Meisterung der Claude-Agenten-Fähigkeiten - Der komplette Leitfaden zum Aufbau Ihres KI-Superkraft-Arsenals

Der Moment, als ich verstand, was Skills wirklich sind

Lassen Sie mich Ihnen eine Geschichte erzählen. Stellen Sie sich vor, Sie sollen einen brillanten neuen Mitarbeiter bei der Arbeit betreuen. Diese Person ist unglaublich klug — lernt schneller als jeder, den Sie je gesehen haben, kann fast alles verstehen, was Sie erklären, spricht eloquent über jedes Thema. Aber es gibt ein Problem: Sie kennt die Regeln Ihrer Firma nicht.

Jeden Morgen setzen Sie sich mit ihr zusammen und erklären dieselben Dinge. "So formatieren wir Berichte. Hier ist unser Codierungsstil. Hier ist, wer bei welchen E-Mails ins CC gesetzt wird. Hier ist die Vorlage für Kundenangebote." Und jeden Morgen, nach dem Mittagessen, hat sie irgendwie alles vergessen. Nicht weil sie dumm ist — sie ist brillant. Aber sie hat kein dauerhaftes Gedächtnis für die Arbeitsweise Ihrer Firma.

Genau so fühlte sich die Arbeit mit KI früher an.

Prompts sind so, als würden Sie neben diesem neuen Mitarbeiter stehen und sofort mündliche Anweisungen geben. "Schreib diese E-Mail formeller." "Benutze hier Aufzählungszeichen." "Prüfe diesen Code auf Fehler." Es funktioniert. Aber sobald Sie das Gespräch schließen, verschwindet alles. Jeder neue Chat beginnt bei Null.

Skills sind so, als würden Sie ihr ein internes SOP-Handbuch geben — einen Wissensdatenbank-Ordner mit Spezifikationen, Skripten, Vorlagen und Referenzmaterialien. Der Agent sucht sich das, was er braucht, wenn er es braucht. Und entscheidend ist, dass dieses Handbuch über jede Konversation hinweg bestehen bleibt.

Hier ist die bahnbrechende Erkenntnis: Skills sind nicht nur schicke Prompts. Sie sind ein völlig anderes Paradigma. Ein Prompt ist reaktiv — Sie geben eine Anweisung, Sie erhalten eine Antwort. Ein Skill ist proaktiv — er sitzt da und wartet darauf, entdeckt und angewendet zu werden, wenn es relevant ist, und funktioniert jedes Mal gleich.

Was ein Skill tatsächlich enthält

Jeder Skill ist ein Ordner, nicht nur eine Textdatei. Das ist entscheidend zu verstehen. In diesem Ordner können Sie haben:

Als ich diese Struktur zum ersten Mal sah, dachte ich: "Moment, das ist wie der Bau einer kleinen Anwendung." Und genau das ist es. Jeder Skill ist ein in sich geschlossenes Fähigkeitsmodul. Manche sind einfach — nur eine Markdown-Datei mit Korrekturleseregeln. Andere sind komplex — komplett mit Python-Skripten, die Daten verarbeiten, auf Server hochladen und Berichte generieren.

Wann kamen Skills auf?

Anthropic veröffentlichte Skills für Claude Code im Oktober 2025. Zuerst dachte ich, es sei nur ein weiteres Feature-Update. Aber dann passierte etwas im Dezember 2025 — sie öffneten Skills als Standard über agentskills.io. Plötzlich waren Skills nicht mehr nur eine Claude-Sache. OpenAIs Codex CLI übernahm dieselbe Architektur. Cursor, Codebuddy, OpenCode — jeder begann, Kompatibilität zu bauen.

Skills wurden zum De-facto-Standard für die Erweiterung von KI-Agenten-Fähigkeiten, genau wie MCP schnell zum Protokoll für externe Verbindungen wurde.

Und die Popularität? Lassen Sie es mich so ausdrücken: Ein Repository mit über 50 Claude-Skills erreichte 18.000 Sterne auf GitHub. Das Wort "Skills" ist in KI-Kreisen jetzt so allgegenwärtig wie "Prompt" im Jahr 2023.

Progressive Offenlegung - Warum dieses Design genial ist

Bevor ich die progressive Offenlegung verstand, hatte ich eine nagende Sorge: "Wenn ich 50 Skills installiere, explodiert dann nicht Claudes Kontext? Werde ich nicht Tausende von Token verbrennen, nur um Skill-Beschreibungen zu laden?"

Hier glänzt die Design-Brillanz von Anthropic. Sie haben sich ein Konzept aus dem UX-Design geliehen — progressive Offenlegung — und es perfekt auf das KI-Kontextmanagement angewendet.

