Mestring af Claude Agent Skills - Komplet guide til opbygning af dit AI-arsenal

Øjeblikket hvor jeg forstod, hvad Skills egentlig er

Lad mig fortælle dig en historie. Forestil dig, at du bliver bedt om at mentorere en genial ny medarbejder på arbejdet. Denne person er utrolig klog — den hurtigste lærling, du nogensinde har set, kan forstå næsten alt, hvad du forklarer, taler veltalende om ethvert emne. Men der er ét problem: de kender ikke din virksomheds regler.

Hver morgen sætter du dig ned med dem og forklarer de samme ting. "Sådan formaterer vi rapporter. Dette er vores kodestil. Her er hvem der skal CC'es på hvilke e-mails. Dette er skabelonen for kundeforslag." Og hver morgen, efter frokost, har de på en eller anden måde glemt det hele. Ikke fordi de er dumme — de er geniale. Men de har ingen permanent hukommelse om, hvordan din virksomhed fungerer.

Det er præcis sådan, det føltes at arbejde med AI før i tiden.

Prompts er som at stå ved siden af den nye medarbejder og give mundtlige instruktioner på stedet. "Skriv denne e-mail mere formelt." "Brug punkttegn her." "Tjek denne kode for fejl." Det virker. Men i det øjeblik du lukker samtalen, forsvinder alt. Hver ny chat starter fra nul.

Skills er som at overlevere den interne SOP-manual — en vidensbase-mappe, der indeholder specifikationer, scripts, skabeloner og referencematerialer. Agenten vil slå det op, den har brug for, når den har brug for det. Og afgørende er, at denne manual bevares gennem hver samtale.

Her er den revolutionerende indsigt: Skills er ikke bare smarte prompts. De er et helt andet paradigme. En prompt er reaktiv — du giver en instruktion, du får et svar. En Skill er proaktiv — den sidder der og venter på at blive opdaget og anvendt, når den er relevant, og fungerer på samme måde hver gang.

Hvad en Skill faktisk indeholder

Hver Skill er en mappe, ikke bare en tekstfil. Dette er afgørende at forstå. Inde i den mappe kan du have:

Da jeg først så denne struktur, tænkte jeg: "Vent, det her er som at bygge en lille app." Og det er præcis det. Hver Skill er et selvstændigt evne-modul. Nogle er simple — bare en markdown-fil med korrekturlæsningsregler. Andre er komplekse — komplette med Python-scripts, der behandler data, uploader til servere og genererer rapporter.

Hvornår ankom Skills?

Anthropic frigav Skills til Claude Code i oktober 2025. Først troede jeg, det bare var endnu en funktionsopdatering. Men så skete der noget i december 2025 — de åbnede Skills som en standard via agentskills.io. Pludselig var skills ikke bare en Claude-ting. OpenAIs Codex CLI adopterede den samme arkitektur. Cursor, Codebuddy, OpenCode — alle begyndte at bygge kompatibilitet.

Skills blev de facto-standarden for udvidelse af en AI Agents evner, ligesom MCP hurtigt blev alles protokol for eksterne forbindelser.

Og populariteten? Lad mig sige det sådan her: Repositoriet, der indeholder 50+ Claude skills, nåede 18K stjerner på GitHub. Ordet "Skills" er nu lige så allestedsnærværende i AI-kredse, som "Prompt" var i 2023.

Progressive Disclosure - Hvorfor dette design er genialt

Før jeg forstod progressive disclosure, havde jeg en nagende bekymring: "Hvis jeg installerer 50 skills, vil Claudes kontekst så ikke eksplodere? Vil jeg ikke brænde tusindvis af tokens bare på at indlæse skill-beskrivelser?"

Det er her, Anthropics design-genialitet skinner igennem. De lånte et koncept fra UX-design — progressive disclosure — og anvendte det perfekt på AI-konteksthåndtering.

