Future Tokens - Reasoning Instruments

Dieci operatori di ragionamento componibili per evidenziare i punti ciechi di un output AI

di jordanrubin · jordanrubin/FUTURE_TOKENS

Promosso ★ 8.0/10

Future Tokens - Reasoning Instruments — Dieci operatori di ragionamento componibili per evidenziare i punti ciechi di un output AI

Cosa fa

Una collezione di dieci operatori di ragionamento nominati e componibili - negspace, excavate, antithesize, dimensionalize, synthesize e altri - ciascuno mirato a un punto cieco specifico in una bozza generata dall'AI. Usalo dopo aver prodotto un'analisi, un piano o una raccomandazione per far emergere argomenti mancanti, assunzioni nascoste, il contro-caso più forte o dimensioni che non stai valutando. Ogni operatore fornisce una definizione procedurale dettagliata con esempi pratici e si collega agli altri.

Rapporto di test

Dieci operatori di ragionamento componibili, ciascuno con un corpo procedurale dettagliato piuttosto che "vibes". Eseguito negspace su un memo di 'strategic realignment' contro una semplice lettura senza skill: la baseline ha raggiunto l'ovvio 'this means layoffs,' ma negspace ha inoltre fatto emergere ombre distinte, taggate per classe, che la baseline aveva perso - un'omissione di opzionalità (nessun team o tempistica nominati, per mantenere la manovrabilità) e un fondamento non dichiarato di shareholder-primacy. Le affermazioni di affidabilità 'works every time' sono aspirazionali, ma i file delle sub-skill sono genuinamente strutturati. Nota che install.sh del repo registra i dieci operatori come skill e slash-commands separati; il comando verificato di seguito installa l'intera collezione sotto un unico slug, mantenendo i file degli operatori raggiungibili dall'indice radice.

Testato il: 2026-07-25 · Claude Code 2.x (agent harness)

Installazione

git clone https://github.com/jordanrubin/FUTURE_TOKENS
mkdir -p ~/.claude/skills
cd FUTURE_TOKENS && cp -r . ~/.claude/skills/future-tokens

Comandi e prompt di esempio

  • /future-tokensDieci operatori di ragionamento componibili per evidenziare i punti ciechi di un output AI

Gli skill si attivano con richieste in linguaggio naturale, senza comandi da ricordare. Dopo l'installazione, prompt come questi lo attivano (in inglese):

  • Run negspace on this strategy memo to find what's missing
  • What blind spots am I not seeing in this recommendation?
  • Antithesize this plan and give me the strongest counter-case