recursive-decomposition

Überblick über die Skill recursive-decomposition

Die Skill recursive-decomposition hilft dir dabei, große Aufgaben mit vielen Dateien oder mehreren Arbeitsschritten zu lösen, indem sie die Arbeit in kleinere Teile zerlegt, diese getrennt verarbeitet und anschließend die Ergebnisse zusammenführt. Besonders nützlich ist recursive-decomposition für Workflow-Automation, Review über eine ganze Codebasis und die Extraktion aus mehreren Dokumenten, wenn ein einzelner Prompt zu oberflächlich oder zu fehleranfällig wäre.

Wofür diese Skill gedacht ist

Nutze die Skill recursive-decomposition, wenn die Aufgabe nicht darin besteht, „eine Frage zu beantworten“, sondern „großes Material zuverlässig zu analysieren“. Typische Einsatzfälle sind das Durchsuchen vieler Dateien, das Vergleichen von Mustern in einer Codebasis, das Extrahieren strukturierter Fakten aus vielen Dokumenten oder das Erstellen eines konsolidierten Berichts aus verteilten Quellen.

Warum sie sich von einem normalen Prompt unterscheidet

Ein normaler Prompt verlangt vom Modell, alles in einem Durchgang zu behalten. Diese Skill führt dich dagegen zu progressiver Offenlegung: erst den Suchraum eingrenzen, dann in die relevanten Teile hinabsteigen, dann zusammenführen. Das ist der zentrale Vorteil, wenn Kontextverlust, übersehene Dateien oder inkonsistente Aggregation sonst die Qualität beeinträchtigen würden.

Geeignete Anwendungsfälle

Die Skill recursive-decomposition passt besonders gut, wenn du 10+ Dateien, 50k+ Tokens oder eine Aufgabe hast, die systematische Abdeckung statt einer schnellen Zusammenfassung verlangt. Weniger geeignet ist sie für kleine, локalisierte Fragen, bei denen direkte Verarbeitung günstiger und schneller ist.

So verwendest du die Skill recursive-decomposition

Installieren und aktivieren

Für recursive-decomposition install fügst du die Skill zu deinem Claude Code oder einem skills-fähigen Workflow hinzu und rufst sie dann auf, wenn die Aufgabe klar über den Rahmen eines Einzeldurchlaufs hinausgeht. Die Datei SKILL.md im Repo verweist auf unterstützende Referenzen in references/; dort stehen die praktischen Entscheidungsregeln.

Mit dem richtigen Input starten

Gib der Skill ein Ziel, eine klare Grenzen-Definition für den Umfang und ein Ausgabeformat. Starker Input sieht zum Beispiel so aus: „Analysiere das Error-Handling in src/api, src/services und src/utils; gib eine Tabelle mit Mustern, Lücken und Empfehlungen aus.“ Schwacher Input sieht eher so aus: „Prüf dieses Repo.“

Diese Dateien zuerst lesen

Für die Nutzung von recursive-decomposition beginne mit SKILL.md und prüfe dann references/cost-analysis.md, references/codebase-analysis.md, references/document-aggregation.md und references/rlm-strategies.md. Diese Dateien zeigen, wann man rekursiv vorgeht, wie man Arbeit sinnvoll aufteilt und wie man Ergebnisse zusammenführt, ohne die Struktur zu verlieren.

Workflow, der bessere Ergebnisse liefert

Nutze diese Reihenfolge: Umfang festlegen, Kandidaten-Dateien oder -Dokumente identifizieren, aggressiv filtern, die verbleibenden Elemente bündeln, parallele Teilaufgaben ausführen und dann die Ergebnisse in ein einheitliches Schema überführen. Der Leitfaden zu recursive-decomposition ist am effektivsten, wenn du klar angibst, was ausgeschlossen werden soll, was als Beleg zählt und wie das Endergebnis aufgebaut sein muss.

FAQ zur Skill recursive-decomposition

Wann sollte ich recursive-decomposition verwenden?

Verwende sie, wenn die Aufgabe viele Dateien, viele Dokumente oder ein großes Token-Budget umfasst und Vollständigkeit wichtiger ist als Geschwindigkeit. Wenn die Arbeit lokal, eng begrenzt oder bereits sauber eingegrenzt ist, reicht direkte Verarbeitung meist aus.

Ist recursive-decomposition nur für Codebasen gedacht?

Nein. Das gleiche Muster funktioniert für Codebasen, Forschungsnotizen, PRDs, lange Berichte und andere Dokumentensets. Entscheidend ist, dass die Aufgabe vom Filtern, Partitionieren und Aggregieren profitiert.

Was ist der häufigste Fehler?

Der häufigste Fehler ist, recursive-decomposition auf eine unpräzise Aufgabe anzusetzen. Wenn du Zielmenge, Ausgabeformat oder Abnahmekriterien nicht festlegst, kann die Skill zwar effizient rekursiv arbeiten, liefert aber trotzdem ein unscharfes Ergebnis.

Ist diese Skill anfängerfreundlich?

Ja, wenn du ein konkretes Ziel und eine klare Umfangsgrenze beschreiben kannst. Einsteiger fahren meist am besten, wenn sie ein einzelnes Ergebnis anfordern, etwa eine Lückenanalyse, ein Inventar oder einen Vergleich, statt einer offenen Erkundung.

So verbesserst du die Skill recursive-decomposition

Gib der Skill einen engeren Suchrahmen

Die beste Nutzung von recursive-decomposition beginnt mit einer begrenzten Fragestellung. Statt „prüfe das Repository“ sage lieber „finde alle Error-Handling-Muster in src/api und src/services, nenne Inkonsistenzen und fasse sie pro Modul zusammen“. Ein enger Rahmen reduziert Rauschen und macht die Rekursion erst durch den Mehraufwand sinnvoll.

Ein Extraktionsschema vorgeben

Wenn du strukturierte Ausgabe willst, sage klar, welche Angaben jeder Eintrag enthalten soll. Zum Beispiel: Datei, Muster, Schweregrad, Beleg und Empfehlung. So bleibt die Skill dabei, parallele Teilresultate vergleichbar zu halten, statt sie unterschiedlich zu erzählen.

Schwellenwerte und Ausschlüsse klar benennen

Die Entscheidungslogik im Repository betont Token-Zahl, Dateianzahl und die Frage, ob Qualität wichtiger ist als Latenz. Wenn du deine Grenzen kennst, sag sie offen: „Tests ausschließen“, „archivierte Doks ignorieren“ oder