Trelags indlæsningssystemet

Progressive disclosure betyder indlæsning i faser og efter behov. Claude smider ikke alt ind i konteksten ved opstart. I stedet bruges et trelags system:

Lad os regne på det

Her er en sammenligning, der fik mig til at værdsætte dette design:

Det er en reduktion på 75% i token-forbrug. Og det tæller ikke engang script-fordelen med.

Script-magien

Her efterlader Skills prompts i støvet. Når en Skill inkluderer et script, sker der noget ekstraordinært:

1. Claude genererer kommandoen: python scripts/upload_image.py image.png
2. Scriptet eksekveres lokalt på din maskine
3. Kun outputtet (som f.eks. billedets URL) returneres til Claude

Selve script-koden kommer aldrig ind i konteksten.

Tænk over, hvad det betyder. Du kan skrive et 500-linjers Python-script, der håndterer enhver edge case, med robust fejlhåndtering, logning, genforsøg — alle de ting, der umuligt ville kunne oppuste en prompt. Claude behøver kun at vide "udfør dette script". Kompleksiteten er indkapslet.

Mobilmenu-analogien

Hvis du nogensinde har designet en mobilapp, kender du progressive disclosure indgående. Det er derfor, vi har hamburgermenuer — vi viser ikke brugerne 47 muligheder på én gang. Vi viser et menu-ikon. De trykker. De ser kategorier. De trykker igen. De kommer til den indstilling, de ønsker.

Formålet? Aldrig overbelaste med information. Opdel i fordøjelige bidder. Lad brugere (eller i dette tilfælde AI) fokusere på den aktuelle opgave med minimal kognitiv belastning.

Mennesker kan holde omkring 7±2 stykker information i arbejdshukommelsen. AI, begrænset af token-kontekst, har i bund og grund den samme begrænsning. Progressive disclosure respekterer denne begrænsning i begge tilfælde.

Skills vs MCP vs Subagent - Endelig udredt

Dette spørgsmål har hjemsøgt mig i ugevis. MCP, Skills, Subagent — de virker alle som om de "udvider Claudes evner". Hvad er den reelle forskel? Efter at have bygget med alle tre, har jeg endelig et svar, der giver mening.

Forskellen i én sætning

MCP tillader Claude at røre ved eksterne systemer. Skills fortæller Claude, hvordan den skal bruge det, den rører ved. Subagent sender en anden ud for at gøre arbejdet.

Lad mig pakke det ud med analogier, der faktisk hjalp mig med at forstå:

Sammenligningstabel

Hvornår skal man bruge hvad

Brug MCP, når du skal forbinde til eksterne systemer:

• Forespørge en database
• Kalde tredjeparts API'er
• Læse/skrive Notion, Jira, GitHub, Salesforce
• Adgang til enhver tjeneste, der kræver godkendelse

Brug Skills, når du har gentagne workflows:

• Code review processer med specifikke tjeklister
• Artikelkorrektur med konsekvente stilregler
• Rapportgenerering med standardiserede formater
• Enhver instruktion, du ofte skriver

Brug Subagent, når opgaver er komplekse og kan paralleliseres:

• Gennemgang af hele kodebasen (tidskrævende)
• Behandling af flere uafhængige opgaver på samme tid
• Forhindring af kontekstforurening mellem urelaterede job

Arbejde sammen

Dette er den smukke del: det er ikke konkurrerende teknologier. De er komplementære lag.

Et komplekst workflow kan bruge alle tre:

1. MCP forbinder til Salesforce for at trække salgsdata
2. Skills definerer dataanalyseprocessen — hvordan man beregner metrikker, genererer rapporter
3. Subagent behandler forskellige regionale analyser parallelt

I mit eget skrive-workflow:

• Skills definerer mine korrekturregler og stilguide
• Scripts (pakket i skills) uploader billeder til min hostingtjeneste
• Jeg planlægger at tilføje MCP for at forbinde til min materialedatabase

Hvorfor Simon Willison siger, at Skills kan være større end MCP

Simon Willison er en af de mest respekterede stemmer i AI-udviklerfællesskabet. Da han skrev, at "Skills kunne være en større ting end MCP", lyttede folk efter. Efter måneder med begge dele, forstår jeg præcis, hvorfor han sagde det.

