Communitygithub.com

majiayu000/claude-skill-registry

Suede-eigenes Betriebssystem für kostenpflichtige Akquisitionen zur Steuerung von Kanälen, Kampagnenstrukturen, Zielgruppen, Geboten, Budget-Pacing, negativen Keywords, Retargeting und Kill-or-Scale-Entscheidungen. Verwenden Sie es bei der Planung, Überprüfung oder Optimierung von bezahlten Kampagnen auf Google, Meta, LinkedIn, X oder vergleichbaren Plattformen. NICHT für: die Erstellung von kreativen Varianten (verwenden Sie suede-ad-creative), die Implementierung von Tracking (verwenden Sie suede-analytics) oder die Optimierung der Landingpage (verwenden Sie suede-site-alchemy).

Was ist claude-skill-registry?

Dieses Skill – majiayu000/claude-skill-registry – ist ein umfassendes Betriebssystem für bezahlte Akquisitionen, das von Suede entwickelt wurde. Es richtet sich an Entwickler und KI-Agenten-Nutzer, die bezahlte Kampagnen auf Plattformen wie Google, Meta, LinkedIn, X und anderen erstellen, optimieren und skalieren möchten. Der Skill bietet einen detaillierten Playbook-Ansatz, der bei der Planung, Prüfung und Optimierung von Kampagnen hilft, mit klaren Anweisungen zum Sammeln von Kontextdaten wie Kampagnenzielen, Zielgruppen und aktuellen State-Analysen. Er verweist auf spezifische Referenzen wie das B2B Paid Playbook, das Meta Decision System oder das Google Search Playbook, um operationale Entscheidungen wie Budgetverteilung, Kill-Regeln oder Skalierung zu unterstützen. Der Skill unterstützt mehrere Plattformen und strukturiert Kampagnen nach Best Practices – mit Namenskonventionen, Budget-Allokationen und Ad-Copy-Frameworks wie Problem-Agitate-Solve (PAS). Vor der Nutzung sollte geprüft werden, ob Kontextdateien wie `.agents/product-marketing.md` existieren, um Redundanzen zu vermeiden. Ziel ist es, fundierte, datengetriebene Entscheidungen zu treffen, ohne direkt auf Konten zuzugreifen.

Funktioniert mit✓Claude Code~Codex CLI~Cursor
npx skills add https://github.com/majiayu000/claude-skill-registry/tree/HEAD/skills/other/suede-ads

In Ihrer bevorzugten KI fragen

Öffnet einen neuen Chat, in dem dieser Agent-Skill bereits geladen ist.

Dokumentation

Suede Paid Ads

Nutzen Sie dieses Suede Playbook für kostenpflichtige Akquisition, um Kampagnen mit klaren Akquisitionsökonomien zu erstellen, zu optimieren und zu skalieren. Gehen Sie niemals von Account-Zugriff aus.

Vor Beginn

Prüfen Sie zuerst auf Produktmarketing-Kontext: Wenn .agents/product-marketing.md existiert (oder .claude/product-marketing.md oder der Legacy-Dateiname product-marketing-context.md in älteren Setups), lesen Sie ihn, bevor Sie Fragen stellen. Nutzen Sie diesen Kontext und fragen Sie nur nach Informationen, die nicht bereits abgedeckt oder spezifisch für diese Aufgabe sind.

Sammeln Sie diesen Kontext (fragen Sie, wenn nicht angegeben):

1. Kampagnenziele

  • Was ist das primäre Ziel? (Bekanntheit, Traffic, Leads, Verkäufe, App-Installationen)
  • Was ist der angestrebte CPA oder ROAS?
  • Was ist das monatliche/wöchentliche Budget?
  • Gibt es Einschränkungen? (Markenrichtlinien, Compliance, geografisch)

2. Produkt & Angebot

  • Was bewerben Sie? (Produkt, kostenlose Testversion, Lead-Magnet, Demo)
  • Wie lautet die URL der Landingpage?
  • Was macht dieses Angebot überzeugend?

3. Zielgruppe

  • Wer ist der ideale Kunde?
  • Welches Problem löst Ihr Produkt für sie?
  • Wonach suchen sie oder woran sind sie interessiert?
  • Haben Sie vorhandene Kundendaten für Lookalikes?

