Execute heavy parallel reasoning followed by criterion-driven synthesis when single-pass thinking is insufficient. K independent trajectories + dual-mode deliberation (verification/synthesis/hybrid) + cascade detection. Empirically grounded in Wang et al. (2026).
Loading reviews...
Heavy parallel reasoning + criterion-driven synthesis as an inner skill — for problems where one shot is not enough.
🇬🇧 English · 🇧🇷 Português · 🇪🇸 Español
<a id="english"></a>
Most reasoning failures are not failures of intelligence — they are failures of independence. A single reasoning pass collapses into the first plausible framing. HeavyThink forces the model to generate K independent trajectories, then deliberates over them under explicit criteria — turning correctness into something the model has to earn, not merely output.
Empirical basis: Wang et al. (2026), HeavySkill: Heavy Thinking as the Inner Skill in Agentic Harness. Parallel reasoning + sequential deliberation outperforms single-pass and Best-of-N voting on verifiable tasks; deliberation produces correct answers absent from any individual trajectory in ~50% of frontier-model trials.
myclaude install heavy-think
After installation, the skill is available at .claude/skills/heavy-think/. It auto-activates on reasoning-heavy queries and can be invoked explicitly with phrases like "think hard about…", "deliberate on…", or "heavy thinking on…".
Also compatible with: any tool that loads Agent Skills format (SKILL.md + frontmatter) — Cursor, Codex, Gemini CLI, Copilot, and the wider ecosystem.
Yes, if you:
No, if you:
You: "Architect the data layer for a multi-tenant SaaS with strict isolation
and per-tenant analytics. Heavy think this."
HeavyThink (internally):
1. Constraint check: K=5 fits the context window — proceed.
2. Generate 5 independent trajectories (Anatomy / Mechanism / Purpose
/ Context / Trajectory lenses).
3. Mode select: agreement = 0.4 → SYNTHESIS mode.
4. Resolve tensions via criteria (Correctness > Completeness >
Consistency > Elegance > Operability > Robustness).
5. Output answer-first; meta-analysis only on request.
You see: a clear architectural recommendation with confidence level
and one sentence on what would change the conclusion — not a tour
of the deliberation.
What it does: Picks K (parallel trajectories) and N (iterations) based on stakes — Light (3·1) for bounded reversible decisions, Standard (5·1) for most cases, Deep (5–8 · 1–2) for irreversible multi-domain decisions. Why it matters: K=5 always is wasteful on simple tasks and insufficient on hard ones. The calibration heuristic decides in one sequential check, so you stop paying for capacity you don't need.
What it does: Classifies the trajectory landscape before deliberating. ≥75% agreement on verifiable tasks → Verification (validate consensus, mine dissent). <50% agreement → Synthesis (cross-pollinate, may re-derive). Otherwise → Hybrid. Why it matters: Treating all deliberation as synthesis wastes capacity; treating all as verification misses synthesis opportunities. Mode selection matches mechanism to situation — the heart of the empirical gain documented by Wang et al.
What it does: Before Stage 1, computes whether K is viable given the context window (cache ≤ 60%, deliberation budget ≥ 2K tokens, K ≥ 3). Before any iteration N>1, runs a four-check diagnostic that catches contamination cascade — when the model treats its own prior output as authoritative and reasoning weakens. Why it matters: Heavy thinking in a resource vacuum is specification fantasy. The skill aborts to enriched single-pass when K can't fit, and stops iterating the moment reasoning quality degrades — turning an empirically documented failure mode (Wang et al. §5) into a deterministic gate.