Das Drei-Schichten-Ladesystem

Progressive Offenlegung bedeutet Laden in Stufen und auf Abruf. Claude lädt beim Start nicht alles in den Kontext. Stattdessen verwendet es ein Drei-Schichten-System:

Lassen Sie uns nachrechnen

Hier ist ein Vergleich, der mich dieses Design schätzen ließ:

Das ist eine Reduzierung des Token-Verbrauchs um 75 %. Und das zählt noch nicht einmal den Skript-Vorteil.

Die Magie der Skripte

Hier lassen Skills Prompts im Staub zurück. Wenn ein Skill ein Skript enthält, passiert etwas Bemerkenswertes:

1. Claude generiert einen Befehl: python scripts/upload_image.py image.png
2. Das Skript wird lokal auf Ihrer Maschine ausgeführt
3. Nur die Ausgabe (wie eine Bild-URL) kehrt zu Claude zurück

Der Skriptcode selbst gelangt niemals in den Kontext.

Überlegen Sie, was das bedeutet. Sie können ein 500-zeiliges Python-Skript schreiben, das jeden Randfall behandelt, mit robuster Fehlerbehandlung, Protokollierung, Wiederholungsversuchen — all die Dinge, die einen Prompt unmöglich aufblähen würden. Claude muss nur wissen: "Führe dieses Skript aus." Die Komplexität ist gekapselt.

Die Analogie zum mobilen Menü

Wenn Sie jemals eine mobile App entworfen haben, kennen Sie die progressive Offenlegung genau. Deshalb haben wir Hamburger-Menüs — wir zeigen den Nutzern nicht sofort 47 Optionen. Wir zeigen ein Menü-Symbol. Sie tippen. Sie sehen Kategorien. Sie tippen erneut. Sie erreichen die gewünschte Einstellung.

Der Zweck? Überfordern Sie niemals mit Informationen. Zerlegen Sie in verdauliche Stücke. Lassen Sie Benutzer (oder in diesem Fall KI) sich mit minimaler kognitiver Belastung auf die aktuelle Aufgabe konzentrieren.

Menschen können etwa 7±2 Informationseinheiten im Arbeitsgedächtnis halten. KI, begrenzt durch den Token-Kontext, hat im Wesentlichen dieselbe Einschränkung. Progressive Offenlegung respektiert diese Einschränkung in beiden Fällen.

Skills vs MCP vs Subagent - Endlich entwirrt

Diese Frage hat mich wochenlang verfolgt. MCP, Skills, Subagent — sie alle scheinen "Claudes Fähigkeiten zu erweitern". Was ist der eigentliche Unterschied? Nachdem ich mit allen dreien gebaut habe, habe ich endlich eine Antwort, die Sinn ergibt.

Die Ein-Satz-Unterscheidung

MCP lässt Claude externe Systeme berühren. Skills sagen Claude, wie er das, was er berührt, benutzen soll. Subagent schickt jemand anderen, um die Arbeit zu erledigen.

Lassen Sie mich das mit Analogien aufschlüsseln, die mir wirklich geholfen haben zu verstehen:

Die Vergleichstabelle

Wann man was benutzt

Verwenden Sie MCP, wenn Sie sich mit externen Systemen verbinden müssen:

• Eine Datenbank abfragen
• Drittanbieter-APIs aufrufen
• Notion, Jira, GitHub, Salesforce lesen/schreiben
• Zugriff auf jeden Dienst, der Authentifizierung erfordert

Verwenden Sie Skills, wenn Sie wiederkehrende Arbeitsabläufe haben:

• Code-Review-Prozesse mit spezifischen Checklisten
• Artikel-Korrekturlesen mit konsistenten Stilregeln
• Berichterstellung mit standardisierten Formaten
• Jede Anweisung, die Sie wiederholt eingeben

Verwenden Sie Subagent, wenn Aufgaben komplex und parallelisierbar sind:

• Überprüfung einer gesamten Codebasis (zeitaufwendig)
• Gleichzeitige Verarbeitung mehrerer unabhängiger Aufgaben
• Verhinderung von Kontextverschmutzung zwischen unabhängigen Arbeiten

Sie arbeiten zusammen

Hier ist der schöne Teil: Dies sind keine konkurrierenden Technologien. Es sind komplementäre Schichten.

