Federal acquisition teams need measurable requirements without mixing pricing content into the contract document. This skill builds structured SOW or PWS files and separate internal handoffs.

OT teams need clear technical scope without unsupported authority or pricing conclusions. This skill builds validated DOCX descriptions and a separate cost-analysis handoff.

Other Transaction budgets can mix cost shares, milestone payments, fees, and unlike price bases. This skill builds traceable workbooks with neutral comparisons and validated formulas.

Federal acquisition research can lose traceability across documents, sources, calculations, and decisions. This skill organizes a staged workflow with approvals, evidence IDs, and validated reports.

Federal buyers need transparent LH and T&M estimates that separate labor, travel, materials, and ceilings. This skill builds validated workbooks from documented assumptions and government benchmarks.

Federal FFP estimates require traceable wages, indirect costs, benchmarks, travel, and formulas. This skill builds a validated workbook with visible assumptions and sourced calculations.

Cost-reimbursement estimates require traceable wages, indirect pools, fee treatment, travel, and benchmark data. This skill builds auditable CPFF, CPAF, and CPIF workbooks with validation steps.

Federal contracting research is fragmented across sources and often lacks clear evidence boundaries. This skill structures approved research, records sources, and produces traceable findings or validated briefs.

Federal acquisition policy changes across codified rules, deviations, notices, and guidance. This skill produces dated, sourced analysis with explicit status and decision boundaries.

Lovable-Backend-Deployments können wiederholte manuelle Prompts und Prüfungen erfordern. Diese Skill automatisiert Workflows für Edge Functions und Migrationen mit MCP oder Browser-Automatisierung und meldet Verifizierungsergebnisse.

Lovable-Projekte erfordern sorgfältige Koordination von GitHub, Supabase und Deployments. Diese Skill gibt Claude, Codex und Claude Code strukturierte Prompts und Workflow-Regeln für Änderungen am Lovable-Backend.

Verstreute Wettbewerbsdaten machen Produktentscheidungen langsam und uneinheitlich. Dieser Skill organisiert Recherchen in Matrizen, Preisvergleichen, SWOT-Analysen, Positionierungskarten und Berichten.

KI-Bildgeneratoren verändern häufig das Gesicht, die Farben, die Kleidung und die Proportionen eines Charakters zwischen verschiedenen Bildern. Dieser Skill bietet Workflows für Referenzbögen, Beschreibungsanker, Farbpaletten und LoRAs, um konsistentere Ergebnisse zu erzielen.

Visuelle Dateien können Fehler, Layoutprobleme und wichtigen Text verbergen. Diese Skill hilft Claude, Codex oder Claude Code dabei, Screenshots, Diagramme und Mockups mit präzisen Beobachtungen zu prüfen.

Teams benötigen einen kleinen Skill, um zu prüfen, ob die Marketplace-Installation und der Aufruf funktionieren. Dieser Skill stellt einen minimalen Tester-Prompt bereit, um die grundlegende Verdrahtung von AI-Skills zu validieren.

Der Wechsel zwischen KI-Arbeit und Linear verlangsamt das Issue-Tracking. Diese Skill führt Claude, Codex und Claude Code durch Linear-GraphQL-Operationen.

Große Repositorys verlangsamen die Orientierung und gezielte Suchen. Dieser Skill hilft Claude, Codex und Claude Code dabei, Dateien, Symbole und Kontext schnell zu finden.

Entwickler verlieren oft Zeit damit, verlässliche API-Details und aktuelle Beispiele zu finden. Dieser Skill leitet Claude, Codex und Claude Code dazu an, offizielle Dokumentation zu priorisieren und prägnante Erklärungen zu liefern.

Anforderungen in sichere Codeänderungen umzusetzen ist zeitaufwendig. Diese Skill bearbeitet Dateien, folgt Projektkonventionen und überprüft das Verhalten nach Möglichkeit mit Checks.

Komplexe Funktionen scheitern oft, wenn Architekturentscheidungen unklar sind. Diese Skill hilft Claude, Codex und Claude Code dabei, Optionen zu vergleichen, Risiken offenzulegen und Implementierungspläne zu erstellen.