Ai

videodb hilft beim Ingest von Video und Audio aus lokalen Dateien, URLs, RTSP/RTMP-Livefeeds oder Desktop-Capture; beim Finden von Momenten mit Zeitstempeln und abspielbaren Belegen; sowie beim Arbeiten mit Clips, Overlays, Transkription, Alerts und Timeline-Bearbeitung. Das ist ein praxisnaher Videodb-Leitfaden für VideoDB für Video Editing und die Analyse von Livestreams.

token-budget-advisor ist eine Routing-Skill, die hilft, die Antworttiefe vor dem Antworten festzulegen. Verwende sie, um Länge, Detailgrad oder Tokenverbrauch in Workflow-Automatisierung und Chat-Flows zu steuern. Dieser token-budget-advisor-Guide behandelt Triggerregeln, Grenzen für den Einsatz und die Anwendung über `skills/token-budget-advisor`.

skill-comply ist eine Skill zur Compliance-Prüfung, die in realen Läufen überprüft, ob ein Agent einer Skill-, Regel- oder Agentendefinition folgt. Sie generiert Spezifikationen aus Markdown, führt drei Stufen von Prompt-Striktheit aus, klassifiziert Tool-Call-Timelines und berichtet Compliance-Raten mit Belegen. Nützlich für skill-comply für Compliance-Review.

santa-method ist ein Multi-Agenten-Verifizierungsworkflow für Ergebnisse, die vor der Auslieferung korrekt sein müssen. Er nutzt unabhängige Prüfung, um blinde Flecken in Inhalten, code-nahen Deliverables, compliance-sensiblem Text und Aufgaben der Workflow-Automatisierung aufzudecken. Installieren Sie das santa-method Skill, wenn Sie eine wiederholbare Generate-Verify-Converge-Schleife benötigen.

regex-vs-llm-structured-text Skill zur Auswahl von Regex oder LLM bei der Extraktion strukturierter Texte. Starte mit deterministischem Parsen, ergänze LLM-Validierung für grenzwertige Unsicherheitsfälle und nutze eine günstigere, zuverlässigere Pipeline für Dokumente, Formulare, Rechnungen und Datenanalysen.

llm-trading-agent-security ist ein praxisnaher Leitfaden zur Absicherung autonomer Trading-Agenten mit Wallet-Befugnissen. Er behandelt Prompt Injection, Ausgabelimits, Simulation vor dem Senden, Circuit Breaker, MEV-bewusste Ausführung und die Isolierung von Schlüsseln, um das Risiko finanzieller Verluste in einem Security Audit zu senken.

foundation-models-on-device hilft dir dabei, Apple-FoundationModels-Funktionen auf iOS 26+ umzusetzen – mit Textgenerierung direkt auf dem Gerät, geführter Ausgabe mit @Generable, Tool-Calling, Snapshot-Streaming und Verfügbarkeitsprüfungen für datenschutzorientierte Apps.

cost-aware-llm-pipeline hilft dir, LLM-Workflows zu bauen, die API-Kosten mit Model Routing, unveränderlicher Kostenverfolgung, Retry-Handling und Prompt Caching im Griff behalten. Ideal für Batch-Jobs, Dokumenten-Pipelines und Workflow Automation, wenn Volumen und Qualitätskompromisse klare Regeln brauchen.

ai-first-engineering ist ein kompaktes Betriebsmodell für Teams, in denen KI-Agenten einen großen Teil der Implementierungsarbeit übernehmen. Es hilft dabei, Agent-Standards für Planung, Architektur, Reviews und Tests festzulegen, und bietet Hinweise zu Installation, Nutzung und dazu, wann die Skill eingesetzt werden sollte.

fact-checker ist ein promptgesteuerter Skill für strukturierte Faktenprüfung, Quellenbewertung und klare Urteile mit Vertrauensgrad und Kontext. Installiere ihn aus Shubhamsaboo/awesome-llm-apps, um Aussagen, Gerüchte, Statistiken und irreführende Behauptungen mit einem wiederholbaren Workflow zu prüfen.

deep-research ist ein leichtgewichtiger Agent-Skill für strukturierte Webrecherche. Er hilft dabei, den Umfang zu klären, mehrere Quellen zusammenzutragen, ihre Glaubwürdigkeit zu bewerten und belegte Erkenntnisse aus einem einzigen `SKILL.md`-Workflow zu verdichten.

