک برنامه iOS، سپس به یکپارچه سازی Claude و اکنون به یک پیاده سازی مهارت های بومی تبدیل شد. هر تکامل چیزی به من آموخت:

• فریم ها زمانی کار می کنند که با طرز فکر مردم مطابقت داشته باشند – ADD موفق می شود زیرا شرایطی را که افراد قبلاً دارند نام می برد
• هوش مصنوعی می تواند چارچوب های شناختی را یاد بگیرد – نه از طریق آموزش، بلکه از طریق اعلان های ساختار یافته
• معماری مهم است – همان منطق زمانی که به درستی مدوله شود بهتر عمل می کند

تجمیع مهارت در Claude Code برای ADD طراحی نشده است. برای توسعه پذیری عمومی طراحی شده است. اما دقیقاً آنچه ADD نیاز دارد را فعال می کند: بارگذاری پویا، دستورات کاربر و بازتاب جدا شده.

گاهی اوقات پلتفرم به گونه ای تکامل می یابد که مورد استفاده خاص شما را به طرز چشمگیری بهتر می کند. این یکی از آن زمان ها بود.

---

منابع

چارچوب ADD منبع باز است و برای استفاده یا تطبیق برای همه در دسترس است. پیاده سازی مهارت با کد کلود از ژانویه 2026 کار می کند.