OpenAI

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.

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.

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.

transcribe wandelt Audio oder Video in Text um, optional mit Diarisierung und Hinweisen auf bekannte Sprecher. Es eignet sich besonders für technisches Schreiben, Meeting-Notizen, Interviews, Vorlesungen und Content Ops, wenn du einen wiederholbaren transcribe Skill mit klaren Ausgabeformaten brauchst und weniger raten willst als bei einem generischen Prompt.

Die context-engineering-Skill hilft dir dabei, Projektkontext so zu strukturieren, dass Agents Konventionen einhalten, Halluzinationen reduzieren und fokussiert bleiben. Nutze sie beim Start einer Session, beim Wechsel von Aufgaben oder wenn du einen context-engineering-Guide für eine Codebasis erstellst.

chatgpt-apps ist das Skill für das Erstellen oder Reparieren von ChatGPT Apps SDK-Projekten, die einen MCP-Server mit einer Widget-UI kombinieren. Verwenden Sie es für docs-konforme Einrichtung, Tool-Design, Bridge-Verdrahtung, Resource-Registrierung, Metadata, CSP und Repo-Validierung. Es unterstützt außerdem chatgpt-apps für Backend Development, wenn Backend und UI gemeinsam entworfen werden müssen.

context-optimization ist eine praxisnahe Skill für Context Engineering, die hilft, Token-Verschwendung zu reduzieren, den Entscheidungsstand zu erhalten und lange Workflows zu steuern. Verwenden Sie sie, um Kontextgrenzen zu handhaben, unnötig aufgeblähte Tool-Ausgaben zu kürzen, eine cache-freundliche Prompt-Struktur zu verbessern, Observation Masking und Compaction einzusetzen und den Kontext bei Bedarf zu partitionieren. Sie ist für den echten Einsatz gebaut, nicht nur für die Theorie.

baoyu-imagine ist ein Skill zur Bildgenerierung mit mehreren Anbietern, typisierter CLI, verpflichtender EXTEND.md-Einrichtung, Unterstützung für Referenzbilder, Seitenverhältnis-Steuerung und Batch-Läufen über OpenAI, Azure OpenAI, Google, OpenRouter, DashScope, MiniMax, Jimeng, Seedream und Replicate.

huggingface-local-models hilft dir dabei, Hugging Face-Modelle zu finden, die sich lokal mit llama.cpp und GGUF ausführen lassen, eine praxistaugliche Quantisierung zu wählen und sie auf CPU, Apple Metal, CUDA oder ROCm zu starten. Der Leitfaden deckt Modellentdeckung, die exakte Suche nach GGUF-Dateien, Server- vs. CLI-Setup und einen schnellen Pfad für Backend-Entwicklung und private lokale Inferenz ab.

neat-freak ist ein Skill zur Bereinigung von Wissen beim Übergabeabschluss am Ende einer Sitzung. Er gleicht Projektdokumente, Agentenspeicher und Code-Drift ab, damit CLAUDE.md, AGENTS.md und docs/ aktuell und konsistent bleiben. Nützlich für technische Redakteure, Entwickler und Agenten-Operatoren, die eine sauberere und zuverlässigere Projektwissensbasis brauchen.

aihot ist eine Webrecherche-Skill für aktuelle KI-News, tägliche Auswahltipps, Modell-Launches und Trendzusammenfassungen von aihot.virxact.com. Verwenden Sie die aihot-Skill, wenn Sie frische KI-Updates auf Chinesisch oder Englisch brauchen, darunter heutige Schlagzeilen, aktuelle Releases und knappe Briefing-Zusammenfassungen, ohne sich auf veraltete Trainingsdaten zu verlassen.

azure-ai-openai-dotnet hilft .NET-Entwicklern dabei, Azure OpenAI praxisnah zu integrieren – mit klaren Hinweisen zu Einrichtung, Authentifizierung, Client-Auswahl und der Nutzung für Chat, Embeddings, Bilder, Audio und Assistenten. Das ist besonders nützlich für API-Entwicklung, wenn Sie einen funktionsfähigen Einstiegspunkt mit Azure.AI.OpenAI suchen und nicht nur eine konzeptionelle Zusammenfassung.

podcast-generation hilft dabei, aus Text KI-generierte Audioinhalte im Podcast-Stil zu erstellen – mit Azure OpenAI GPT Realtime Mini über WebSocket. Es eignet sich für podcast-generation im Full-Stack-Development und bietet Orientierung für React, Python FastAPI, PCM-Streaming, Transkript-Erfassung und WAV-Konvertierung. Nutze es, wenn du einen praxisnahen podcast-generation-Leitfaden für die Integration in echte Anwendungen brauchst und nicht nur einen generischen Prompt.

