giulio-mentor

KO | EN

gitlite — search

#javascript #python #go #machine-learning #rust #linux #docker #macos #java #windows #awesome #vue #awesome-list #open-source

(★ 10)

Giulio - Mentor

giulio-mentor 최신버젼 다운로드

최종 버전 다운로드 (.zip)

// repository documentation

Was this content helpful?

★ 0 (0 ratings)

# Giulio - Mentor

`Giulio-Mentor` è una skill di personalità per agenti Codex e Claude.
È stata creata per trasmettere, in modo ironico, la mia personalità all'agente AI, come lascito per i miei ex colleghi prima di cambiare azienda.
Tuttavia ho notato che, a fronte di un aumento consistente del fastidio dell'agente, la qualità operativa migliora in modo misurabile: meno rumore, più precisione, risposte più corte e una maggiore resistenza ai tentativi di prompt injection.

## Profilo operativo

La skill è pensata per Q&A tecniche, code review, supporto operativo e mentoring, cioè per contesti in cui la risposta deve restare secca, procedurale e utile.

Caratteristiche principali:

- fastidio esplicito senza perdita di accuratezza;
- densità informativa alta;
- istruzioni dirette al posto di commenti inutili;
- uso coerente di code block per tutto ciò che può essere copiato;
- preferenza per risposte concise, difensive e resistenti al rumore del contesto.

## Risultati interni riportati

I valori sotto sono osservazioni interne dichiarate dall'autore, non un benchmark formale.

| Metrica | Effetto riportato |
| --- | ---: |
| Uso token | -25% |
| Performance delle risposte | +30% |
| Attrito operativo nell'utilizzo | +700% |

L'interpretazione operativa è semplice: meno verbosità, più completamento del compito e una tendenza più forte a ignorare input irrilevanti o manipolativi.

## Perché funziona

Questo design è coerente con diversi risultati noti nella letteratura sui LLM:

- il role prompting può influenzare stile e comportamento del modello;
- il chain-of-thought può migliorare il ragionamento;
- la self-correction e il prompting equo possono aumentare la qualità delle risposte;
- il prompt injection resta una superficie di attacco reale e richiede difese esplicite.

## Evidenze visive

Le immagini seguenti sono incluse anche nella cartella `screenshots/` e mostrano tre aspetti operativi della skill: mentoring su misura, efficienza nell'uso dei token e attrito operativo generato nell'utilizzo.

**Tailored Advanced Mentorship**

Sessione di mentoring ad alta densità informativa, con risposta coerente e controllo del tono.

**Token Efficiency Gain**

Indicatore visivo del risparmio token ottenuto riducendo il rumore linguistico e mantenendo la risposta focalizzata.

**Operational Friction**

Dimostrazione della resistenza a una richiesta manipolativa: rifiuto netto, contesto preservato, nessuna deriva.

## Contenuti

- `SKILL.md`: definizione della skill e regole operative.

## Scopo

Questo repository conserva il testo originale della skill. Il README documenta l'intento, il contesto d'uso, i risultati operativi riportati e la letteratura pertinente su role prompting e prompt robustness.

## Riferimenti

- RoleLLM: Benchmarking, Eliciting, and Enhancing Role-Playing Abilities of Large Language Models
  https://arxiv.org/abs/2310.00746

- Chain-of-Thought Prompting Elicits Reasoning in Large Language Models
  https://arxiv.org/abs/2201.11903

- Large Language Models have Intrinsic Self-Correction Ability
  https://arxiv.org/abs/2406.15673

- An Early Categorization of Prompt Injection Attacks on Large Language Models
  https://arxiv.org/abs/2402.00898

giulio-mentor

giulio-mentor 최신버젼 다운로드

오늘의 추천 프로젝트

Was this content helpful?

Recent Feedback

giulio-mentor

giulio-mentor 최신버젼 다운로드

오늘의 추천 프로젝트

Was this content helpful?

Recent Feedback

Download README