4. Aktueller Stand

  • Haben Sie schon einmal Anzeigen geschaltet? Was hat funktioniert/nicht funktioniert?
  • Haben Sie vorhandene Pixel-/Conversion-Daten?
  • Wie lautet Ihre aktuelle Trichter-Conversion-Rate?

Referenz-Routing

Die Tiefe dieser Fähigkeit liegt in den Referenzen – je nach Absicht laden. Laden Sie für jede operative Entscheidung zu einem Live-Account (beenden/behalten/skalieren/Budget) das entsprechende Playbook, bevor Sie antworten; die Schwellenwerte liegen dort, nicht hier.

BenutzerabsichtLadenDeckt ab
B2B-Strategie, Trichterstufen, Budgetaufteilung, Kill-Regeln, Lead-Qualität, Break-Even-Mathematikb2b-paid-playbook.mdBedarfslebenszyklus, führende/nachlaufende Signale, Kill-Regeln, Offline-Conversion-Schleife, U/B/F-Lead-Bewertung, Skalierungsquadrant
Meta-Operationen: wann eine Anzeige beenden/absolvieren/skalieren, Ermüdung, Teststrukturmeta-decision-system.mdTCPL-verankerter Entscheidungsbaum, Anzeigenanzahl-Obergrenze, 80/20-CBO-Struktur, Ermüdungsbänder, Lead-Formulare, Advantage+-Übergang
LinkedIn-Operationen: Gebote, Zielgruppengröße, Skalierung, Benchmarks, TLAs, Formatelinkedin-b2b-playbook.mdGebotsprogression, Penetrationsskalierung, Größenregeln, Trichter-Benchmarks, Dokumenten-/Conversation-Anzeigen, Audit-Shortlist
Google Search: wofür zuerst ausgeben, Struktur, Match-Typen, Negativbegriffe, PMaxgoogle-search-playbook.mdIntent-Leiter, Account-Struktur, Match-Type-Gates, Negativbegriffe, Gebote nach Volumen, Offline-Conversions, PMax-Leitplanken
Named-Account-Targeting, Pipeline-Beschleunigung, Cross-Channel-Retargetingabm-playbook.mdLinkedIn/Meta ABM, Listenmechanik, Beschleunigungskampagnen, UTM-Cross-Channel-Remarketing, ABM-Messung
Google RSAs generierenrsa-output-spec.mdVerbindliche Ausgabespezifikation – Limits, Sidecars, Vorlage, Selbstprüfung
Zielgruppeneinrichtung, Tracking-Einrichtung, Launch-Checklisten, Copy-Formelnaudience-targeting.md · conversion-tracking.md · platform-setup-checklists.md · ad-copy-templates.mdVorhandene Grundlagen

Plattformauswahl-Leitfaden

PlattformAm besten geeignet fürVerwenden, wenn
Google AdsHigh-Intent-Such-TrafficLeute aktiv nach Ihrer Lösung suchen
MetaNachfragegenerierung, visuelle ProdukteNachfrage schaffen, starke kreative Assets
LinkedInB2B, EntscheidungsträgerJobtitel/Unternehmens-Targeting relevant, höhere Preispunkte
Twitter/XTech-Zielgruppen, Thought LeadershipZielgruppe aktiv auf X, zeitnaher Content
TikTokJüngere Zielgruppen, virale KreativitätZielgruppe tendiert zu 18–34, Videokapazität

Best Practices für die Kampagnenstruktur

Account-Organisation

Account
├── Kampagne 1: [Ziel] - [Zielgruppe/Produkt]
│   ├── Anzeigenset 1: [Targeting-Variation]
│   │   ├── Anzeige 1: [Creative-Variation A]
│   │   ├── Anzeige 2: [Creative-Variation B]
│   │   └── Anzeige 3: [Creative-Variation C]
│   └── Anzeigenset 2: [Targeting-Variation]
└── Kampagne 2...

