llm-application-dev-ai-assistant
Erstellen Sie KI-Assistenten mit Claude
Entwickler haben Schwierigkeiten, produktionsreife KI-Assistenten mit angemessenem Gesprächsverlauf und NLP-Integration zu erstellen. Diese Skill bietet umfassende Muster, Codebeispiele und Best Practices für die Entwicklung intelligenter conversational Interfaces mit Claude, Codex und Claude Code.
スキルZIPをダウンロード
Claudeでアップロード
設定 → 機能 → スキル → スキルをアップロードへ移動
オンにして利用開始
テストする
「llm-application-dev-ai-assistant」を使用しています。 Entwerfen Sie einen Gesprächsverlauf für einen Restaurant-Reservierungs-Assistenten
期待される結果:
- Begrüßung: 'Willkommen! Wie kann ich Ihnen heute helfen?'
- Intent-Erkennung: reservation_request
- Benötigte Slots: date, time, party_size, restaurant_name
- Bestätigung: 'Tisch für 4 Personen im Italian Palace am 15. März um 19:00 Uhr reservieren. Bestätigen?'
- Bei Bestätigung: Reservierungsfunktion ausführen, Bestätigungsnummer bereitstellen
「llm-application-dev-ai-assistant」を使用しています。 Erstellen Sie einen Intent-Klassifikator für einen E-Commerce-Assistenten
期待される結果:
- Intent-Kategorien: product_search, price_inquiry, order_status, return_request, complaint
- Konfidenzschwelle: 0,75
- Fallback: 'Ich habe das nicht verstanden. Könnten Sie es anders formulieren?'
- Kontextbeibehaltung: Letzte 5 Gesprächsdurchgänge
セキュリティ監査
安全This skill provides documentation and code examples for building AI assistants. All 59 static analyzer findings are false positives: (1) Backtick patterns are markdown code fences, not shell execution; (2) Method names like _design_dialog_manager incorrectly flagged as weak crypto; (3) 0.0.0.0:8080 is standard Docker bind address, not a vulnerability. No actual security risks detected.
低リスクの問題 (1)
品質スコア
作れるもの
Entwicklung von Customer Support Chatbots
Erstellen Sie intelligente Kundendienst-Assistenten, die Benutzerabsichten verstehen, den Gesprächskontext beibehalten und Anfragen an die entsprechenden Handler weiterleiten.
Entwicklung interner Produktivitäts-Assistenten
Erstellen Sie KI-Assistenten, die Mitarbeitern bei Aufgaben wie Terminplanung, Dokumentenabruf und Prozessautomatisierung innerhalb einer Organisation helfen.
Erstellung von Bildungs-Tutoring-Systemen
Entwickeln Sie adaptive Lern-Assistenten, die Schüleranfragen verstehen, den Fortschritt verfolgen und personalisierte Erklärungen bieten.
これらのプロンプトを試す
Entwerfen Sie eine grundlegende KI-Assistenten-Architektur für einen Kundenservice-Chatbot. Fügen Sie Komponenten für Intent-Erkennung, Dialog-Management und Antwortgenerierung hinzu.
Erstellen Sie einen mehrstufigen Gesprächsverlauf für die Bearbeitung von Bestellstatus-Anfragen. Fügen Sie Status für Begrüßung, Verifizierung, Statusabfrage und Problemlösung hinzu.
Implementieren Sie eine NLP-Pipeline, die Benutzernachrichten durch Tokenisierung, Intent-Klassifizierung, Entitätsextraktion und Sentiment-Analyse verarbeitet.
Entwerfen Sie eine Function Calling-Schnittstelle, die es einem LLM ermöglicht, externe Tools wie Datenbankabfragen, API-Aufrufe und Kalenderoperationen aufzurufen.
ベストプラクティス
- Implementieren Sie stets eine angemessene Fehlerbehandlung und eine sanfte Degradierung, wenn KI-Dienste nicht verfügbar sind
- Nutzen Sie Kontextfenster effektiv durch Zusammenfassung älterer Gesprächsverläufe
- Testen Sie Gesprächsverläufe mit vielfältigen Benutzereingaben, einschließlich Randfällen und unerwarteten Anfragen
回避
- Nehmen Sie nicht an, dass Benutzer immer vollständige Informationen in einer einzigen Nachricht bereitstellen
- Vermeiden Sie blockierendes Warten auf externe API-Antworten - verwenden Sie asynchrone Muster
- Speichern Sie niemals sensible Credentials hardcoded in der Assistenten-Konfiguration