Ai Agents

iterative-retrieval ist ein Workflow-Muster zur schrittweisen Verfeinerung der Kontextrecherche in agentischen Arbeitsabläufen. Es hilft Subagenten, zu viel oder zu wenig Kontext zu vermeiden, und ist damit nützlich für iterative-retrieval-Einsatzszenarien, Installationsentscheidungen und iterative-retrieval für Workflow-Automatisierung.

continuous-agent-loop unterstützt Agents dabei, wiederholbare autonome Schleifen mit Qualitäts-Gates, Evals, Recovery-Schritten und klaren Stop-Regeln auszuführen, damit Aufgaben verlässlich abgeschlossen werden.

autonomous-loops ist ein Skill zum Entwerfen autonomer Claude Code-Workflows – von einfachen sequenziellen Pipelines bis zur Multi-Agent-DAG-Orchestrierung mit Quality Gates und Übergaben.

autonomous-agent-harness macht aus Claude Code ein dauerhaft laufendes, selbststeuerndes Agentensystem mit Speicher, geplanten Ausführungen, Task-Dispatch und Computernutzung. Es eignet sich für Agent-Orchestrierung, wiederkehrende Prüfungen und langlebige Workflows, wenn ein einmaliger Prompt nicht ausreicht.

Lernen Sie die agentic-engineering Skill für eval-first Ausführung, Aufgabenzerlegung, Model-Routing und sicherere Workflow-Automation mit Regression-Checks.

Das agent-introspection-debugging Skill bietet einen strukturierten Selbst-Debugging-Workflow für Fehler von KI-Agenten: den Fehlerzustand erfassen, wahrscheinliche Ursachen diagnostizieren, einen begrenzten Wiederherstellungsschritt anwenden und einen für Menschen lesbaren Introspektionsbericht erstellen. Verwenden Sie es für Schleifen, retry-intensive oder driftanfällige Läufe, nicht für die normale Verifikation.

agent-harness-construction ist eine praxisnahe Skill für die Verbesserung des Agent-Harness-Designs, einschließlich Tool-Schemas, Beobachtungsformaten, Fehlerbehandlung und Context-Budgeting für höhere Abschlussraten.

subagent-driven-development ist eine Skill zur Ausführung von Implementierungsplänen mit einem frischen Subagent pro Aufgabe. Anschließend wird jedes Ergebnis in zwei Durchgängen geprüft: zuerst auf Spezifikationskonformität, danach auf Codequalität. Enthalten sind Prompt-Vorlagen für Implementer, Spec-Reviewer und Code-Quality-Reviewer.

dispatching-parallel-agents ist ein Skill für Agent-Orchestrierung, der wirklich unabhängige Aufgaben auf separate Agents mit isoliertem Kontext und koordinierten Ergebnissen verteilt.

langsmith-fetch ist ein Debugging-Skill für LangChain- und LangGraph-Agenten. Er führt Assistenten durch die Installation der CLI, das Setzen der LangSmith-Zugangsdaten, das Abrufen aktueller Traces und die Analyse von Fehlern, Tool Calls, Speicheraktivität, Latenz und Token-Nutzung anhand von Trace-Belegen.

langbase-automation ist eine Claude-Skill zur Automatisierung von Langbase über Composio Rube MCP. Der Leitfaden erklärt Einrichtung, Verbindungsprüfungen, RUBE_SEARCH_TOOLS-Discovery und sichere Automatisierung von Langbase-Workflows.

griptape-automation ist ein Claude Skill, mit dem sich Griptape-Operationen über Composio Rube MCP ausführen lassen. Er leitet Agenten dabei an, aktuelle Tool-Schemas zu suchen, eine aktive Griptape-Verbindung zu prüfen und Workflow-Automatisierung mit weniger veralteten Parametern umzusetzen.

flowiseai-automation hilft Agents, FlowiseAI-Aufgaben über Composio Rube MCP zu automatisieren. Rube einrichten, die flowiseai-Verbindung prüfen, zuerst aktuelle Tool-Schemas suchen und anschließend unterstützte Workflow-Automatisierungen sicher ausführen.

botsonic-automation hilft Agenten, Botsonic-Vorgänge über Composio Rube MCP zu automatisieren: aktuelle Tools erkennen, die Botsonic-Verbindung prüfen und vor der Ausführung Live-Schemas verwenden.

bolna-automation hilft Agents, Bolna-Aufgaben über Composio Rube MCP zu automatisieren: Es erkennt aktuelle Tool-Schemata, prüft die Bolna-Verbindung und führt sicherere Workflow-Aktionen aus.

prompt-engineering-patterns ist eine praxisnahe Skill für produktionsreifes Prompt-Design. Behandelt werden Installationskontext, wiederverwendbare Vorlagen, Few-Shot-Beispiele, strukturierte Ausgaben und Workflows zur Prompt-Optimierung für Context Engineering.

Die evaluation-methodology Skill erklärt das PluginEval-Scoring für Model Evaluation, einschließlich Ebenen, Rubriken, zusammengesetzter Bewertung, Badge-Schwellen und praxisnaher Hinweise zur Interpretation von Ergebnissen und zur Verbesserung schwacher Dimensionen.

langchain-architecture ist ein Leitfaden für den Entwurf von Anwendungen mit LangChain 1.x und LangGraph. Er hilft dabei, schon vor der Implementierung zwischen Chains, Agents, Retrieval, Memory und zustandsbehafteten Orchestrierungsmustern zu wählen.

team-composition-patterns ist eine Entscheidungs-Skill für die Gestaltung von Multi-Agent-Teams in Claude Code Agent Teams – mit Heuristiken zur Teamgröße, Auswahl von subagent_type und Hinweisen zu Anzeigemodi. Nutzen Sie diesen team-composition-patterns Guide, um vordefinierte Review-/Debug-Teams einzusetzen, Rollen auszuwählen und die Team-Setups über Aufgaben hinweg zu standardisieren.

Die Skill parallel-feature-development hilft Teams dabei, ein Feature in klar abgegrenzte Verantwortungsbereiche aufzuteilen, gemeinsame Schnittstellen früh festzulegen und risikoärmere Merge-Muster für Git-Workflows mit mehreren Agents zu wählen. Nutzen Sie sie, um Dateiverantwortung zu planen, Integrationen mit Abhängigkeitsbezug vorzubereiten und konfliktärmere parallele Implementierung zu ermöglichen.

task-coordination-strategies unterstützt Teams dabei, komplexe Arbeit in Teilaufgaben zu zerlegen, Abhängigkeiten abzubilden, Akzeptanzkriterien festzulegen und parallele Workflows von Agents oder Mitwirkenden mit klareren Zuständigkeiten und weniger Merge-Konflikten zu koordinieren.

team-communication-protocols definiert Nachrichtenregeln für Agententeams, darunter direkte vs. Broadcast-Nachrichten, Planfreigaben, Shutdown-Abläufe und wiederverwendbare Vorlagen für koordinierte Agent Orchestration.

agentic-eval ist eine GitHub Copilot Skill, die zeigt, wie sich Evaluierungsschleifen für KI-Ausgaben mit Reflection, rubric-basierter Bewertung und Evaluator-Optimizer-Mustern aufbauen lassen.

agent-governance ist ein dokumentationsorientierter Skill für den Entwurf von Leitplanken für AI agents, Policy-Prüfungen, Vertrauensregeln, Tool-Beschränkungen und Audit-Logging in Tool-gestützten und Multi-Agent-Systemen.