Årsag 1: Token-effektivitet

MCP har et grundlæggende problem: token-oppustethed.

Når du tilslutter en MCP-server, skal Claude forstå, hvad den server kan gøre. Hver tilgængelig funktion, hver parameter, hver returtype — alt skal være i konteksten. Simon bemærkede, at den officielle GitHub MCP-server alene forbruger titusindvis af tokens.

Skills omgår dette elegant. Indlæs kun metadata (100 tokens hver), indlæs derefter fulde instruktioner kun når de aktiveres. Effektivitetsforskellen er svimlende.

Årsag 2: Enkelhedsfordelen

For at bygge en MCP-server skal du:

• Forstå protokolspecifikationen
• Skrive server-side kode
• Konfigurere JSON korrekt
• Håndtere kommunikation og fejltilstande

For at bygge en Skill?

Bare skriv Markdown.

Hvis du kan skrive dokumentation, kan du skrive Skills. Forskellen i tærskel er enorm. Og i teknologi fører lavere barrierer for skabelse altid til eksplosiv vækst.

Årsag 3: Cross-platform kompatibilitet

MCP-servere er ofte vært-specifikke. Noget bygget til Claude Code virker muligvis ikke andre steder uden ændringer.

Skills er bare mapper med Markdown og valgfrie scripts. De afhænger ikke af Anthropics proprietære teknologi. Simon påpegede, at du kan pege den samme Skill-mappe mod Codex CLI, Gemini CLI — det vil fungere selv uden indbygget Skills-understøttelse, fordi skills i deres kerne bare er velstrukturerede instruktioner.

Denne portabilitet er grunden til, at OpenAI vedtog i bund og grund den samme arkitektur i Codex CLI. Skills er ved at blive en universel standard.

Årsag 4: Forudsigelsen om kambrisk eksplosion

"Jeg forudser, at Skills vil bringe en kambrisk eksplosion, der er mere spektakulær end MCP-dillen sidste år."

Hvorfor? Fordi når skabelsestærsklen falder lavt nok, eksploderer community-bidrag. At skrive en MCP-server kræver backend-udviklingsevner. At skrive en Skill kræver viden om at skrive dokumenter.

Vi ser allerede denne forudsigelse gå i opfyldelse. Skill-markedspladser skyder op overalt. GitHub-repositorier oversvømmes med community-bidrag. Økosystemet vokser hurtigere, end nogen forventede.

Min egen observation

Efter måneder med begge teknologier er jeg enig i Simons vurdering. Skills føles mere i overensstemmelse med, hvordan LLM'er naturligt fungerer — forståelse af tekst, følge instruktioner, anvendelse af viden kontekstuelt.

MCP repræsenterer traditionel softwareingeniør-tankegang: definere grænseflader, implementere tjenester, håndtere protokoller.

Skills repræsenterer LLM-native tankegang: skriv klart hvordan man gør noget, lad modellen finde ud af hvornår og hvordan det skal anvendes.

Begge har deres plads. Men Skills kan være det dybere paradigmeskift.

Anatomien af en perfekt Skill

Lad mig guide dig gennem strukturen af en vellavet Skill. Dette er ikke bare teori — forståelse af denne anatomi vil få alt andet i denne guide til at falde på plads.

Mappestruktur

my-skill/
├── SKILL.md                 # Kerneinstruktioner (obligatorisk)
├── scripts/
│   └── process.py           # Eksekverbart script
├── references/
│   └── DETAILED_GUIDE.md    # Detaljeret reference dok
└── assets/
    └── template.md          # Skabelon ressource

SKILL.md filen

Dette er hjertet i din skill. Den har to dele:

---
name: my-awesome-skill
description: Kort forklaring på hvad denne skill gør, og hvornår den skal bruges. Inkluder trigger-nøgleord.
---

# Min super skill

## Instructions

Trin-for-trin guide som Claude skal følge, når denne skill kaldes.

## Examples

Konkrete input/output demonstrationer eller brugsmønstre.

