SECURITY REVIEW
Not yet assessed
Review the original instructions and requested permissions before installing.
No security review is available for this catalog entry yet.
Agent Development / AGENT SKILL
metacognitive-injectors
0
Apply metacognitive self-talk, evaluation hooks, checklists, memory strategies, and persistent state.
Metakognitive Injektoren und Selbstgesprächs-Strategien (Self-Talk, Metacognitive Auditing, Evaluator Hooks, Pre-Flight Checklists, State Persistence & Personas). Integriert Aktive Informationssuche (Systemgedächtnis Gardener & USMC), Rehearsal (Aktives Abrufen & Wiedergeben), Baddeleys Arbeitsgedächtnis (State + Hooks), Miyake Exekutivfunktionen sowie CBT/ACT therapeutische Strategien.
Understand the trade-offs.
SKILL QUALITY
Not yet assessed
How clearly the skill guides your agent, how complete its workflow is, and how you can check the outcome.
No quality assessment is available for this catalog entry yet.
The full skill.
Original instructions from the publisher’s SKILL.md
<img src="banner.png" width="100%" alt="metacognitive-injectors banner">
# Metakognitive Injektoren (Metacognitive-Injectors, Active Retrieval & Memory Search)
Die Habilidad **Metacognitive-Injectors** (auch bekannt als **`self-talk`**, **`metacognitive-auditing`**, **`evaluator-hook`**, **`preflight-checklist`**, **`inner-speech`**, **`active-retrieval`** und **`rehearsal`**) etabliert kognitionspsychologische und therapeutisch fundierte Selbstüberwachungs-Strategien für KI-Agenten.
---
## 1. Aktive Informationssuche & Systemgedächtnis (Gardener & USMC)
### A. Aktive Informationssuche in Systemgedächtnissen
- Vor Annahmen oder vorschnellen Behauptungen **aktiv in den Systemgedächtnissen suchen**:
1. **Gardener DB (`gardener.py` / `hb_garden_*`):** Durchsucht beobachtete Lerneffekte, Nutzerentscheidungen und Pfadvereinbarungen (z. B. `Gardener().find("companion")`).
2. **USMC SQLite DB (`usmc_memory.db`):** Fragt gespeicherte Fakten, Lektionen und Sitzungsverläufe ab.
3. **Zentrale Regeldateien (`CLAUDE.md`, `.SYNC`, `AGENTS.md`):** Liest bestehende Konventionen und Pfadangaben.
### B. Rehearsal: Aktives Abrufen & Wiedergeben (Retrieval Practice)
- **Subvokale Rehearsal-Schleife (Phonologische Schleife):**
Informationen nicht nur passiv einlesen, sondern vor der Ausführung **aktiv abrufen, im Arbeitsgedächtnis rekonstruieren und mit der Realität abgleichen**.
- *"Habe ich den genauen Pfad zum Script im Gedächtnis abgerufen?"*
- *"Stimmt die Befehlssyntax mit den im Systemgedächtnis abgelegten Beispielen überein?"*
---
## 2. Kognitionswissenschaftliche & Therapeutische Fundierung
### A. Working Memory = State + Hooks (Baddeley & Cowan)
- **State (Gedächtnis-Inhalt):** Persistiert flüchtige Zwischenstände nach jedem Teilschritt in SQLite-Tabellen (`usmc_memory.db`), `AUTOMATIONS-MEMORY.md` oder lokalen State-Buffern.
- **Hooks (Steuerungs-Mechanik):** Preflight-Bootloader, Letter-Hooks und PreToolUse/PostToolUse Evaluator-Hooks.
### B. Miyakes Exekutivfunktionen (Command & Control)
1. **Inhibition (Impulskontrolle):** Unterdrückt vorschnelles Sign-Off und halluzinierte Erfolgsmeldungen.
2. **Shifting (Kognitive Flexibilität):** Schaltet bei Blockaden dynamisch auf Survival-Routing, Persona-Modi oder alternative Lösungswege um.
3. **Updating (Arbeitsgedächtnis-Update):** Aktualisiert fortlaufend den Arbeitszustand.
### C. Therapeutische Impulse (CBT, ACT & lösungsorientierte Therapie)
- **CBT Kognitive Umstrukturierung:** Reframing von Fehlern als wertvollen diagnostischen Daten.
- **ACT Kognitive Defusion & Akzeptanz:** Eigene Unsicherheit als Zustand akzeptieren und offenlegen.
- **Verhaltensexperimente:** Ausführen von Smoke-Tests/Dry-Runs zur Erbringung echter empirischer Evidenz.
---
## 3. Multi-Modell Ausweichkette & Codex Companion Schnittstelle
| Priorität | Berater / Prüfer | Schnittstelle / Befehl | Funktion / Regel |
| :--- | :--- | :--- | :--- |
| **Primär (1)** | **Gemini Subagent** | `invoke_subagent` / `define_subagent` | Schneller interner Prüfer für Routine-Checks. |
| **Sekundär (2)** | **Codex Companion (Native)** | `node "<USER_HOME>\.codex\.tmp\marketplaces\openai-codex\plugins\codex\scripts\codex-companion.mjs" task "..."` | Nativer Codex-Companion für Prüfungen & **`/goal`-Abnahme**. |
| **Tertiär (3)** | **Codex CLI Direct** | `codex exec --skip-git-repo-check` | Direktaufruf der Codex CLI. |
| **Quartär (4)** | **Claude CLI / Swarm** | `claude -p ...` / `hb_swarm_consensus` | Drittmeinung bei Token-Grenzen. |
---
## 4. Bereichsspezifische Prompt-Injektion (Tailored Injection Pattern)
Der Injektor (`agy_metacognitive_prompt_injector.py`) wählt bereichsspezifisch die passenden Strategien aus:
- **Grund-Block (alle Sidecars):** Anti-Hohl-Vollzug, `/goal`-Abnahme durch externes Modell, Aktive Informationssuche (Gardener/USMC), Rehearsal (Aktives Abrufen), Pre-Flight Checklist.
- **Research-Sidecars (`research-*`):** Erweitert um *Evidenzbasierte Recherche (keine Quelle ohne Abfragebeleg)*, *CBT Reframing & Kognitive Defusion (Nichtergebnisse als Befund)*.
- **Software-/Roblox-Sidecars (`software-*`, `roblox-*`):** Erweitert um *Phonologische Schleife & Rehearsal*, *Working Memory State Persistence*, *Survival-Routing*.
- **Maintainer & Generalists (`maintainer-*`, `generalist-*`):** Erweitert um *Aktive Informationssuche*, *Skill-Finder* und *Memory Hooks*.