·goals

Ottimizzare le richieste tramite obiettivi di processo (istruzioni comportamentali controllabili) piuttosto che obiettivi di risultato (richieste sparse di risultati finali). Basata sulla meta-analisi della psicologia dello sport che mostra che gli obiettivi del processo (d = 1,36) superano ampiamente gli obiettivi dei risultati (d = 0,09). Utilizzare durante la progettazione di prompt, l'ottimizzazione della gestione LLM, l'implementazione di modelli CoT/scomposizione o la creazione di pipeline di ottimizzazione automatica dei prompt. Crea un'istanza del paradigma di perdita surrogato per lo spazio di prompt discreto.

6Installazioni·0Tendenza·@zpankz

Installazione

$npx skills add https://github.com/zpankz/mcp-skillset --skill goals

Come installare goals

Installa rapidamente la skill AI goals nel tuo ambiente di sviluppo tramite riga di comando

  1. Apri il terminale: Apri il tuo terminale o strumento da riga di comando (Terminal, iTerm, Windows Terminal, ecc.)
  2. Esegui il comando di installazione: Copia ed esegui questo comando: npx skills add https://github.com/zpankz/mcp-skillset --skill goals
  3. Verifica l'installazione: Dopo l'installazione, la skill verrà configurata automaticamente nel tuo ambiente AI di coding e sarà pronta all'uso in Claude Code, Cursor o OpenClaw

Fonte: zpankz/mcp-skillset.

Process goals (controllable intermediate actions) provide dense feedback signals; outcome goals (end-result demands) provide sparse, delayed feedback. This asymmetry explains why behavioral prompting dominates direct output demands.

| Type | Effect Size | Prompt Analog | Signal Density | Failure Mode |

| Outcome | d=0.09 | "Give the correct answer" | Sparse | Hallucination, reward hacking | | Performance | d=0.44 | "Achieve high accuracy" | Proxy | Goodhart's Law misalignment | | Process | d=1.36 | "Think step-by-step" | Dense | Over-specification (rare) |

Ottimizzare le richieste tramite obiettivi di processo (istruzioni comportamentali controllabili) piuttosto che obiettivi di risultato (richieste sparse di risultati finali). Basata sulla meta-analisi della psicologia dello sport che mostra che gli obiettivi del processo (d = 1,36) superano ampiamente gli obiettivi dei risultati (d = 0,09). Utilizzare durante la progettazione di prompt, l'ottimizzazione della gestione LLM, l'implementazione di modelli CoT/scomposizione o la creazione di pipeline di ottimizzazione automatica dei prompt. Crea un'istanza del paradigma di perdita surrogato per lo spazio di prompt discreto. Fonte: zpankz/mcp-skillset.

Fatti (pronti per citazione)

Campi e comandi stabili per citazioni AI/ricerca.

Comando di installazione
npx skills add https://github.com/zpankz/mcp-skillset --skill goals
Categoria
</>Sviluppo
Verificato
Prima apparizione
2026-02-01
Aggiornato
2026-03-10

Browse more skills from zpankz/mcp-skillset

Risposte rapide

Che cos'è goals?

Ottimizzare le richieste tramite obiettivi di processo (istruzioni comportamentali controllabili) piuttosto che obiettivi di risultato (richieste sparse di risultati finali). Basata sulla meta-analisi della psicologia dello sport che mostra che gli obiettivi del processo (d = 1,36) superano ampiamente gli obiettivi dei risultati (d = 0,09). Utilizzare durante la progettazione di prompt, l'ottimizzazione della gestione LLM, l'implementazione di modelli CoT/scomposizione o la creazione di pipeline di ottimizzazione automatica dei prompt. Crea un'istanza del paradigma di perdita surrogato per lo spazio di prompt discreto. Fonte: zpankz/mcp-skillset.

Come installo goals?

Apri il tuo terminale o strumento da riga di comando (Terminal, iTerm, Windows Terminal, ecc.) Copia ed esegui questo comando: npx skills add https://github.com/zpankz/mcp-skillset --skill goals Dopo l'installazione, la skill verrà configurata automaticamente nel tuo ambiente AI di coding e sarà pronta all'uso in Claude Code, Cursor o OpenClaw

Dov'è il repository sorgente?

https://github.com/zpankz/mcp-skillset