## Guidelines

Enhver form for regler, begrænsninger eller bedste praksis, der skal overholdes.

YAML Frontmatter

Afsnittet mellem --- markørerne er afgørende. Det er det, Claude læser for at beslutte, om din skill skal bruges.

Avancerede Frontmatter-indstillinger

Udover navn og beskrivelse understøtter Skills kraftfulde konfigurationsmuligheder:

Den gyldne regel: 500 linjer

Navngivningskonventioner

Navnet på din mappe er vigtigt. Skal være små bogstaver + bindestreger. Ingen mellemrum. Ingen store bogstaver.

• Godt: hotspot-collector, code-review, ai-proofreading
• Dårligt: Hotspot Collector, codeReview, AI_Proofreading

Oprettelse af din første Skill

Her er mit vigtigste råd: Du behøver ikke selv at skrive Skills.

Lad mig forklare. Værdien af en Skill ligger i det, den indkapsler — dit workflow, din erfaring, din SOP. Det kommer fra dig, forstået gennem faktisk arbejde. Men at omdanne det til en korrekt formateret SKILL.md fil? Lad AI gøre det.

Hvad du skal gøre:

1. Tænk klart over, hvilket problem du vil løse
2. Afklar dit workflow
3. Sørg for tilstrækkelig kontekst og referencematerialer

Så sig til Claude: "Hjælp mig med at oprette en Skill til at udføre XXX." Den vil generere korrekt formaterede filer til dig.

Trin-for-trin: Et simpelt eksempel

Lad os oprette en skill, der lærer Claude at forklare kode ved hjælp af visuelle diagrammer og analogier.

---
name: explain-code
description: Forklarer kode med visuelle diagrammer og analogier. Brug når der skal forklares hvordan kode virker, undervises om en kodebase, eller når brugeren spørger "hvordan virker det her?"
---

Når du forklarer kode, skal du altid inkludere:

1. **Start med en analogi**: Sammenlign koden med noget fra hverdagen
2. **Tegn et diagram**: Brug ASCII-kunst til at vise flow, struktur eller relationer
3. **Gennemgå koden**: Forklar trin-for-trin hvad der sker
4. **Fremhæv en fælde**: Hvad er en almindelig fejl eller misforståelse?

Hold forklaringer i en samtalende tone. For komplekse koncepter, brug flere analogier.

Hvor Skills bor

Placering bestemmer omfang:

Brug af den officielle skill-creator

Anthropic stiller en skill til rådighed specifikt til at skabe skills. Meta, ikke?

Installer den ved at sige til Claude:

Install this skill, project address is: https://github.com/anthropics/skills/tree/main/skills/skill-creator

Når den er installeret, kan du bare sige: "Hjælp mig med at oprette en skill til korrekturlæsning af artikler" og Claude vil bruge skill-creator til at generere alt korrekt.

Omdannelse af hele GitHub til dit personlige arsenal

Her bliver det spændende. Dette er en teknik, der fuldstændig ændrede min måde at tænke på AI-evner.

Her er indsigten: I løbet af tredive år med internettet har utallige geniale programmører løst næsten ethvert problem, du kan forestille dig. De byggede værktøjer, gjorde dem open source og gjorde dem tilgængelige for alle at bruge. Det eneste problem? De fleste af disse værktøjer kræver deployment, kommandolinjeoperationer, miljøopsætning — barrierer, der blokerer almindelige brugere.

Skills kan opløse disse barrierer.

Kernekonceptet

Fordi Skills kan pakke scripts og instruktioner sammen, kan du indkapsle hele open source-projekter i evner, der kan kaldes frem. Kampafprøvet kode, som tusindvis af brugere har finpudset i årevis, bliver en del af din AI's værktøjskasse.

Virkeligt eksempel: Video download

Lad mig gennemgå et virkeligt eksempel. Lad os sige, du ofte har brug for at downloade videoer fra YouTube, Bilibili og andre platforme.

Trin 1: Find det rigtige projekt. Spørg enhver AI: "Er der et open source-projekt på GitHub, der downloader videoer fra forskellige hjemmesider?"

