Komplexe Produktarbeit lässt Planung, Tests, Architektur oder visuelle Validierung oft aus. Diese Skill führt Claude, Codex und Claude Code durch einen Workflow für erfahrene Softwareentwicklung.

Bei n8n-Nodes ändern sich erforderliche Felder häufig je nach Ressource, Operation und Sichtbarkeitsregeln. Diese Skill-Anleitung unterstützt Konfiguration, Validierung und Eigenschaftenermittlung für eine zuverlässige Node-Einrichtung.

n8n Python Code nodes haben strenge Vorgaben für Datenzugriff, Rückgabeformat und Bibliotheksgrenzen. Dieser Skill leitet Claude, Codex oder Claude Code dabei an, korrekte Transformationen zu schreiben.

Multiplayer-Spiele brauchen klare Netzwerkentscheidungen, bevor die Implementierung beginnt. Dieser Skill führt durch Architektur, Synchronisierung, Latenz, Sicherheit und Matchmaking-Abwägungen.

Teams haben oft Schwierigkeiten, Features über Web-, Mobile- und Desktop-Releases hinweg konsistent zu halten. Diese Skill-Anleitung unterstützt API-first-Planung, parallele Implementierung und gemeinsame Validierung über Plattformen hinweg.

Moodle-Plugins benötigen Webservices, die dem Moodle external API Framework folgen. Diese Skill-Anleitung unterstützt bei Validierung, Berechtigungen, Datenbankzugriff, Registrierung, Tests und Fehlerbehebung.

Große Repositories werden langsam, wenn Struktur, Abhängigkeiten und Build-Pipelines nicht geplant sind. Dieser Skill hilft Teams dabei, schnellere Monorepo-Workflows zu entwerfen.

Mobile Teams müssen Plattformqualität, gemeinsam genutzten Code und Release-Komplexität ausbalancieren. Dieser Skill unterstützt Architektur, Implementierung, Tests und Deployment für React Native-, Flutter-, iOS- und Android-Apps.

Produktionsreife ML-Systeme sind schwer zuverlässig bereitzustellen, zu überwachen und zu skalieren. Dieser Skill unterstützt bei Model Serving, Feature Engineering, Tests und MLOps-Workflows.

Die Arbeit an Minecraft-Plugins erfordert aktuelles API-Wissen und sorgfältige Entscheidungen zur Serverleistung. Dieser Skill unterstützt Design, Implementierung, Tests und Optimierung von Bukkit-, Spigot- und Paper-Plugins.

Benutzerdefinierte Authentifizierungserweiterungen lassen sich nur schwer in Entra-Benutzerflows einbinden. Dieser Skill bietet fokussierte .NET-Muster für Token-Claims, Attributverarbeitung und OTP-Ereignisse.

Agenten verlieren sitzungsübergreifend oft nützlichen Kontext. Diese Skill-Anleitung unterstützt den Entwurf mehrschichtiger Speicherarchitekturen mit Vektoren, Graphen und zeitlicher Abfrage.

Der Aufbau von MCP-Servern erfordert Entscheidungen zu Protokoll, SDK und Evaluation, die leicht übersehen werden. Diese Skill unterstützt Planung, Implementierung, Tests und Entscheidungen im Microsoft-Ökosystem für zuverlässige Integrationen.

Rust-Entwickler benötigen gezielte Anleitung beim Erstellen von Makepad-Benutzeroberflächen. Dieser Skill bietet Hilfe zu Einrichtung, UI-Mustern, Shadern, Paketierung und Fehlerbehebung.

Entwickler benötigen zuverlässige Muster für Microsoft 365-Agents in Teams und Copilot Studio. Dieser Skill bietet TypeScript-Beispiele für Routing, Hosting, Streaming und die Integration mit Copilot Studio.

Teams- und Copilot Studio-Agent-Projekte erfordern korrekte SDK-Muster, Routing, Streaming und Authentifizierungseinrichtung. Dieser Skill bietet Claude, Codex und Claude Code fokussierte Python-Anleitung für Implementierungen mit dem Microsoft 365 Agents SDK.

Das Erstellen von Microsoft 365-Agenten in .NET erfordert abgestimmtes Hosting, Routing, Authentifizierung und die Einrichtung von Copilot Studio. Diese Skill bietet fokussierte Muster und Prompts, um diese Bestandteile schneller zu erstellen.

LLM-Teams benötigen wiederholbare Methoden, um Qualität, Sicherheit und Regressionen zu messen. Dieser Skill hilft beim Entwerfen von Evaluierungssuiten mit Metriken, menschlicher Prüfung, LLM-Judges, Benchmarks und A/B-Tests.

LLM-Anwendungen können ohne klare Muster für Retrieval, Agenten, Prompts und Monitoring scheitern. Diese Skill bietet praktische Vorlagen für RAG, Agenten, Prompt-Workflows und LLMOps.

Schwache Prompts führen zu inkonsistentem LLM-Verhalten, höheren Token-Kosten und schwierigem Testing. Dieser Skill verwandelt grobe Anweisungen in strukturierte Prompts mit Leitlinien für Evaluation, Sicherheit und Deployment.