Ein komplexer Workflow könnte alle drei nutzen:

1. MCP verbindet sich mit Salesforce, um Verkaufsdaten abzurufen
2. Skills definieren den Datenanalyseprozess — wie Metriken berechnet und Berichte generiert werden
3. Subagent verarbeitet verschiedene regionale Analysen parallel

In meinem eigenen Schreib-Workflow:

• Skills definieren meine Korrekturleseregeln und den Styleguide
• Skripte (in Skills gebündelt) laden Bilder auf meinen Hosting-Dienst hoch
• Ich plane, MCP hinzuzufügen, um mich mit meiner Materialdatenbank zu verbinden

Warum Simon Willison sagt, dass Skills größer sein könnten als MCP

Simon Willison ist eine der respektiertesten Stimmen in der KI-Entwickler-Community. Als er schrieb, dass "Skills eine größere Sache sein könnten als MCP", horchten die Leute auf. Nach Monaten der Nutzung beider Technologien verstehe ich genau, warum er das sagte.

Grund 1: Token-Effizienz

MCP hat ein grundlegendes Problem: Token-Blähung.

Wenn Sie einen MCP-Server verbinden, muss Claude verstehen, was dieser Server tun kann. Jede verfügbare Funktion, jeder Parameter, jeder Rückgabetyp — alles muss im Kontext sein. Simon bemerkte, dass allein der offizielle GitHub MCP-Server Zehntausende von Token verbraucht.

Skills umgehen dies elegant. Laden Sie nur Metadaten (jeweils 100 Token), und laden Sie dann vollständige Anweisungen nur bei Auslösung. Der Effizienzunterschied ist atemberaubend.

Grund 2: Der Einfachheits-Vorteil

Um einen MCP-Server zu bauen, müssen Sie:

• Die Protokollspezifikation verstehen
• Serverseitigen Code schreiben
• JSON richtig konfigurieren
• Kommunikation und Fehlerzustände handhaben

Um einen Skill zu bauen?

Schreiben Sie einfach Markdown.

Wenn Sie Dokumentation schreiben können, können Sie Skills schreiben. Der Schwellenunterschied ist enorm. Und in der Technologie führen niedrigere Barrieren zur Erstellung immer zu explosivem Wachstum.

Grund 3: Plattformübergreifende Kompatibilität

MCP-Server sind oft hostspezifisch. Etwas, das für Claude Code gebaut wurde, funktioniert möglicherweise woanders nicht ohne Modifikation.

Skills sind nur Ordner mit Markdown und optionalen Skripten. Sie hängen nicht von Anthropics proprietärer Technologie ab. Simon wies darauf hin, dass Sie denselben Skill-Ordner auf Codex CLI, Gemini CLI richten können — sie funktionieren auch ohne native Skills-Unterstützung, da Skills im Kern nur gut strukturierte Anweisungen sind.

Diese Portabilität ist der Grund, warum OpenAI im Wesentlichen dieselbe Architektur in Codex CLI übernommen hat. Skills werden zu einem universellen Standard.

Grund 4: Die Vorhersage der kambrischen Explosion

"Ich sage voraus, dass Skills eine kambrische Explosion bringen werden, die spektakulärer ist als der MCP-Wahn im letzten Jahr."

Warum? Weil, wenn die Erstellungsschwelle tief genug sinkt, Community-Beiträge explodieren. Das Schreiben eines MCP-Servers erfordert Backend-Entwicklungsfähigkeiten. Das Schreiben eines Skills erfordert das Wissen, wie man ein Dokument schreibt.

Wir sehen bereits, wie diese Vorhersage wahr wird. Skills-Marktplätze tauchen überall auf. GitHub-Repositories quellen über vor Community-Beiträgen. Das Ökosystem wächst schneller als jeder erwartet hat.

Meine eigene Beobachtung

Nach Monaten mit beiden Technologien stimme ich Simons Einschätzung zu. Skills fühlen sich mehr im Einklang damit an, wie LLMs natürlich arbeiten — Text verstehen, Anweisungen befolgen, Wissen kontextbezogen anwenden.

MCP repräsentiert traditionelles Software-Engineering-Denken: Schnittstellen definieren, Dienste implementieren, Protokolle handhaben.

Skills repräsentieren LLM-natives Denken: Schreib klar auf, wie man etwas tut, lass das Modell herausfinden, wann und wie man es anwendet.

Beide haben ihren Platz. Aber Skills könnten der tiefgreifendere Paradigmenwechsel sein.

Die Anatomie eines perfekten Skills

Lassen Sie mich Sie durch die Struktur eines gut ausgearbeiteten Skills führen. Das ist nicht nur Theorie — das Verständnis dieser Anatomie wird alles andere in diesem Leitfaden verständlich machen.