Den vil pege dig på yt-dlp — et legendarisk projekt med 143.000+ stjerner, der understøtter tusindvis af sites.

Trin 2: Pak det som en Skill.

Help me package this open source tool https://github.com/yt-dlp/yt-dlp into a Skill, so that whenever I give a video link, it can help me download the video.

Trin 3: Lad Claude planlægge. Brug Plan-mode først. Claude vil analysere projektet, forstå dets muligheder og stille afklarende spørgsmål om dine præferencer.

Trin 4: Byg og test. Skift til Development-mode. Inden for få minutter vil du have en fungerende Skill til video download.

Trin 5: Iterér baseret på første kørsel. Første gang du bruger enhver skill, der wrapper et open source-værktøj, vil du støde på problemer. YouTube har anti-scraping mekanismer. Du skal måske installere afhængigheder. Dokumentér disse erfaringer og fortæl Claude at opdatere skill'en.

Update all these experiences into the video-downloader skill. Remember the Cookie requirement, the dependency installation, everything we just figured out.

Næste gang? Åbn og download. Øjeblikkeligt.

Flere GitHub-to-Skills ideer

Dette er kun toppen af isbjerget. GitHub er vært for millioner af projekter — årtiers menneskelig genialitet, frit tilgængelig.

Du behøver ikke tre hoveder og seks arme. Du behøver ikke horn i panden. Bag dig står hele menneskehedens akkumulerede viden gennem de sidste årtier. Så længe du vil have det — kan det være dit at kommandere.

Opbygning af et selvudviklende skill-management system

Nu træder vi ind på et område, der tog mig to fulde dage at forstå. Her går Skills fra "nyttige værktøjer" til "levende, voksende evner".

Problemet: Skills pakket fra GitHub-projekter kræver vedligeholdelse. Originale repositories opdateres. Bug fixes sker. Nye funktioner dukker op. I mellemtiden har du brugt din skill og akkumuleret erfaring — "denne parameter virker bedre", "tilføj dette flag for at undgå den fejl". Hvordan styrer du alt dette?

Tredelt løsning

Jeg byggede (med AI-hjælp) en trio af skills, der arbejder sammen for at løse dette:

Versionskontrolproblemet

Her er konflikten, jeg konstant stødte på: Når GitHub opdateres, vil jeg trække den nyeste kode og regenerere SKILL.md. Men jeg har også itereret på min skill baseret på brugserfaring — tweaks, rettelser, præferencer. Disse modifikationer lever også i SKILL.md.

To kræfter, begge modificerer den samme fil, med helt forskellige mål. En katastrofe der venter på at ske.

Løsning: evolution.json

Indsigt: Adskillelse af bekymringer.

GitHub-opdateringer fortsætter med at regenerere den grundlæggende SKILL.md fil. Men al akkumuleret erfaring gemmes i en separat evolution.json fil. Tænk på det som et spil-save. Uanset hvilken version hovedspillet opdateres til, bevarer din save-fil dine fremskridt.

Når SKILL.md overskrives af en ny version, spiller evolution.json sin rolle — den genindsprøjter den akkumulerede visdom tilbage i den friske skill.

yt-dlp-skill/
├── SKILL.md           # Grundlæggende instruktioner (kan regenereres)
├── evolution.json     # Akkumuleret erfaring (bevaret)
└── scripts/
    └── download.sh    # Eksekveringsscript

Styringssvinghjulet

Med disse tre dele på plads, bliver skill-management en selvforstærkende cyklus:

1. Opret nye skills fra GitHub ved hjælp af github-to-skills (med indlejret identitet)
2. Brug skills i dagligt arbejde, stød på edge cases og løsninger
3. Udvikl skills automatisk via skill-evolution-manager (løsninger indfanget)
4. Opdater grundlæggende skills når GitHub repo opdateres via skill-manager
5. Flet evolutionsdata tilbage i opdaterede skills (erfaring bevaret)

Resultat: Skills der virkelig lærer og forbedres. Ikke metaforisk — reelt. Hver gang du bruger dem og løser et problem, bliver de smartere.

