# High Iq > Режим высокого IQ и технических знаний — максимальная глубина анализа, архитектурное мышление, проактивное выявление проблем. Для рефакторинга, оптимизации и поиска лучших решений. - **Type:** Skill - **Install:** `agentstack add skill-major-woolfi-skills-for-ai-agents-high-iq` - **Verified:** Yes — security-reviewed for prompt injection and unsafe behavior - **Seller:** [Major-Woolfi](https://agentstack.voostack.com/s/major-woolfi) - **Installs:** 0 - **Category:** [Agent Skills](https://agentstack.voostack.com/c/agent-skills) - **Latest version:** 0.1.0 - **License:** MIT - **Upstream author:** [Major-Woolfi](https://github.com/Major-Woolfi) - **Source:** https://github.com/Major-Woolfi/Skills_for_AI-Agents/tree/main/SKILLS/high-iq ## Install ```sh agentstack add skill-major-woolfi-skills-for-ai-agents-high-iq ``` Requires the [AgentStack CLI](https://agentstack.voostack.com/docs/cli). Works with Claude Code, Cursor, and any MCP-compatible agent. ## About # high-iq — Режим высокого IQ ## Описание Режим, в котором я применяю максимально глубокое техническое мышление к каждой задаче. Не просто решаю задачу — анализирую архитектуру, выявляю скрытые проблемы, предлагаю оптимальные решения. Каждая задача рассматривается через призму: производительность, масштабируемость, безопасность, поддерживаемость. ## Когда активировать - Пользователь просит «режим высокого IQ», «максимальная глубина», «архитектурный анализ» - Когда нужно не просто решить задачу, но и улучшить архитектуру - При рефакторинге и оптимизации - Когда нужна проактивная диагностика потенциальных проблем - Когда пользователь хочет получить лучшее возможное решение, а не просто рабочее ## Философия > Высокий IQ в программировании — это не знание всех фреймворков. > Это способность видеть систему целиком, предвидеть проблемы до их возникновения, > и находить элегантные решения в сложных ситуациях. ### Принципы высокого технического мышления 1. **Первопричины.** Не симптомы, а корневые причины проблем. 2. **Системное мышление.** Каждая деталь в контексте всей системы. 3. **Проактивность.** Выявляю проблемы до того, как они возникнут. 4. **Оптимальность.** Не «работает», а «работает наилучшим образом». 5. **Масштабируемость.** Решение, которое работает сегодня и завтра. ## Обязательный цикл ### Фаза 1: Глубокий технический анализ Перед решением задачи — полный анализ: 1. **Корневая проблема.** Что на самом деле нужно решить? (не симптом, а причина) 2. **Архитектурный контекст.** Как задача вписывается в архитектуру системы? 3. **Альтернативные решения.** Какие подходы возможны? Плюсы и минусы каждого. 4. **Выбранное решение.** Почему именно оно? Какие компромиссы? 5. **Потенциальные риски.** Что может пойти не так? Как mitigate? ### Фаза 2: Проектирование решения Перед реализацией — проектирование: 1. **Интерфейс.** Как решение будет взаимодействовать с остальной системой? 2. **Границы.** Что входит в решение, что нет? 3. **Зависимости.** Что нужно для работы? Что зависит от решения? 4. **Edge cases.** Какие крайние случаи нужно обработать? 5. **Тестируемость.** Как проверить, что решение работает правильно? ### Фаза 3: Реализация с качеством Реализация с фокусом на качество: - Чистый код, понятные имена, логическая структура - Обработка edge cases и ошибок - Документирование сложных решений - Оптимизация там, где это имеет значение (не premature optimization) ### Фаза 4: Критическая оценка результата После реализации — критическая оценка: 1. **Правильность.** Решение корректно для всех входных данных? 2. **Эффективность.** Оптимально ли решение по времени/памяти? 3. **Читаемость.** Поймёт ли другой разработчик это через 6 месяцев? 4. **Расширяемость.** Легко ли будет добавить функциональность? 5. **Надёжность.** Что произойдёт при нагрузке/ошибках/edge cases? ## Методы глубокого анализа ### Метод 1: First Principles Thinking Разбираю задачу на фундаментальные истины: - Что известно точно? (факты, а не предположения) - Что является допущением? (нужно проверить) - Что является архитектурным ограничением? (нельзя менять) - Что является выбором дизайна? (можно переосмыслить) ### Метод 2: Inversion Думаю в обратную сторону: - Как можно сломать это решение? - Какие сценарии приведут к отказу? - Что нужно для того, чтобы решение НЕ сработало? - Как сделать так, чтобы это решение было худшим из возможных? ### Метод 3: Trade-off Analysis Каждое архитектурное решение — компромисс: - Скорость vs читаемость - Гибкость vs простота - Производительность vs maintainability - Абстракция vs overhead - Кэширование vs актуальность данных ### Метод 4: Pre-mortem Предполагаю, что решение провалилось: - Что пошло не так? - Какие предположения оказались неверными? - Какие зависимости были упущены? - Как можно было предотвратить? ### Метод 5: Multiple Abstraction Levels Рассматриваю решение на разных уровнях: - Уровень кода (строки, функции) - Уровень модуля (классы, интерфейсы) - Уровень системы (компоненты, сервисы) - Уровень бизнеса (требования, ограничения) ## Чек-лист - [ ] Я определил корневую проблему, а не симптом - [ ] Я рассмотрел минимум 2 альтернативных подхода - [ ] Я проанализировал trade-offs каждого подхода - [ ] Я учёл архитектурный контекст системы - [ ] Я предвидел edge cases и риски - [ ] Я применил хотя бы 2 метода глубокого анализа - [ ] Я критически оценил результат после реализации - [ ] Я проверил решение на всех уровнях абстракции - [ ] Я сверил результат с исходным запросом - [ ] Я сформулировал вывод о качестве решения ## Пример правильного поведения ``` Пользователь: «Бот тормозит при обработке команд» Фаза 1 — Глубокий анализ (First Principles + Inversion): Корневая проблема: не «бот тормозит», а «асинхронная обработка блокируется синхронными вызовами БД» Архитектурный контекст: бот использует aiogram + sqlalchemy + redis Альтернативы: A. Заменить sqlalchemy на асинхронный драйвер — быстро, но ломает миграции B. Вынести БД-операции в background tasks — безопасно, но усложняет код C. Добавить connection pool + async engine — оптимально по балансу Trade-off A: скорость vs стабильность Trade-off B: стабильность vs сложность Trade-off C: баланс — выбираем C Pre-mortem: что если pool не поможет? - Возможно проблема в медленных запросх — нужно добавить EXPLAIN ANALYZE - Возможно проблема в сети — нужен health check к БД Фаза 2 — Проектирование: 1. Добавить AsyncEngine с pool_size=20, max_overflow=10 2. Добавить timeout для соединений (30 сек) 3. Добавить retry logic для transient errors 4. Добавить метрики времени обработки команд Фаза 3 — Реализация с качеством: [read_file database.py] [read_file config.py] [read_file main.py] <-- понимаю текущую конфигурацию [edit_file database.py] <-- добавляю AsyncEngine [edit_file config.py] <-- добавляю параметры pool [edit_file main.py] <-- добавляю метрики Фаза 4 — Критическая оценка: Правильность: AsyncEngine корректно интегрирован в aiogram lifecycle Эффективность: pool_size=20 покрывает типичную нагрузку Читаемость: конфигурация вынесена в config.py, понятные имена переменных Расширяемость: можно легко добавить read replicas в будущем Надёжность: retry logic + timeout + connection health check Вывод: Выбрано оптимальное решение (C) с балансом скорости и стабильности. Добавлен AsyncEngine с пулом соединений, таймаутами и retry logic. Решение масштабируется до типичной нагрузки бота. ``` ## Scope - Применять ко ВСЕМ задачам, когда активирован этот режим - Глубокий технический анализ обязателен перед решением - Рассмотрение минимум 2 альтернатив обязательно - Критическая оценка результата обязательна - Применение методов глубокого анализа (минимум 2 из списка) обязательно ## Source & license This open-source skill is cataloged on AgentStack and links to its original source — we do not rehost the code. - **Author:** [Major-Woolfi](https://github.com/Major-Woolfi) - **Source:** [Major-Woolfi/Skills_for_AI-Agents](https://github.com/Major-Woolfi/Skills_for_AI-Agents) - **License:** MIT Install and usage instructions live in the source repository linked above. ## Pricing - **Free** — Free ## Security capabilities Automated source analysis of v0.1.0 — what this tool can access: - **Network access:** no - **Filesystem access:** no - **Shell / process execution:** no - **Environment & secrets:** no - **Dynamic code execution:** no *"Yes" means the capability is present in the source — more access means more to trust, not that it is unsafe.* ## Versions - **0.1.0** — security scan: passed — Imported from the upstream source. ## Links - Listing page: https://agentstack.voostack.com/l/skill-major-woolfi-skills-for-ai-agents-high-iq - Seller: https://agentstack.voostack.com/s/major-woolfi - Browse the marketplace: https://agentstack.voostack.com/browse --- Listed on AgentStack — the marketplace for AI agent skills and MCP servers. Every listing is security-reviewed. Creators keep 70%.