triage ist ein GitHub-Issue-Triage-Skill, um eingehende Bugs und Feature Requests durch eine rollenbasierte Zustandsmaschine zu steuern. Verwenden Sie ihn, um Issues zu klassifizieren, zu entscheiden, ob weitere Informationen nötig sind, Aufgaben an einen AFK-Agenten oder einen menschlichen Maintainer weiterzuleiten und die Bearbeitung von Issues konsistent zu halten. Ein praktischer Triage-Skill für Issue-Tracking.

vector-index-tuning hilft dabei, Vektor-Suchindizes auf Latenz, Recall und Speicherverbrauch abzustimmen. Nutzen Sie die Skill, um Indextypen auszuwählen, HNSW-Einstellungen anzupassen und Quantisierungsoptionen für RAG-Workflows zu vergleichen.

rag-implementation ist eine praxisnahe Skill für die Planung von RAG-Systemen mit Vektordatenbanken, Embeddings, Retrieval-Mustern und Workflows für fundierte Antworten. Nutzen Sie sie, um Stack-Optionen zu vergleichen, Architekturentscheidungen auszuarbeiten sowie Installation und Einsatz für Dokumenten-Q&A, Wissensassistenten und semantische Suche zu steuern.

similarity-search-patterns unterstützt Sie bei der Wahl von Distanzmetriken, Indextypen und hybriden Retrieval-Mustern für semantische Suche und RAG-Workflows. Nutzen Sie den Skill, um Trade-offs in produktiven Vektorsuchen bei Recall, Latenz und Skalierung fundiert zu planen.

Die Skill hybrid-search-implementation zeigt, wie sich Vektor- und Keyword-Retrieval mit RRF, linearer Fusion, Reranking und Cascade-Mustern für RAG- und Suchsysteme kombinieren lassen.

Mit dem Skill llm-evaluation erstellen Sie wiederholbare Evaluationspläne für LLM-Apps, Prompts, RAG-Systeme und Modelländerungen – mit Metriken, menschlicher Bewertung, Benchmarking und Regressionsprüfungen.

embedding-strategies hilft bei der Auswahl und Optimierung von Embedding-Modellen für semantische Suche und RAG-Workflows – mit praxisnaher Anleitung zu Chunking, Modellabwägungen, mehrsprachigen Inhalten und der Bewertung der Retrieval-Qualität.

ai-prompt-engineering-safety-review ist eine Skill zur Prompt-Prüfung, mit der LLM-Prompts vor dem Produktiveinsatz, vor Evaluationen oder vor kundennahen Anwendungen auf Sicherheit, Bias, Sicherheitslücken und Ausgabequalität überprüft werden.

gws-modelarmor hilft dir, mit Google Model Armor im googleworkspace/cli-Ökosystem zu arbeiten. Damit kannst du Prompts bereinigen, Modellantworten bereinigen und Templates mit weniger Rätselraten als bei einem generischen Prompt erstellen. Die Skill ist auf wiederholbare, richtlinienbewusste Nutzung und Security-Audit-Workflows ausgelegt.

develop-ai-functions-example unterstützt dich dabei, lauffähige AI SDK-Beispiele in `vercel/ai` unter `examples/ai-functions/src/` zu erstellen oder anzupassen. Damit wählst du die passende Kategorie, hältst Repo-Konventionen ein und baust schlanke Beispiele für Providervalidierung, Demos oder Fixtures.

add-provider-package ist ein fokussierter Leitfaden zum Erstellen eines neuen @ai-sdk/<provider>-Pakets in vercel/ai. Er unterstützt Mitwirkende und API-Teams dabei, die Provider-Architektur, Paketstruktur und den Implementierungsablauf des AI SDK einzuhalten, wenn ein neuer Provider hinzugefügt wird.

ai-seo unterstützt Teams dabei, die Sichtbarkeit in AI-Antworten über ChatGPT, Perplexity, Google AI Overviews, Claude und Gemini hinweg zu verbessern. Nutzen Sie den Skill, um Indexierung, Bot-Zugriff, Extrahierbarkeit und Zitationsbereitschaft zu prüfen und daraus mit den Plattform- und Content-Pattern-Referenzen des Repos einen praxisnahen Content-Plan abzuleiten.

mama ist eine erzählstilbasierte Variante des `pua`-Skills: Die Kernregeln bleiben gleich, aber der Ton wechselt zu einer chinesischen, drängenden Mutterstimme. Geeignet, um ein wiederverwendbares Trigger-Muster für hartnäckige Troubleshooting-, Debugging- und Prompt-Writing-Workflows zu installieren – inklusive geerbter Eskalation, Checklisten und konsequenterem Nachfassen.