Jeg har open-sourcet denne trio på https://github.com/KKKKhazix/Khazix-Skills. Det er ikke perfekt, men det virker. Og det peger mod noget kraftfuldt: morgendagens skills vil ikke være statiske dokumenter. De vil være levende systemer.

Skattekiste-liste over 14 officielle skills

Før du bygger dine egne, så vid hvad der allerede er tilgængeligt. Anthropic vedligeholder et officielt skill-repositorium, der dækker almindelige behov smukt.

Alle skills på: https://github.com/anthropics/skills

Dokumentations-Skills (Closed Source)

Disse driver den dokumentgenerering, du ser i Claude.ai:

Udviklings-Skills (Apache 2.0 Open Source)

Kreative Skills

Kommunikation og Meta Skills

Installationsmetoder

Metode 1: Naturligt sprog

Sig blot til Claude: "Install this skill, project address is: [GitHub URL]"

Metode 2: Plugin Marketplace

# Tilføj officielt repo som markedsplads
/plugin marketplace add https://github.com/anthropics/skills

# Installer skills
/plugin install
# Tab til Marketplace, vælg ønsket pakke

Metode 3: Manuel trækning

Download skill-mappen og placer den i din skills-mappe (~/.claude/skills/ for personlig, .claude/skills/ for projektspecifik).

Kunsten af design-skills - Dybdegående analyse

Efter flere år med UX-design finder jeg de officielle design-skills særligt fascinerende. Lad mig nedbryde de teknikker, der gør dem så succesfulde. Disse mønstre gælder langt ud over design — de er skabeloner for enhver højkvalitets skill.

Teknik 1: Hæv loftet

Skill'en algorithmic-art starter ikke med "hjælp mig med at tegne med p5.js". Den starter med:

"Algorithmic philosophies are computational aesthetic movements that are then expressed through code."

Dette løfter opgaven fra "generer et værk" til "skab en æstetisk genre plus et tilsvarende system af algoritmer". Det minder modellen om, at outputtet skal være systematisk, ikke en engangs-inspiration.

Teknik 2: Totrins-struktur

Begge design-skills bruger en totrins tilgang:

1. Først, skab en Filosofi (konceptuel ramme i .md)
2. Derefter, Udtryk det visuelt (faktisk implementering)

Dette tvinger abstraktion før implementering. Modellen kan ikke falde i lokale optima af "skriv kode, tweak værdier". Konceptet kommer først; koden er bare et udtryk.

Teknik 3: Poetiske + Ingeniørmæssige skabeloner

Skill'en algorithmic-art giver en struktur til at skrive filosofien:

Express how this philosophy manifests through:
- Computational processes and mathematical relationships
- Noise functions and randomness patterns
- Particle behaviors and field dynamics
- Temporal evolution and system states
- Parametric variation and emergent complexity

Bemærk: hvert punkt er både æstetisk sprog OG teknisk objekt. "Noise functions" kortlægges direkte til kode. "Particle behaviors" kan implementeres. Dette bygger bro mellem vision og eksekvering.

Teknik 4: Koncept-frøet

Én genial indsigt fra officielle skills:

"Konceptet er en subtil, niche-reference indlejret i selve algoritmen — ikke altid bogstavelig, altid sofistikeret. Tænk som en jazzmusiker, der citerer en anden sang gennem algoritmisk harmoni."

Brugertemaer bør indlejres i parametre, adfærd, mønstre — ikke skrevet på skærmen. Vis respekt, men skjul det dybt. De der ved det, vil føle det; de der ikke ved det, vil bare synes det ser godt ud.