| Scenario | Mode | What you get |
|---|---|---|
| Architecture decision with irreversible commit | Deep · Synthesis | Recommendation + named tensions resolved by criterion + High/Moderate/Low confidence + one-sentence "what would change this conclusion" |
| Hard math/algorithm with verifiable answer | Standard · Verification | Boxed answer + verification of consensus reasoning + mined dissent (the rigorous minority that may catch shared blind spots) |
| Diagnostic investigation under uncertainty | Standard · Hybrid | Working hypothesis + ranked alternatives + edge cases the majority missed |
| Multi-stakeholder strategic decision | Deep · Synthesis | Integrated answer absorbing partial truths from each lens + explicit caveat naming what would invalidate it |
| Creative review where strong voice matters | Light · Voice-anchor | Anchored output refined by structural critiques — committee average suppressed |
constraint-check → K parallel trajectories → prune+shuffle cache →
classify mode → deliberate under hierarchical criteria →
confidence → answer
Run scripts/constraint_check.py decides whether K is viable. Fails fast to enriched single-pass when not.Run scripts/mode_select.py classifies the trajectory landscape into Verification / Synthesis / Hybrid based on agreement ratio.heavy-think/
├── SKILL.md # Activation, calibration, pocket reference (≤300 lines)
├── references/ # Lazy-loaded — only when needed
│ ├── stages.md # Full Stage 1+2 protocol + 5 universal lenses + domain catalog
│ ├── failure-modes.md # 6 named failure modes (collapse, cascade, ...)
│ ├── verification.md # Binary checklist before delivery
│ └── advanced.md # Iteration mechanics, dual-model, RLVR, empirical defaults
└── scripts/ # Deterministic gates (stdlib only)
├── constraint_check.py # Cache + K + latency viability
├── mode_select.py # Verification / Synthesis / Hybrid classifier
└── pre_iteration.py # Cascade detection before N>1
The skill follows its own §Protocol-Overload mitigation: SKILL.md body stays ≤300 lines and offloads detail to lazy-loaded references. Strange-loop closed.
pip install needed)| Platform | Status |
|---|---|
| Claude Code | ✅ Native |
| Cursor / Codex / Gemini CLI / Copilot | ✅ Agent Skills format |
| Anthropic API direct | ✅ Use SKILL.md as system prompt fragment |
Source language: English (technical reasoning domain). The skill operates in the user's query language at runtime — output language matches input language by default (per §Output structure). Japanese math problem → Japanese answer. Portuguese strategic question → Portuguese deliberation.
Proprietary. © 2026 l0z4n0. See LICENSE.md.
<a id="português"></a>
A maioria das falhas de raciocínio não é falha de inteligência — é falha de independência. Um único passe de raciocínio colapsa na primeira interpretação plausível. O HeavyThink força o modelo a gerar K trajetórias independentes e então delibera sobre elas sob critérios explícitos — transformando correção em algo que o modelo conquista, não apenas produz.
Base empírica: Wang et al. (2026), HeavySkill. Raciocínio paralelo + deliberação sequencial supera passe único e votação Best-of-N em tarefas verificáveis; a deliberação produz respostas corretas ausentes em qualquer trajetória individual em ~50% dos testes com modelos de fronteira.
myclaude install heavy-think
Após a instalação, a skill fica disponível em .claude/skills/heavy-think/. Ativa automaticamente em consultas com peso de raciocínio e pode ser invocada explicitamente com frases como "pensa pesado sobre…", "delibera sobre…" ou "heavy thinking nisso".
Sim, se você:
Não, se você:
Você: "Arquiteta a camada de dados de um SaaS multi-tenant com isolamento
estrito e analytics por tenant. Heavy think nisso."
HeavyThink (internamente):
1. Verificação de restrições: K=5 cabe na janela de contexto — prossegue.
2. Gera 5 trajetórias independentes (lentes Anatomia / Mecanismo /
Propósito / Contexto / Trajetória).
3. Seleção de modo: concordância = 0.4 → modo SÍNTESE.
4. Resolve tensões por critério (Correção > Completude >
Consistência > Elegância > Operabilidade > Robustez).
5. Saída com resposta primeiro; meta-análise só sob demanda.
Você vê: recomendação arquitetural clara com nível de confiança e
uma frase sobre o que mudaria a conclusão — não um tour pelo
processo deliberativo.
O que faz: Escolhe K (trajetórias paralelas) e N (iterações) com base no risco — Light (3·1) para decisões reversíveis e bounded, Standard (5·1) para a maioria dos casos, Deep (5–8 · 1–2) para decisões irreversíveis multi-domínio. Por que importa: K=5 sempre é desperdício em tarefas simples e insuficiente nas difíceis. A heurística decide em uma checagem sequencial, eliminando capacidade que você não precisa pagar.
