KI-Coding-Tools benötigen kontrollierten Netzwerkzugriff, um Datenlecks und bösartige Downloads zu reduzieren. Diese Skill hilft dabei, vertrauenswürdige Domains, Proxy-Einstellungen und sichere Regeln für Umgebungsvariablen zu definieren.

Trainingsfehler sind schwer zu debuggen, wenn Logs, Kurven, Code und Konfigurationen in unterschiedliche Richtungen weisen. Diese Skill organisiert die Evidenz und liefert wahrscheinliche Grundursachen, Korrekturen und Verifikationsschritte.

Die Implementierung von Machine Learning erfordert oft, dass Architektur-, Trainings- und Validierungsentscheidungen aufeinander abgestimmt sind. Dieser Skill bietet Claude, Codex und Claude Code einen spezialisierten Workflow für die PyTorch-Auslieferung.

Wiederverwendbare KI-Workflows werden oft zu breit und schwer zu testen. Dieser Skill hilft dabei, fokussierte Skills mit Spezialisten-Prompts, Verträgen und Validierungsplänen zu definieren.

Mehrdeutige Projektanfragen führen oft zu fehlenden Anforderungen und Nacharbeit. Dieser Skill führt Claude, Codex und Claude Code durch strukturierte Fragenblöcke.

Mehrdeutige Anfragen können zu falschen Annahmen und verschwendeter Arbeit führen. Dieser Skill hilft Claude, Codex und Claude Code dabei, Ziele, Einschränkungen und hilfreiche klärende Fragen abzuleiten.

Das Hinzufügen mehrsprachiger Unterstützung verteilt Strings, Routing, Metadaten und Locale-Dateien oft über die gesamte Codebasis. Diese Skill plant und implementiert eine i18n-Einrichtung mit Übersetzungen, Validierung und Dokumentation.

Große KI-Projekte benötigen klare Agentenrollen, dauerhaften Speicher und zuverlässige Entscheidungen. Diese Skill unterstützt Claude Flow Hive Minds mit queen-geführter Koordination und Konsens-Workflows.

Manuelle Workflow-Wartung verlangsamt Releases und verbirgt CI-Fehler. Dieser Skill hilft Claude, Codex und Claude Code dabei, GitHub Actions-Automatisierung zu generieren, zu überprüfen und zu optimieren.

GitHub-Projekte können über Issues, Boards, Milestones und Sprint-Rituale hinweg auseinanderlaufen. Dieser Skill stellt Claude, Codex und Claude Code strukturierte Workflows für koordinierte GitHub-Planung und Automatisierung bereit.

Generierter Code kann korrekt erscheinen, aber unter realen Eingaben trotzdem fehlschlagen. Dieser Skill führt Claude, Codex oder Claude Code durch Sandbox-Tests, Debugging und evidenzbasierte Berichterstattung.

Die Koordination vieler KI-Agenten über Cloud-Workflows hinweg ist schwer zu planen und zu überwachen. Diese Skill bietet Muster für Flow-Nexus-Schwärme, Warteschlangen, Vorlagen und Workflow-Automatisierung.

Neuronales Training über Sandboxes hinweg ist schwer zu koordinieren. Dieser Skill bietet Claude-, Codex- und Claude Code-Workflows für Flow Nexus-Training, Inferenz, Vorlagen und Cluster.

Komplexe Feature-Arbeit kann ins Stocken geraten, wenn Recherche, Architektur, Implementierung, Tests und Dokumentation getrennt behandelt werden. Diese Skill koordiniert einen gestuften Workflow, der Claude, Codex und Gemini durch Auslieferungsprüfungen führt.

Defekte CI-Pipelines verlangsamen Releases und verschleiern Ursachen. Diese Skill-Anleitung führt durch evidenzbasierte Fehleranalyse, Reparaturplanung, Sandbox-Validierung und GitHub-Feedback.

Komplexe KI-Arbeit erfordert oft mehrere Skills, Modelle und Qualitätsprüfungen. Dieser Skill hilft beim Entwerfen von Kaskaden mit Routing, Sandbox-Tests, Swarm-Koordination und Memory.

Große Vektordatenbanken können langsam, speicherintensiv und schwer zu benchmarken werden. Dieser Skill bietet einen strukturierten AgentDB-Optimierungsworkflow für Quantisierung, HNSW-Indizierung, Caching und Validierung.

Teams benötigen schnellen semantischen Abruf für Dokumente, RAG-Systeme und Wissensdatenbanken. Diese Skill bietet AgentDB-Einrichtung, Suchmuster und Tuning-Anleitung.

Teams benötigen relevante Dokumentenabfrage für RAG und Wissensdatenbanken. Dieser Skill führt durch AgentDB-Einrichtung, Speicherung von Embeddings, Indexierung, API-Suche und Relevanzoptimierung.

Reinforcement-Learning-Projekte benötigen eine strukturierte Einrichtung, Trainingsschleifen, Evaluation und Deployment-Prüfungen. Dieser Skill führt AgentDB-Nutzer durch Algorithmenauswahl, Training, Benchmarking und Produktiv-Rollout.