Teknik 5: Brug af skabeloner med frihedszoner

Skills definerer klart hvad der er FAST (layout, brand, kontroller) og hvad der er VARIABELT (algoritme, parametre, farver). Dette sikrer:

• Hvert output har en konsistent UI-oplevelse
• Modellen ved præcis hvor den kan/ikke kan ændre
• Reducerer uventede "overraskelser" fra overdreven kreativ fortolkning

Teknik 6: Håndværk som tjekliste

Skill'en canvas-design koder professionelle standarder som verificerbare regler:

• Intet falder af siden
• Intet overlapper
• Korrekte margener er ikke til forhandling
• Tekst er altid minimal og visuelt først

Dette oversætter tavs professionel viden til eksplicitte adfærdsbegrænsninger. Modellen kan verificere sit arbejde mod konkrete kriterier.

Teknik 7: Subtraktion, ikke addition

Det sidste forfinelsestrin er genialt:

"For at forfine arbejdet, undgå at tilføje mere grafik; forfin i stedet det, der er skabt. Hvis instinktet er at kalde en ny funktion eller tegne en ny form, STOP."

Dette koder "de sidste 10% håndværk", der adskiller amatøren fra den professionelle. Når instinktet siger "tilføj mere", spørg i stedet: Hvad kan slettes? Hvad kan justeres, flettes, styrkes?

Design af din skill-biblioteksarkitektur

Med snesevis af skills betyder organisering noget. Her er hvordan jeg tænker om strukturering af et skill-bibliotek, der skalerer.

Hvorfor opdele skills?

Folk spørger ofte: "Kan jeg ikke bare skrive én stor skill, der gør alt?"

Nej. Tre grunde:

Skill-typemønstre

Jeg har fundet fire mønstre, der dækker de fleste use cases:

Mit skrive-skill system

Som et konkret eksempel, her er hvordan jeg strukturerede skills til skrivning:

P0 Kerne-skills (Hver artikel)

• ai-proofreading: Tre-pass proces for at sænke AI-detektionsscore. Trigger: "proofread", "too AI"
• image-illustration: Generer billede + upload til hosting + returner markdown. Trigger: "illustrate", efter korrekturlæsning

P1 Regelmæssige skills (De fleste artikler)

• topic-generator: Generer emneideer baseret på trends. Trigger: "give me topics"
• long-to-x: Konverter lang form til Twitter tråde. Trigger: "convert to X content"
• research-collector: Saml og organiser researchmaterialer. Trigger: "research [topic]"

P2 Lejlighedsvise skills

• headline-generator: Lav opmærksomhedsskabende overskrifter. Trigger: "title ideas"
• seo-optimizer: Optimer til søgemaskiner. Trigger: "SEO", "optimize for search"

Fejlhåndtering i Skills

Det eksploderende skill-økosystem

Da jeg først kiggede på Skills i sidste måned, fandt jeg en håndfuld repositories. Nu? Økosystemet er eksploderet. Der er dedikerede markedspladser, kuraterede biblioteker og titusindvis af community-bidragede skills.

Officielle startpunkter

Anthropic Dokumentation: https://code.claude.com/docs/en/skills

Klare trin-for-trin guider til oprettelse og brug af skills.

Officielt Repository: https://github.com/anthropics/skills

14 officielle skills plus eksempler.

Agent Skills Standard: https://agentskills.io

Åben standardspecifikation. Hvis du vil forstå den fulde tekniske spec, start her.

Community Markedspladser

Kuraterede Samlinger

smithery.ai/skills — Ikke mange, men hver enkelt er kvalitetstjekket.

awesome-claude-skills på GitHub — Manuelt kurateret liste. Høj kvalitet, ofte opdateret.

Multi-Tool Biblioteker

mcpservers.org/claude-skills — Sætter MCP-servere og Claude Skills sammen. Unikt perspektiv på økosystemet.

claudemarketplaces.com — Markedsplads-bibliotek. "Markedspladsernes markedsplads."

Avancerede mønstre og professionelle teknikker

For dem der er klar til at gå dybere, er her mønstre jeg har opdaget gennem omfattende brug.

Dynamisk kontekst-injektion

Syntaksen !`command` eksekverer shell-kommandoer før skill-indholdet når Claude. Outputtet erstatter pladsholderen.