Namenskonventionen

[Plattform]_[Ziel]_[Zielgruppe]_[Angebot]_[Datum]

Beispiele:
META_Conv_Lookalike-Kunden_KostenloseTestversion_2024Q1
GOOG_Search_Marke_Demo_Dauerhaft
LI_LeadGen_CMOs-SaaS_Whitepaper_Mar24

Budgetzuweisung

Testphase (erste 2–4 Wochen):

  • 70 % an bewährte/risikoarme Kampagnen
  • 30 % zum Testen neuer Zielgruppen/Creatives

Skalierungsphase:

  • Budget in Gewinnerkombinationen konsolidieren
  • Budgets um ~20 % erhöhen – niemals 30 %+ auf einmal (setzt das plattformeigene Lernen zurück)
  • Zwischen Erhöhungen 3–5 Tage für das Algorithmen-Lernen warten

Ad Copy Frameworks

Wichtige Formeln

Problem-Agitate-Solve (PAS):

[Problem] → [Den Schmerz verstärken] → [Lösung vorstellen] → [CTA]

Before-After-Bridge (BAB):

[Aktueller schmerzhafter Zustand] → [Gewünschter zukünftiger Zustand] → [Ihr Produkt als Brücke]

Social Proof Lead:

[Beeindruckende Statistik oder Testimonial] → [Was Sie tun] → [CTA]

Für detaillierte Vorlagen und Headline-Formeln: Siehe references/ad-copy-templates.md


Zielgruppenverständnis & Targeting

Ein tiefes Verständnis Ihrer Zielgruppe ist immer noch die Arbeit mit dem höchsten Hebel in Paid Ads – Demografie, Berufsbezeichnungen, Schmerzpunkte, Ängste, Hoffnungen, die genaue Sprache, die sie verwenden, wem sie folgen, was sie ausprobiert haben, warum sie gescheitert sind, was sie kaufen. Sammeln Sie jeden möglichen Identifikator.

Was sich 2026 geändert hat, ist wo Sie dieses Wissen anwenden. Da die Algorithmen der Werbeplattformen dramatisch besser darin geworden sind, die richtige Person zu finden, ist es weniger effektiv, all Ihre Zielgruppen-Identifikatoren in die Targeting-Filter der Plattform zu stopfen, als diese Identifikatoren in das Creative (Headlines, Copy, Visuals, Hooks, Beispiele) einzuspeisen.

Die Disziplin lautet jetzt: Zielgruppenwissen → Creative zuerst, Targeting-Filter an zweiter Stelle. Wie stark dieses Verhältnis in Richtung "Creative" kippt, variiert je nach Plattform erheblich.

Plattform-für-Plattform: Wo Zielgruppenwissen anwenden

PlattformZielgruppenwissen → CreativeZielgruppenwissen → Targeting-FilterAnmerkungen
Meta (Post-Andromeda)80 %+20 %Algorithmus belohnt breites + spezifisches Creative. Siehe [[#Modernes Meta-Playbook (Andromeda-Ära – 2026+)]] unten für die vollständige Neujustierung. Interest-Stacking schadet jetzt aktiv.
Google Search40 %60 %Keywords sind immer noch das dominante Signal – Match-Typen, Suchintent-Layering und negative Keywords treiben immer noch die Performance. Creative (RSA-Headlines) ist wichtig, liegt aber nachgelagert zum Keyword.
Google Performance Max / Demand Gen70 %30 %Zielgruppensignale sind beratend, nicht deterministisch. Creative + Produkt-Feed-Qualität dominieren.
LinkedIn40 %60 %Jobtitel-/Unternehmens-/Branchenfilter liefern immer noch echte Präzision, da LinkedIn's Identitätsdaten von hoher Qualität sind. Creative sorgt für den Klick; Firmografik sorgt dafür, dass die richtige Person es sieht.
TikTok70 %30 %Algorithmus ist näher am Modell von Meta – breites Targeting + natív wirkendes Creative gewinnt. Einige Zielgruppeninteressen helfen, aber Creative dominiert.
Twitter/X50 %50 %Interest- + Follower-Targeting immer noch bedeutsam, aber kreative Differenzierung ist bei geringerem Wettbewerb ein hoher Hebel.

Diese Verhältnisse sind richtungsweisend, nicht präzise. Testen Sie in Ihrem tatsächlichen Account.

Zielgruppenwissen auf Creative anwenden

Sobald Sie Zielgruppen-Identifikatoren gesammelt haben, setzen Sie jede Art wie folgt im Creative ein:

  • Demografische Identifikatoren (Alter, Standort, Beruf) → als identitätsauslösende Keywords in Headlines einbetten (siehe [[#Der One-Keyword-Hack (Identitätsauslösende Keywords)]])
  • Schmerzpunkte + Ängste → Headline + erste Zeile des Fließtexts (Sabri Subys Framing: "die wörtlichen Worte, die Ihre Kunden für das Problem verwenden")
  • Hoffnungen / gewünschte Ergebnisse → Transformations-Copy + CTAs
  • Einwände + "warum sie beim letzten Mal nicht gekauft haben" → Einwand-behandelnde Retargeting-Anzeigen (siehe [[#Das 4-Komponenten-Retargeting-Framework]])
  • Ihre Sprache / ihr Wortschatz → die gesamte Copy-Stimme – niemals Branchenjargon verwenden, den sie nicht nutzen
  • Vorhandener Kundenstamm → trotzdem für Lookalike-Zielgruppen einspeisen (siehe Schlüsselkonzepte unten)
  • Nische / Segment, mit dem sie sich identifizieren → Identitätsauslösende Keywords in der Headline ("für Zahnärzte" / "für B2B-Gründer" / "für Eltern von Kleinkindern")

Schlüsselkonzepte (gelten weiterhin)

  • Lookalikes: Basierend auf den besten Kunden (nach LTV), nicht allen Kunden. Nach wie vor plattformübergreifend wertvoll.
  • Retargeting: Nach Trichterstufe segmentieren (Besucher vs. Warenkorbabbrecher). Siehe [[#Retargeting mit ANDEREN Angeboten (nicht den gleichen)]] und [[#Das 4-Komponenten-Retargeting-Framework]] für das moderne Playbook.
  • Ausschlüsse: Bestandskunden und aktuelle Konvertierer ausschließen – Personen, die bereits gekauft haben, Anzeigen zu zeigen, verschwendet Budget.

Häufige Fehlerquelle

Mit hyperpräzisem Targeting versuchen, schwaches Creative auszugleichen. Wenn Ihr Creative generisch ist, Sie aber 12 Interessen + 3 demografische Filter + eine benutzerdefinierte Zielgruppe stapeln, haben Sie eine kleine Zielgruppe aufgebaut, die alle eine schlechte Anzeige sehen. Besser: Sammeln Sie dieselben Zielgruppen-Identifikatoren, schreiben Sie 5 Creative-Varianten, die jeweils ein anderes Segment ansprechen, targetieren Sie breit, lassen Sie den Algorithmus jedes Creative dem richtigen Segment zuordnen.

Für detaillierte Targeting-Strategien nach Plattform: Siehe references/audience-targeting.md


Modernes Meta-Playbook (Andromeda-Ära – 2026+)

Meta hat 2025 den Andromeda-Algorithmus eingeführt, der Meta Ads grundlegend verändert hat. Das alte Playbook (Interest-Stacking, polierte Video-Creatives, Einzelgewinner-Skalierung) ist unterlegen. Das neue Playbook:

Creative-Volumen ist der Engpass (Statics > poliertes Video)

  • Andromeda ist "ein hungriger Panda" – es braucht ständig frische Creatives, sonst ermüdet es
  • Statics übertreffen 2026 oft Videos, weil:
    • Metas Algorithmus eine Neigung zu Statics hat – er kann pro Session und User mehr Statics zeigen, sodass sie günstiger auszuliefern sind
    • Static-Creatives sind 10x günstiger und schneller zu produzieren als Videos, was das Volumen ermöglicht, das Andromeda braucht
    • Selbst Top-Werbetreibende mit 17+ VSLs berichten, dass heruntergekommene, natív aussehende Statics oft 2,5-Monats-Produktions-VSLs schlagen
  • Widmen Sie 1 Stunde pro Woche der Produktion frischer Creatives für Ihr Gewinner-Angebot. Volumen > Politur.

Creative IST das Targeting (breite Zielgruppe + spezifisches Creative)

  • Das alte Playbook: Interessen stapeln, Zielgruppe eingrenzen, hoffen, den richtigen Käufer zu finden
  • Das neue Playbook: Breit targetieren (nur das Land) und das Creative das Targeting machen lassen
  • Langformatiger Anzeigentext funktioniert 2026 besser als Kurzformat – gibt Meta einen breiteren Kontext, um zu verstehen, wem die Anzeige gezeigt werden soll
  • Testen Sie es: Nehmen Sie Ihre beste Gewinner-Anzeige mit Interest-Stacking-Targeting, duplizieren Sie sie, entfernen Sie das gesamte Targeting (wählen Sie nur das Land), lassen Sie sie 7 Tage parallel laufen. Überprüfen Sie die CPAs. Breit gewinnt in der Regel.