Die Ordnerstruktur

my-skill/
├── SKILL.md                 # Kernanweisungen (erforderlich)
├── scripts/
│   └── process.py           # Ausführbares Skript
├── references/
│   └── DETAILED_GUIDE.md    # Detailliertes Referenzdokument
└── assets/
    └── template.md          # Vorlagenressource

Die SKILL.md-Datei

Dies ist das Herz Ihres Skills. Es hat zwei Teile:

---
name: my-awesome-skill
description: Kurze Erklärung, was dieser Skill tut und wann er verwendet werden soll. Trigger-Schlüsselwörter einschließen.
---

# Mein toller Skill

## Instructions

Schritt-für-Schritt-Anleitung, die Claude befolgen soll, wenn dieser Skill aufgerufen wird.

## Examples

Konkrete Demonstrationen von Eingabe/Ausgabe oder Nutzungsmustern.

## Guidelines

Alle Regeln, Einschränkungen oder Best Practices, die befolgt werden müssen.

Der YAML-Frontmatter

Der Abschnitt zwischen den --- Markierungen ist entscheidend. Das ist es, was Claude liest, um zu entscheiden, ob er Ihren Skill verwenden soll.

Erweiterte Frontmatter-Optionen

Jenseits von Name und Beschreibung unterstützen Skills leistungsstarke Konfigurationsoptionen:

Die goldene Regel: 500 Zeilen

Namenskonventionen

Ihr Ordnername ist wichtig. Er muss aus Kleinbuchstaben + Bindestrichen bestehen. Keine Leerzeichen. Keine Großbuchstaben.

• Gut: hotspot-collector, code-review, ai-proofreading
• Schlecht: Hotspot Collector, codeReview, AI_Proofreading

Erstellung Ihres ersten Skills

Hier ist mein wichtigster Rat: Sie müssen Skills nicht selbst schreiben.

Lassen Sie mich erklären. Der Wert eines Skills liegt darin, was er kapselt — Ihren Arbeitsablauf, Ihre Erfahrung, Ihre SOP. Diese kommen von Ihnen, herausgefunden durch tatsächliche Arbeit. Aber diese in eine korrekt formatierte SKILL.md-Datei umwandeln? Lassen Sie das die KI machen.

Was Sie tun müssen:

1. Denken Sie klar darüber nach, welches Problem Sie lösen wollen
2. Klären Sie Ihren Arbeitsablauf
3. Stellen Sie genügend Kontext und Referenzmaterialien bereit

Dann sagen Sie Claude: "Hilf mir, einen Skill zu erstellen, um XXX zu tun." Er wird ordnungsgemäß formatierte Dateien für Sie generieren.

Schritt für Schritt: Ein einfaches Beispiel

Lassen Sie uns einen Skill erstellen, der Claude beibringt, Code mit visuellen Diagrammen und Analogien zu erklären.

---
name: explain-code
description: Erklärt Code mit visuellen Diagrammen und Analogien. Verwenden, wenn erklärt wird, wie Code funktioniert, über eine Codebasis gelehrt wird, oder wenn der Benutzer fragt "wie funktioniert das?"
---

Wenn du Code erklärst, füge immer hinzu:

1. **Starte mit einer Analogie**: Vergleiche den Code mit etwas aus dem täglichen Leben
2. **Zeichne ein Diagramm**: Verwende ASCII-Kunst, um Fluss, Struktur oder Beziehungen zu zeigen
3. **Gehe den Code durch**: Erkläre Schritt für Schritt, was passiert
4. **Hebe einen Fallstrick hervor**: Was ist ein häufiger Fehler oder Missverständnis?

Halte Erklärungen im Gesprächston. Für komplexe Konzepte verwende mehrere Analogien.

Wo Skills leben

Der Ort bestimmt den Geltungsbereich:

Verwendung des offiziellen skill-creator

Anthropic stellt einen Skill speziell zur Erstellung von Skills bereit. Meta, oder?

Installieren Sie ihn, indem Sie Claude sagen:

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

Einmal installiert, können Sie einfach sagen: "Hilf mir, einen Skill zum Korrekturlesen von Artikeln zu erstellen" und Claude wird den skill-creator verwenden, um alles ordnungsgemäß zu generieren.

Verwandlung von ganz GitHub in Ihr persönliches Arsenal

Hier wird es spannend. Dies ist die Technik, die mein Denken über KI-Fähigkeiten völlig verändert hat.

Hier ist die Erkenntnis: In dreißig Jahren Internet haben unzählige brillante Entwickler fast jedes Problem gelöst, das Sie sich vorstellen können. Sie haben Werkzeuge gebaut, sie als Open Source veröffentlicht und für jeden verfügbar gemacht. Das einzige Problem? Die meisten dieser Werkzeuge erfordern Bereitstellung, Kommandozeilenoperationen, Umgebungseinrichtung — Barrieren, die gewöhnliche Benutzer blockieren.

Skills können diese Barrieren auflösen.