---
name: pr-summary
description: Summarize changes in a pull request
context: fork
agent: Explore
---

## Pull request context
- PR diff: !`gh pr diff`
- PR comments: !`gh pr view --comments`
- Changed files: !`gh pr diff --name-only`

## Your task
Summarize this pull request...

Forgrenet eksekvering (Subagent Integration)

Tilføj context: fork for at køre en skill i isolation. Skill-indholdet bliver den prompt, der lancerer subagenten.

---
name: deep-research
description: Research a topic thoroughly
context: fork
agent: Explore
---

Research $ARGUMENTS thoroughly:

1. Find relevant files using Glob and Grep
2. Read and analyze the code
3. Summarize findings with specific file references

Argument-substitution

Send dynamiske værdier ind i skills ved hjælp af $ARGUMENTS eller positionelle $0, $1, osv.

---
name: migrate-component
description: Migrate a component from one framework to another
---

Migrate the $0 component from $1 to $2.
Preserve all existing behavior and tests.

Read-Only tilstand

Brug allowed-tools til at begrænse hvad Claude kan gøre, når en skill er aktiv:

---
name: safe-reader
description: Read files without making changes
allowed-tools: Read, Grep, Glob
---

Explore and understand the codebase without modifying anything.

Generering af visuelt output

Skills kan generere interaktive HTML-filer, der åbner i din browser. Dette mønster virker for:

• Kodebase-visualiseringer
• Afhængighedsgrafer
• Testdækningsrapporter
• Databaseskema-diagrammer
• Enhver kompleks data der har gavn af interaktiv udforskning

Vedhæftet script gør det tunge arbejde; Claude orkestrerer. Brugere får rigt visuelt output uden nogen manuelle trin.

Sessions-logning

Brug ${CLAUDE_SESSION_ID} til sessions-specifikke operationer:

---
name: session-logger
description: Log activity for this session
---

Log the following to logs/${CLAUDE_SESSION_ID}.log:

$ARGUMENTS

Udvidet tænkning trigger

Skabelsestilstanden

Jeg vil slutte med noget personligt.

Hver gang jeg arbejder på Skills, vender jeg tilbage til sommeren 2013. Jeg var lige færdig med optagelsesprøverne til gymnasiet og købte en bærbar computer for mine opsparede penge. Jeg brugte hele den sommer på at rode med mods til Skyrim — downloade dem, kombinere dem, tweake konfigurationsfiler, se mit spil forvandle sig til noget helt mit eget.

Det var ren skabelsesglæde. Ikke forbrug af indhold. Ikke scrolling af feeds. Faktisk at bygge noget, tilpasse noget, gøre noget til mit.

Skills bringer den følelse tilbage.

Den sejeste tilstand af mentorskab er ikke at have nogen, der er veltalende og skal holdes i hånden konstant. Det er at overlevere dem et sæt manualer og se dem bladre, udføre, selv-verificere og uafhængigt iterere. Du siger mindre; de leverer mere.

Skills er præcis det.

I dag kunne du installere skill-creator og størkne én almindelig handling — måske tjekke hotspots for emner, omdanne fejllogs til fix-planer eller omdanne links til resuméer. Bare én.

Når det virker succesfuldt, vil du forstå værdien af genbrug.

I morgen vil du have en til. I overmorgen vil du flytte alle dine processer ind.

I det øjeblik træder du ind i en anden tilstand.

Frihed. Skabelsestilstanden.

De geniale open source-projekter på GitHub — årtier af menneskelig visdom, frit delt. På grund af Skills, på grund af Agents, kan enhver almindelig person nu kommandere den kraft.

Du behøver ikke tre hoveder og seks arme. Du behøver ikke overnaturlige evner. Bag dig står menneskehedens akkumulerede viden. Så længe du ønsker det — er det dit.

Hvis du sammenlignede dig selv nu med dig selv for tre år siden, ville der overhovedet være en sammenligning? Se hvad du kan gøre i dag. Se hvor grænserne for dine evner har udvidet sig.

Denne geniale, storslåede æra, der kan gøre enhver til et overmenneske — begejstrer den dig ikke?