mcp-builder ist ein praxisnaher Leitfaden für die MCP-Server-Entwicklung und hilft dir dabei, hochwertige Server zu entwerfen, über die LLMs externe Dienste mit klaren, zuverlässigen Tools nutzen können. Behandelt werden Architekturentscheidungen, Tool-Grenzen, Schemaqualität, Bewertungsaspekte und die Frage, wann du Microsoft MCP-Dienste wiederverwenden solltest, statt etwas Eigenes zu bauen.

codex ist ein Claude Code-Skill, der den Codex CLI für Codeanalyse, Refactoring und automatisierte Bearbeitung kapselt. Er hilft dabei, `codex exec` und `codex resume` mit dem richtigen Modell, passender Sandbox, sauberem Resume-Ablauf und einer standardmäßig ruhigeren Ausgabe auszuführen. Voraussetzung ist eine funktionierende lokale Codex CLI-Installation.

tree-of-thoughts ist ein Reasoning-Workflow-Skill, der Agenten dabei hilft, mehrere Ansätze zu erkunden, schwache Pfade zu verwerfen und eine bessere Antwort zu verdichten. Er ist nützlich für schwieriges Debugging, Planung, Architektur-Abwägungen und tree-of-thoughts für Agent Orchestration.

do-in-parallel ist ein Workflow-Skill für Agent Orchestration, der mehrere Sub-Agents parallel über Dateien oder Ziele hinweg startet, wiederholbare Arbeit intelligent bündelt und Ergebnisse mit Meta-Judges sowie LLM-as-a-judge-Prüfung verifiziert. Verwenden Sie den do-in-parallel-Skill, wenn Sie Batch-Ausführung mit weniger Rätselraten als bei einem generischen Prompt benötigen.

Die model-hierarchy-Skill hilft Agenten dabei, Aufgaben an das günstigste Modell zu routen, das sie bewältigen kann. So verbessert sie die Kostenkontrolle, ohne die Qualität bei Routineaufgaben zu beeinträchtigen. Nutze diesen model-hierarchy-Leitfaden für Workflow-Automatisierung, das Erzeugen von Sub-Agenten und einfache Aufgabenklassifizierung. Er eignet sich für Setups, in denen du ein wiederholbares Muster für den Einsatz von model-hierarchy möchtest statt einer ad hoc getroffenen Modellauswahl.

create-boss macht aus Boss-Chats, Notizen, E-Mails und Projektartefakten eine wiederverwendbare Skill für Urteilsvermögen, Managing Up und Persona-Modellierung. Installiere sie in Claude Code oder OpenClaw, um reale Manager-Profile oder Unternehmer-Archetypen aufzubauen, und verfeinere die Ausgaben anschließend mit Korrektur-Workflows und wiederverwendbarer, Playbooks-fähiger Boss-Anleitung.

Leitfaden zu netlify-ai-gateway für den Netlify AI Gateway. Erfahre die Grundlagen zu Installation und Nutzung, unterstützte Modelle, SDK-Setup und Backend-Entwicklungsmuster für Netlify-Apps.

voltagent-best-practices ist ein kompakter VoltAgent-Leitfaden für die Wahl zwischen Agents und Workflows, die Projektstruktur sowie die Anbindung von Memory, Servern und Observability. Er hilft Teams, Architekturentscheidungen schneller zu treffen und beim Erstellen von Skills weniger zu spekulieren.

transform-generate-image-with-transloadit ist ein Einmal-Image-Generierungsskill, mit dem du aus einem Text-Prompt oder aus Prompt plus Referenzbildern über Transloadit per `transloadit` CLI eine lokale Bilddatei erzeugst. Geeignet für schnelle, promptgesteuerte Bildgenerierung mit klarer Steuerung des Ausgabepfads und optionaler Modellauswahl.

codex-collab ist ein Claude Code Skill, um Arbeit über das codex app-server JSON-RPC-Protokoll an Codex zu übergeben. Nutze den codex-collab Skill, um Aufgaben end-to-end auszuführen, Code zu prüfen, parallel zu recherchieren und Workflow-Automation mit fortsetzbaren Threads und wiederverwendbarer Ausgabe zu unterstützen.

full-output-enforcement ist ein Guardrail-Skill für Schreiben und Ausführung, der vollständige, ungekürzte Ausgaben erzwingt. Er verbietet Platzhalter, unvollständige Antworten und ausgelassene Mittelabschnitte und ist damit nützlich für Codegenerierung, Dokumentation, Migrationen und Skill Authoring, wenn Vollständigkeit zählt.