O que faz: Classifica o panorama de trajetórias antes de deliberar. ≥75% de concordância em tarefas verificáveis → Verificação (valida consenso, minera dissidência). <50% → Síntese (polinização cruzada, pode re-derivar). Caso contrário → Híbrido. Por que importa: Tratar toda deliberação como síntese desperdiça capacidade; tratar toda como verificação perde oportunidades de síntese. A seleção de modo casa o mecanismo com a situação — o coração do ganho empírico documentado por Wang et al.
O que faz: Antes do Stage 1, computa se K é viável dado o contexto (cache ≤ 60%, budget de deliberação ≥ 2K tokens, K ≥ 3). Antes de qualquer iteração N>1, executa um diagnóstico de quatro checks que captura cascata de contaminação — quando o modelo trata a própria saída anterior como autoritativa e o raciocínio enfraquece. Por que importa: Heavy thinking em vácuo de recursos é fantasia de especificação. A skill aborta para single-pass enriquecido quando K não cabe, e para de iterar no instante em que a qualidade do raciocínio degrada — transformando um modo de falha empiricamente documentado (Wang et al. §5) em portão determinístico.
| Cenário | Modo | O que você recebe |
|---|---|---|
| Decisão arquitetural com commit irreversível | Deep · Síntese | Recomendação + tensões nomeadas resolvidas por critério + confiança Alta/Moderada/Baixa + frase única sobre o que mudaria a conclusão |
| Matemática/algoritmo difícil com resposta verificável | Standard · Verificação | Resposta em \boxed{} + verificação do consenso + dissidência minerada (a minoria rigorosa que pode pegar pontos cegos compartilhados) |
| Investigação diagnóstica sob incerteza | Standard · Híbrido | Hipótese de trabalho + alternativas ranqueadas + edge cases que a maioria perdeu |
| Decisão estratégica multi-stakeholder | Deep · Síntese | Resposta integrada absorvendo verdades parciais de cada lente + caveat explícito sobre o que invalidaria |
| Revisão criativa onde voz forte importa | Light · Voice-anchor | Saída ancorada refinada por críticas estruturais — média de comitê suprimida |
verificação de restrições → K trajetórias paralelas → prune + shuffle cache →
classifica modo → delibera sob critérios hierárquicos →
confiança → resposta
Run scripts/constraint_check.py decide se K é viável. Aborta rápido para single-pass enriquecido quando não.Run scripts/mode_select.py classifica o panorama em Verificação / Síntese / Híbrido baseado em razão de concordância.A skill segue a própria mitigação §Protocol-Overload: corpo do SKILL.md ≤300 linhas, detalhes em referências lazy-loaded. Strange-loop fechado.
pip install)| Plataforma | Status |
|---|---|
| Claude Code | ✅ Nativo |
| Cursor / Codex / Gemini CLI / Copilot | ✅ Formato Agent Skills |
| API Anthropic direta | ✅ Use SKILL.md como fragmento de system prompt |
Idioma fonte: Inglês (domínio de raciocínio técnico). A skill opera no idioma da consulta em runtime — saída casa entrada por padrão. Pergunta em português → deliberação em português. Math problem em japonês → resposta em japonês.
Proprietária. © 2026 l0z4n0. Veja LICENSE.md.
<a id="español"></a>
La mayoría de los fallos de razonamiento no son fallos de inteligencia — son fallos de independencia. Un solo pase de razonamiento colapsa en la primera interpretación plausible. HeavyThink fuerza al modelo a generar K trayectorias independientes y luego delibera sobre ellas bajo criterios explícitos — convirtiendo la corrección en algo que el modelo gana, no solo produce.
Base empírica: Wang et al. (2026), HeavySkill. El razonamiento paralelo + deliberación secuencial supera al pase único y a la votación Best-of-N en tareas verificables; la deliberación produce respuestas correctas ausentes en cualquier trayectoria individual en ~50% de los ensayos con modelos de frontera.
myclaude install heavy-think
Tras la instalación, la skill queda disponible en .claude/skills/heavy-think/. Se activa automáticamente en consultas con peso de razonamiento y puede invocarse explícitamente con frases como "piensa fuerte en…", "delibera sobre…" o "heavy thinking en esto".
Sí, si tú:
No, si tú:
Tú: "Arquitecta la capa de datos de un SaaS multi-tenant con aislamiento
estricto y analytics por tenant. Heavy think esto."
