Mehrere unabhängige Fehler verschwenden Zeit, wenn sie sequenziell untersucht werden. Dieses Muster startet einen KI-Agenten pro unabhängigem Problembereich, sodass sie gleichzeitig an separaten Problemen arbeiten können.

Die Codegenerierung in Monorepos erfordert die Navigation durch komplexe Projektstrukturen und die Auswahl des richtigen Generators. Diese Fähigkeit bevorzugt Workspace-Plugin-Generatoren für benutzerdefinierte Lösungen und führt Sie durch die Ausführung von Generatoren mit ordnungsgemäßen Überprüfungsschritten.

Das Verwalten der Feature-Implementierung über verstreute To-do-Listen und Designdokumente hinweg kostet Zeit und führt zu verpassten Aufgaben. Die Aufgaben-Ausführungs-Engine liest strukturierte Aufgabenlisten direkt aus Markdown-Designdateien und führt sie nacheinander aus, mit automatischen Checkbox-Updates.

Die Funktionsentwicklung bleibt oft aufgrund unklarer Anforderungen und fehlendem Kontext stecken. Der Funktionsentwicklungsassistent führt Sie durch eine strukturierte Informationserfassung, um alle erforderlichen Details vor der Implementierung zu erfassen, was zu vollständigen Designs und umsetzbaren Implementierungsaufgaben führt.

Komplexe Programmieraufgaben erfordern mehrere Iterationen und koordinierte Änderungen über mehrere Dateien hinweg. Diese Fähigkeit startet autonome Agenten, die einen strukturierten Plan mit integrierten Review-Gates durcharbeiten. Der Schwarm erledigt mehrstufige Entwicklungsarbeit ohne ständige Hin-und-Her-Interaktion.

Der Bau von LLM-Anwendungen ohne geeignete Architektur führt zu verschwendeter Zeit und Ressourcen. Diese Fähigkeit bietet erprobte Muster aus Produktionssystemen wie Karpathys HN Time Capsule und Vercels d0-Agent.

Single-Agent-Systeme stoßen an Kontextgrenzen, sequenzielle Verarbeitungsengpässe und unflexible Werkzeugkonfigurationen. Diese Fähigkeit bietet Muster für die Verteilung von Arbeit auf mehrere KI-Agenten mit expliziter Koordination, Übergabeprotokollen und Fehlerbehandlung.

Lange Agentensitzungen generieren Millionen von Token, die die Kontextlimits überschreiten. Diese Skill bietet strukturierte Komprimierungsstrategien, die die Token-Nutzung reduzieren, während Dateipfade, Fehlermeldungen und Entscheidungen erhalten bleiben, damit Agenten weiterarbeiten können, ohne Informationen erneut abzurufen.

Die Entwicklung von Terminal-Benutzeroberflächen von Grund auf erfordert tiefgehende Kenntnisse in TUI-Rendering, Tastaturverarbeitung und Layout. Dieser Skill bietet umfassende OpenTUI-Referenzdokumentation, die die Core-API, den React-Reconciler und den Solid-Reconciler abdeckt, damit Sie TUIs effizient entwickeln können.

Der Aufbau hochqualitativer plattformübergreifender Apps erfordert die Beherrschung vieler Flutter-Muster und State-Management-Ansätze. Diese Fähigkeit bietet strukturierte Anleitungen zu Widget-Mustern, Riverpod- und Bloc-State-Management, GoRouter-Navigation, Leistungsoptimierung und plattformspezifischen Implementierungen.

Dieses Skill hilft Entwicklern, KI-Agenten und Modelle in Microsoft Azure AI Foundry zu erstellen, bereitzustellen und zu verwalten. Es bietet umfassende Workflows für die Agenten-Erstellung, Modellbereitstellung, Kapazitätsplanung, RBAC-Verwaltung und Fehlerbehebung.

Entwickler benötigen konsistenten TypeScript- und JavaScript-Code, der Projektkonventionen folgt. Diese Skill bietet Coding-Richtlinien, Linting-Befehle und Test-Workflows für das Schreiben von wartbarem Code in Metabase-Projekten.

Manuelle Code-Reviews sind zeitaufwendig und inkonsistent. Diese Skill automatisiert Code-Reviews, indem TypeScript- und JavaScript-Änderungen gegen Projektstandards geprüft werden, Stilverstöße, Typfehler und Qualitätsprobleme automatisch identifiziert werden.

Die Clojure-Entwicklung kann ohne REPL-gesteuerte Arbeitsabläufe und richtige Konventionen fremd erscheinen. Diese Anleitung bietet Schritt-für-Schritt-Anleitungen für die Bottom-up-Entwicklung, funktionale Programmiermuster und wichtige Bearbeitungsregeln, um korrekten Clojure-Code zu schreiben.

Diese Fähigkeit hilft Entwicklern, Clojure- und ClojureScript-Code-Änderungen anhand der Metabase-Codierungsstandards zu überprüfen. Sie prüft auf Stilverstöße, Code-Qualitätsprobleme und die Einhaltung etablierter Konventionen.

Metabase-API-Endpunkte benötigen Validierungsschemata für Typsicherheit und Fehlerbehandlung. Diese Anleitung bietet schrittweise Anleitungen zum Hinzufügen von Malli-Schemata zu Routenparametern, Abfrageparametern, Anfragekörpern und Antwortstrukturen mit proper Patterns und Konventionen.

Dieser Skill bietet umfassende Dokumentation für die Entwicklung von ChatGPT-Apps mit interaktiven Widgets mithilfe von mcp-use und dem OpenAI Apps SDK. Er führt Entwickler durch Architektur, Einrichtung, Implementierung und fortgeschrittene Muster zur Erstellung umfangreicher, interaktiver ChatGPT-Erlebnisse.

Wenn Tests nach dem Code geschrieben werden, entstehen fragile Systeme, die bei Refaktorisierungen brechen. Diese Fähigkeit führt Sie durch testgetriebene Entwicklung, bei der Tests das Verhalten vor der Implementierung definieren, was zu saubererem Code und zuverlässiger Refaktorisierung führt.

Einen Branch mit dem Auge zu prüfen verpasst die Hälfte des Bildes – Code kann den Styleguide bestehen und trotzdem das Falsche implementieren. Dieser Skill führt Standards- und Spec-Reviews in parallelen Sub-Agents aus und stellt sie nebeneinander dar, sodass keine Achse die andere verdecken kann.

Designentscheidungen, die nur auf dem Papier getroffen werden, scheitern oft in der Umsetzung. Dieses Skill hilft Ihnen dabei, schnelle Wegwerf-Prototypen zu bauen, die spezifische Fragen zur Logik oder Benutzeroberfläche beantworten – bevor Sie sich auf endgültigen Code festlegen.