Das Kernkonzept

Da Skills Skripte und Anweisungen zusammenpacken können, können Sie ganze Open-Source-Projekte in abrufbare Fähigkeiten kapseln. Der kampferprobte Code, der über Jahre von Tausenden von Benutzern verfeinert wurde, wird Teil des Werkzeugkastens Ihrer KI.

Reales Beispiel: Video-Download

Lassen Sie mich ein tatsächliches Beispiel durchgehen. Angenommen, Sie müssen oft Videos von YouTube, Bilibili und anderen Plattformen herunterladen.

Schritt 1: Finden Sie das richtige Projekt. Fragen Sie eine beliebige KI: "Gibt es ein Open-Source-Projekt auf GitHub, das Videos von verschiedenen Websites herunterlädt?"

Sie wird Sie auf yt-dlp hinweisen — ein legendäres Projekt mit über 143.000 Sternen, das Tausende von Websites unterstützt.

Schritt 2: Verpacken Sie es als 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.

Schritt 3: Lassen Sie Claude planen. Verwenden Sie zuerst den Plan-Modus. Claude wird das Projekt analysieren, seine Fähigkeiten verstehen und klärende Fragen zu Ihren Präferenzen stellen.

Schritt 4: Bauen und Testen. Wechseln Sie in den Entwicklungsmodus. Innerhalb weniger Minuten haben Sie einen funktionierenden Video-Download-Skill.

Schritt 5: Iterieren basierend auf dem ersten Lauf. Wenn Sie das erste Mal einen Skill verwenden, der ein Open-Source-Tool verpackt, werden Sie auf Probleme stoßen. YouTube hat Anti-Crawling-Mechanismen. Sie müssen möglicherweise Abhängigkeiten installieren. Dokumentieren Sie diese Erfahrungen und sagen Sie Claude, er soll den Skill aktualisieren.

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

Nächstes Mal? Öffnen und herunterladen. Sofort.

Mehr Ideen für GitHub-to-Skills

Dies sind nur die Spitze des Eisbergs. GitHub hostet Millionen von Projekten — Jahrzehnte menschlicher Brillanz, frei verfügbar.

Sie brauchen keine drei Köpfe und sechs Arme. Sie brauchen keine Hörner auf dem Kopf. Hinter Ihnen steht das gesammelte Wissen der gesamten Menschheit der letzten Jahrzehnte. Solange Sie es wollen — kann es Ihnen gehören, um es zu befehligen.

Aufbau eines selbstentwickelnden Skill-Management-Systems

Jetzt betreten wir ein Gebiet, für dessen Verständnis ich zwei volle Tage brauchte. Hier gehen Skills von "nützlichen Werkzeugen" zu "lebenden, wachsenden Fähigkeiten" über.

Das Problem: Skills, die aus GitHub-Projekten verpackt wurden, benötigen Wartung. Die ursprünglichen Repositories werden aktualisiert. Fehlerbehebungen passieren. Neue Funktionen erscheinen. In der Zwischenzeit haben Sie Ihren Skill verwendet und Erfahrungen gesammelt — "dieser Parameter funktioniert besser", "füge dieses Flag hinzu, um jenen Fehler zu vermeiden". Wie verwalten Sie das alles?

Die dreiteilige Lösung

Ich habe (mit Hilfe von KI) ein Trio von Skills gebaut, die zusammenarbeiten, um dies zu lösen:

Das Versionskontrollproblem

Hier ist ein Konflikt, auf den ich immer wieder stieß: Wenn GitHub aktualisiert wird, möchte ich den neuesten Code ziehen und die SKILL.md neu generieren. Aber ich habe auch an meinem Skill basierend auf Nutzungserfahrung iteriert — Anpassungen, Korrekturen, Präferenzen. Diese Modifikationen leben auch in SKILL.md.

Zwei Kräfte, beide modifizieren dieselbe Datei, mit völlig unterschiedlichen Zielen. Eine Katastrophe wartet darauf zu passieren.

Die Lösung: evolution.json

Die Erkenntnis: Trennung der Belange.

GitHub-Updates generieren weiterhin die Basis-SKILL.md-Datei neu. Aber alle gesammelte Erfahrung wird in einer separaten evolution.json-Datei gespeichert. Denken Sie daran als Spielstand. Egal auf welche Version das Hauptspiel aktualisiert wird, Ihre Speicherdatei bewahrt Ihren Fortschritt.

