trust-and-liking

信頼と好意

本当の共通点を見つけ、有益な協力を容易にし、偽りの親近感を避けることで、信頼を築きます。好意はコミュニケーションを円滑にしますが、偽りの類似性やお世辞は信頼を損ないます。

クイックスタート

1. guidelines.md を読み、必要最小限の参考資料を選びます。
2. 概念については references/liking/knowledge.md を、運用ルールについては references/liking/rules.md を読み込みます。
3. 繰り返し行うタスクには workflows/build-rapport-without-flattery.md を使用します。
4. 監査では、作用している影響の手がかりと、倫理的な書き換えの両方を示します。

内容

ファイル	目的
references/liking/knowledge.md	中核となる概念と、出典に基づく定義
references/liking/rules.md	ルール、境界、実践的なガイドライン
references/liking/examples.md	実際の状況に応用した悪い例と、より良い例
references/liking/smells.md	検出すべき危険信号とアンチパターン
references/liking/checklist.md	簡易レビュー用チェックリスト
workflows/build-rapport-without-flattery.md	偽りの類似性や操作的なお世辞を避けながら、関係性に基づく説得を改善します。

運用原則

• 正直な根拠だけを使用します。人気、希少性、資格、推薦、社会的なつながりを捏造してはいけません。
• 適切な判断を支援することと、手っ取り早い反応を促すことを区別します。手がかりが偽りの場合は、危険信号として扱います。
• 書き換える際は、ユーザーの主体性を保ちます。重要な判断では、背景情報や選択肢を提示し、決定するための十分な時間を確保します。

出力形式

1. 診断 - 影響の原則または手がかりを明示します。
2. 根拠の確認 - その手がかりを裏付ける証拠があるか、または欠けているかを述べます。
3. リスク - 操作、信頼、判断の質に関するリスクを説明します。
4. 書き換えまたは推奨事項 - 倫理的な代替案を提示します。

検証

evals/evals.json のプロンプトをスモークテストとして使用します。良い結果では、該当する影響の原則を特定し、ユーザーの主体性を保ち、証拠の捏造や強制的な圧力を避けます。