HeavyThink (internamente):
1. Comprobación de restricciones: K=5 cabe en la ventana de contexto.
2. Genera 5 trayectorias independientes (lentes Anatomía / Mecanismo /
Propósito / Contexto / Trayectoria).
3. Selección de modo: acuerdo = 0.4 → modo SÍNTESIS.
4. Resuelve tensiones por criterio (Corrección > Completitud >
Consistencia > Elegancia > Operabilidad > Robustez).
5. Salida con respuesta primero; meta-análisis solo bajo petición.
Tú ves: recomendación arquitectural clara con nivel de confianza
y una frase sobre qué cambiaría la conclusión — no un recorrido
del proceso deliberativo.
Qué hace: Elige K (trayectorias paralelas) y N (iteraciones) según el riesgo — Light (3·1) para decisiones reversibles y acotadas, Standard (5·1) para la mayoría de casos, Deep (5–8 · 1–2) para decisiones irreversibles multi-dominio. Por qué importa: K=5 siempre es derroche en tareas simples e insuficiente en las difíciles. La heurística decide en una verificación secuencial, eliminando capacidad que no necesitas pagar.
Qué hace: Clasifica el panorama de trayectorias antes de deliberar. ≥75% de acuerdo en tareas verificables → Verificación. <50% → Síntesis. En otro caso → Híbrido. Por qué importa: Tratar toda deliberación como síntesis desperdicia capacidad; tratar toda como verificación pierde oportunidades. La selección de modo emparenta el mecanismo con la situación — el corazón de la ganancia empírica documentada por Wang et al.
Qué hace: Antes del Stage 1, computa si K es viable dado el contexto. Antes de cualquier iteración N>1, ejecuta un diagnóstico de cuatro checks que captura cascada de contaminación — cuando el modelo trata su propia salida previa como autoritativa y el razonamiento se debilita. Por qué importa: Heavy thinking en vacío de recursos es fantasía de especificación. La skill aborta a single-pass enriquecido cuando K no cabe, y deja de iterar en el instante en que la calidad del razonamiento degrada.
| Escenario | Modo | Lo que recibes |
|---|---|---|
| Decisión arquitectural con commit irreversible | Deep · Síntesis | Recomendación + tensiones nombradas resueltas por criterio + confianza Alta/Moderada/Baja + frase única sobre qué cambiaría la conclusión |
| Matemática/algoritmo difícil con respuesta verificable | Standard · Verificación | Respuesta en \boxed{} + verificación del consenso + disidencia minada |
| Investigación diagnóstica bajo incertidumbre | Standard · Híbrido | Hipótesis de trabajo + alternativas ranqueadas + edge cases que la mayoría perdió |
| Decisión estratégica multi-stakeholder | Deep · Síntesis | Respuesta integrada absorbiendo verdades parciales de cada lente + caveat explícito |
| Revisión creativa donde la voz fuerte importa | Light · Voice-anchor | Salida anclada refinada por críticas estructurales — promedio de comité suprimido |
comprobación de restricciones → K trayectorias paralelas → prune + shuffle cache →
clasifica modo → delibera bajo criterios jerárquicos →
confianza → respuesta
Mismo loop que arriba: portón de restricciones → Stage 1 paralelo (con cinco lentes universales para Tier 2) → construcción de cache (poda ≤30%, shuffle anti-recencia) → selección de modo determinística → Stage 2 deliberación bajo seis criterios en orden → check crítico (¿podrían TODAS estar mal?) → respuesta primero con confianza explícita.
pip install)| Plataforma | Estado |
|---|---|
| Claude Code | ✅ Nativo |
| Cursor / Codex / Gemini CLI / Copilot | ✅ Formato Agent Skills |
| API Anthropic directa | ✅ Use SKILL.md como fragmento de system prompt |
Idioma fuente: Inglés (dominio de razonamiento técnico). La skill opera en el idioma de la consulta en runtime — la salida iguala la entrada por defecto.
Propietaria. © 2026 l0z4n0. Ver LICENSE.md.
Version: 3.1.1 | License: Proprietary | Author: @l0z4n0
<sub>Quality-validated by MyClaude Studio Engine | Browse marketplace</sub>
Skills→.claude/skills/heavy-think/
One command. No config.