Wenn SKILL.md von einer neuen Version überschrieben wird, spielt evolution.json seine Rolle — und injiziert die gesammelte Weisheit zurück in den frischen Skill.

yt-dlp-skill/
├── SKILL.md           # Basisanweisungen (können neu generiert werden)
├── evolution.json     # Gesammelte Erfahrung (bewahrt)
└── scripts/
    └── download.sh    # Ausführungsskript

Das Management-Schwungrad

Mit diesen drei Teilen wird das Skill-Management zu einem sich selbst verstärkenden Zyklus:

1. Erstellen neuer Skills von GitHub mit github-to-skills (mit eingebetteter Identität)
2. Verwenden von Skills in der täglichen Arbeit, Begegnung mit Randfällen und Lösungen
3. Entwickeln von Skills automatisch via skill-evolution-manager (Lösungen erfasst)
4. Aktualisieren von Basis-Skills, wenn GitHub-Repos aktualisiert werden via skill-manager
5. Zusammenführen von Evolutionsdaten zurück in aktualisierte Skills (Erfahrung bewahrt)

Das Ergebnis: Skills, die wirklich lernen und sich verbessern. Nicht metaphorisch — tatsächlich. Jedes Mal, wenn Sie sie benutzen und ein Problem lösen, werden sie intelligenter.

Ich habe dieses Trio unter https://github.com/KKKKhazix/Khazix-Skills als Open Source veröffentlicht. Es ist nicht perfekt, aber es funktioniert. Und es weist auf etwas Mächtiges hin: Die Skills von morgen werden keine statischen Dokumente sein. Sie werden lebende Systeme sein.

Die Schatzliste der 14 offiziellen Skills

Bevor Sie Ihre eigenen bauen, wissen Sie, was bereits verfügbar ist. Anthropic unterhält ein offizielles Skills-Repository, das häufige Bedürfnisse wunderbar abdeckt.

Alle Skills unter: https://github.com/anthropics/skills

Dokument-Skills (Closed Source)

Diese treiben die Dokumentenerstellung an, die Sie in Claude.ai sehen:

Entwicklungs-Skills (Apache 2.0 Open Source)

Kreative Skills

Kommunikations- und Meta-Skills

Installationsmethoden

Methode 1: Natürliche Sprache

Sagen Sie einfach Claude: "Install this skill, project address is: [GitHub URL]"

Methode 2: Plugin-Marktplatz

# Offizielles Repo als Marktplatz hinzufügen
/plugin marketplace add https://github.com/anthropics/skills

# Skills installieren
/plugin install
# Tab zu Marktplatz, gewünschtes Paket auswählen

Methode 3: Manuelles Ziehen

Laden Sie den Skill-Ordner herunter und platzieren Sie ihn in Ihrem Skills-Verzeichnis (~/.claude/skills/ für persönlich, .claude/skills/ für projektspezifisch).

Die Kunst der Design-Skills - Eine tiefe Analyse

Da ich jahrelang UX-Design gemacht habe, finde ich die offiziellen Design-Skills besonders faszinierend. Lassen Sie mich die Techniken aufschlüsseln, die sie so gut funktionieren lassen. Diese Muster gelten weit über Design hinaus — sie sind Vorlagen für jeden hochwertigen Skill.

Technik 1: Die Decke anheben

Der algorithmic-art Skill beginnt nicht mit "hilf mir, mit p5.js zu zeichnen". Er beginnt mit:

"Algorithmische Philosophien sind computergestützte ästhetische Bewegungen, die dann durch Code ausgedrückt werden."

Dies hebt die Aufgabe von "generiere eine Arbeit" auf "erstelle ein ästhetisches Genre plus entsprechendes Algorithmus-System". Es erinnert das Modell daran, dass die Ausgabe systematisch sein muss, keine einmalige Inspiration.

Technik 2: Zweistufige Struktur

Beide Design-Skills verwenden einen zweistufigen Ansatz:

1. Erstelle zuerst die Philosophie (konzeptioneller Rahmen in .md)
2. Drücke sie dann visuell aus (tatsächliche Implementierung)

Dies erzwingt Abstraktion vor Implementierung. Das Modell kann nicht in lokale Optima von "Code schreiben, Werte abstimmen" fallen. Das Konzept kommt zuerst; Code ist nur Ausdruck.

Technik 3: Poetische + Ingenieur-Vorlagen

Der algorithmic-art Skill bietet Struktur für das Schreiben von Philosophie:

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

Beachten Sie: Jeder Punkt ist sowohl ästhetische Sprache ALS AUCH technisches Objekt. "Rauschfunktionen" bildet direkt auf Code ab. "Partikelverhalten" ist implementierbar. Dies überbrückt Vision und Ausführung.

Technik 4: Konzept-Samen

Eine geniale Erkenntnis aus den offiziellen Skills:

"Das Konzept ist eine subtile, Nischen-Referenz, die in den Algorithmus selbst eingebettet ist — nicht immer wörtlich, immer anspruchsvoll. Denken Sie wie ein Jazzmusiker, der ein anderes Lied durch algorithmische Harmonie zitiert."

Benutzerthemen sollten in Parameter, Verhalten, Muster eingebettet sein — nicht auf den Bildschirm geschrieben. Zollen Sie Tribut, aber verstecken Sie ihn tief. Diejenigen, die es wissen, werden es fühlen; diejenigen, die es nicht wissen, werden einfach denken, dass es gut aussieht.

Technik 5: Templating mit Freiheitszonen

Die Skills definieren klar, was FEST (Layout, Marke, Steuerelemente) und was VARIABEL (Algorithmus, Parameter, Farben) ist. Dies stellt sicher:

• Jede Ausgabe hat eine konsistente UI-Erfahrung
• Das Modell weiß genau, wo es modifizieren darf/nicht darf
• Reduziert unerwartete "Überraschungen" durch überkreative Interpretation

Technik 6: Handwerk als Checkliste

Der canvas-design Skill kodiert professionelle Standards als überprüfbare Regeln:

• Nichts fällt von der Seite
• Nichts überlappt
• Angemessene Ränder sind nicht verhandelbar
• Text ist immer minimal und visuell zuerst

Dies übersetzt implizites professionelles Wissen in explizite Verhaltensbeschränkungen. Das Modell kann seine eigene Arbeit anhand konkreter Kriterien überprüfen.

Technik 7: Subtraktion, nicht Addition

Der letzte Verfeinerungsschritt ist genial:

"Um die Arbeit zu verfeinern, vermeiden Sie das Hinzufügen weiterer Grafiken; verfeinern Sie stattdessen das, was erstellt wurde. Wenn der Instinkt ist, eine neue Funktion aufzurufen oder eine neue Form zu zeichnen, STOPP."

Dies kodiert das "letzte 10% Handwerk", das Amateur von Profi trennt. Wenn der Instinkt sagt "füge mehr hinzu", fragen Sie stattdessen: Was kann gelöscht werden? Was kann ausgerichtet, zusammengeführt, gestärkt werden?

Entwurf Ihrer Skill-Bibliotheksarchitektur

Bei Dutzenden von Skills ist Organisation wichtig. Hier ist, wie ich über die Strukturierung einer Skill-Bibliothek denke, die skaliert.

Warum Skills aufteilen?

Leute fragen oft: "Kann ich nicht einfach einen großen Skill schreiben, der alles macht?"

Nein. Drei Gründe:

Skill-Typ-Muster

Ich habe vier Muster gefunden, die die meisten Anwendungsfälle abdecken:

Mein Schreib-Skills-System

Als konkretes Beispiel, hier ist, wie ich Skills für das Schreiben strukturiert habe:

P0 Kern-Skills (Jeder Artikel)

• ai-proofreading: Drei-Durchgang-Prozess zur Senkung der KI-Erkennungsrate. Auslöser: "proofread", "too AI"
• image-illustration: Bild generieren + auf Hosting hochladen + Markdown zurückgeben. Auslöser: "illustrate", nach Korrekturlesen

P1 Reguläre Skills (Die meisten Artikel)

• topic-generator: Themenideen basierend auf Trends generieren. Auslöser: "give me topics"
• long-to-x: Langform in Twitter-Threads umwandeln. Auslöser: "convert to X content"
• research-collector: Forschungsmaterialien sammeln und organisieren. Auslöser: "research [topic]"

P2 Gelegentliche Skills

• headline-generator: Aufmerksamkeit erregende Titel entwerfen. Auslöser: "title ideas"
• seo-optimizer: Für Suchmaschinen optimieren. Auslöser: "SEO", "optimize for search"

Fehlerbehandlung in Skills

Das explodierende Skills-Ökosystem

Als ich mir Skills letzten Monat zum ersten Mal ansah, fand ich eine Handvoll Repositories. Jetzt? Das Ökosystem ist explodiert. Es gibt dedizierte Marktplätze, kuratierte Verzeichnisse und Zehntausende von Community-beigesteuerten Skills.

Offizielle Startpunkte

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

Klare, schrittweise Anleitungen zum Erstellen und Verwenden von Skills.

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

Die 14 offiziellen Skills plus Beispiele.

Agent Skills Standard: https://agentskills.io

Die offene Standardspezifikation. Wenn Sie die vollständige technische Spezifikation verstehen wollen, beginnen Sie hier.

Community-Marktplätze

Kuratierte Sammlungen

smithery.ai/skills — Nicht viele, aber jeder einzelne wird auf Qualität geprüft.

awesome-claude-skills auf GitHub — Eine manuell kuratierte Liste. Hohe Qualität, häufig aktualisiert.

Multi-Tool-Verzeichnisse

mcpservers.org/claude-skills — Bringt MCP-Server und Claude Skills zusammen. Einzigartige Perspektive auf das Ökosystem.

claudemarketplaces.com — Ein Verzeichnis von Marktplätzen. Der "Marktplatz der Marktplätze".

Fortgeschrittene Muster und Pro-Techniken

Für diejenigen, die bereit sind, tiefer zu gehen, hier sind Muster, die ich durch umfangreiche Nutzung entdeckt habe.

Dynamische Kontextinjektion

Die !`command`-Syntax führt Shell-Befehle aus, bevor der Skill-Inhalt Claude erreicht. Die Ausgabe ersetzt den Platzhalter.

---
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...

Gegabelte Ausführung (Subagent-Integration)

Fügen Sie context: fork hinzu, um einen Skill isoliert auszuführen. Der Skill-Inhalt wird zum Prompt, der einen Subagenten steuert.

---
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-Ersetzung

Übergeben Sie dynamische Werte in Skills mit $ARGUMENTS oder positionsbezogenen $0, $1 usw.

---
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.

Nur-Lese-Modus

Verwenden Sie allowed-tools, um einzuschränken, was Claude tun kann, wenn ein Skill aktiv ist:

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

Explore and understand the codebase without modifying anything.

Visuelle Ausgabegenerierung

Skills können interaktive HTML-Dateien generieren, die in Ihrem Browser geöffnet werden. Dieses Muster funktioniert für:

• Codebasis-Visualisierungen
• Abhängigkeitsgraphen
• Testabdeckungsberichte
• Datenbankschemadiagramme
• Alle komplexen Daten, die von interaktiver Erkundung profitieren

Das gebündelte Skript erledigt die schwere Arbeit; Claude orchestriert. Benutzer erhalten eine reiche visuelle Ausgabe ohne manuelle Schritte.

Sitzungsprotokollierung

Verwenden Sie ${CLAUDE_SESSION_ID} für sitzungsspezifische Operationen:

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

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

$ARGUMENTS

Erweiterter Denk-Auslöser

Der Zustand der Schöpfung

Ich möchte mit etwas Persönlichem enden.

Jedes Mal, wenn ich an Skills arbeite, werde ich in den Sommer 2013 zurückversetzt. Ich hatte gerade meine Highschool-Aufnahmeprüfungen beendet und mir von meinen Ersparnissen einen Laptop gekauft. Ich verbrachte den ganzen Sommer damit, an Mods für Skyrim zu basteln — sie herunterzuladen, zu kombinieren, Konfigurationsdateien anzupassen und zuzusehen, wie sich mein Spiel in etwas völlig Eigenes verwandelte.

Das war reine Schöpfungsfreude. Nicht Inhalte konsumieren. Nicht Feeds scrollen. Tatsächlich etwas bauen, etwas anpassen, etwas zu meinem machen.

Skills bringen dieses Gefühl zurück.

Der coolste Zustand des Mentorings ist nicht, jemanden Redegewandten zu haben, der ständiges Händchenhalten braucht. Es ist, ihnen einen Satz Handbücher zu geben und zuzusehen, wie sie durchblättern, ausführen, selbst prüfen und unabhängig iterieren. Sie sagen weniger; sie liefern mehr.

Skills sind genau das.

Heute installieren Sie vielleicht skill-creator und festigen eine gemeinsame Aktion — vielleicht Hotspots auf Themen prüfen, Fehlerprotokolle in Reparaturpläne verwandeln oder Links in Zusammenfassungen konvertieren. Nur eine.

Wenn es erfolgreich läuft, werden Sie den Wert der Wiederverwendung verstehen.

Morgen werden Sie eine zweite wollen. Übermorgen werden Sie alle Ihre Prozesse hineinverlegen wollen.

An diesem Punkt treten Sie in einen anderen Zustand ein.

Freiheit. Der Zustand der Schöpfung.

Jene brillanten Open-Source-Projekte auf GitHub — Jahrzehnte menschlicher Weisheit, frei geteilt. Wegen Skills, wegen Agenten kann jetzt jede gewöhnliche Person diese Macht befehligen.

Sie brauchen keine drei Köpfe und sechs Arme. Sie brauchen keine übernatürlichen Fähigkeiten. Hinter Ihnen steht das gesammelte Wissen der Menschheit. Solange Sie es wollen — gehört es Ihnen.

Wenn Sie sich jetzt mit sich selbst vor drei Jahren vergleichen würden, gäbe es überhaupt einen Vergleich? Schauen Sie an, was Sie heute tun können. Schauen Sie an, wo sich Ihre Fähigkeitsgrenzen erweitert haben.

Diese brillante, großartige Ära, die jeden zu einem Übermenschen machen kann — begeistert sie Sie nicht?