Der One-Keyword-Hack (Identitätsauslösende Keywords)

  • Nehmen Sie Ihre Gewinner-Anzeige
  • Duplizieren Sie sie mit einem Nischen-/Identitäts-Keyword, das in der Headline oder im Fließtext eingefügt ist
  • "So erhalten Sie 462 Leads pro Woche im Autopilot" → "So erhalten Sie 462 Zahnarzt-Leads pro Woche im Autopilot" / "...Anwalt-Leads..." / "...Immobilieninvestment-Leads..."
  • Das Keyword ist ein Identitätsauslöser für den Betrachter UND ein Targeting-Signal für Andromeda
  • Senkt den CPL drastisch und eröffnet Zielgruppen-Pockets, die Sie mit einer generischen Anzeige nicht erreichen konnten

KI-Varianten-Farming (der 100-Personen-Test)

  • Nehmen Sie Ihre Gewinner-Anzeige
  • Füttern Sie sie mit dem Prompt an Claude/ChatGPT/Kong:

    "Ich möchte, dass Sie diese Anzeige lesen und der Autor sind. Wenn ich die nächste Anzeige zeige, die ich Sie bitten werde, für 100 Personen zu schreiben, könnte nicht 1 von 100 sagen, dass sie von einer anderen Person geschrieben wurde. Schreiben Sie dies jetzt für [Zielgruppe/Nische]."

  • Die Ausgabe sollte im Wesentlichen gleich klingen, mit subtilen Relevanzverschiebungen für das Ziel
  • Nacheinander anwenden: Fließtext → Headlines → Creative
  • Alle Varianten in eine CBO werfen, Metas KI das Budget zuweisen lassen

Zombie-Kampagnen

  • Nach dem Ausführen einer CBO gibt Meta 80 % der Varianten kein Budget
  • Nehmen Sie die toten Varianten, von denen Sie überzeugt sind
  • Starten Sie sie in einem separaten Anzeigenset ("Zombie-Kampagne")
  • Erweckt in der Regel 20 % als Gewinner wieder, die Metas erste Zuteilung übergangen hat

Anzeigen nicht wie Anzeigen aussehen lassen

  • Hunderte Millionen Menschen haben Werbeblocker – die polierte Anzeigenästhetik tötet die Performance
  • Studieren Sie, welcher Content natív funktioniert in Ihrer Nische auf TikTok/Instagram/YouTube → produzieren Sie Anzeigen, die dieser Ästhetik entsprechen
  • Burner-Account-Technik: Erstellen Sie einen sauberen Instagram-/TikTok-Account, folgen Sie allen Influencern und Seiten in Ihrer Nische, liken Sie deren Content. Ihr Feed wird eine kuratierte Ansicht dessen, was natív gewinnt. Produzieren Sie dazu passende Anzeigen.
  • Wenn Sie ein organisches Video mit Millionen von Views haben, schalten Sie genau dieses Video als bezahlte Anzeige – bewährter Content + bezahlte Distribution = der höchste Hebel

Best Practices für Creatives

Bildanzeigen

  • Klare Produktscreenshots mit UI
  • Vorher/Nachher-Vergleiche
  • Statistiken und Zahlen als Brennpunkt
  • Menschliche Gesichter (echt, keine Stockfotos)
  • Fette, lesbare Textüberlagerung (unter 20 % halten)

Videoanzeigen-Struktur (15–30 Sek.)

  1. Hook (0–3 Sek.): Pattern-Interrupt, Frage oder kühne Aussage
  2. Problem (3–8 Sek.): Nachvollziehbarer Schmerzpunkt
  3. Lösung (8–20 Sek.): Produkt/Nutzen zeigen
  4. CTA (20–30 Sek.): Klarer nächster Schritt

Produktionstipps:

  • Immer Untertitel (85 % schauen ohne Ton)
  • Hochformat für Stories/Reels, quadratisch für den Feed
  • Natíves Gefühl übertrifft poliertes
  • Die ersten 3 Sekunden entscheiden, ob sie weiterschauen

Hierarchie des Creative-Testens

  1. Konzept/Ansatz (größte Wirkung)
  2. Hook/Headline
  3. Visueller Stil
  4. Fließtext
  5. CTA

Kampagnenoptimierung

Für harte Kill-/Keep-/Scale-Schwellenwerte, u

…

[gekürzt zur Übersetzung]

Individual skills in this repo

This repo contains 20 individual skills — each has its own dedicated page.

majiayu000/claude-skill-registry

Builds, edit or validate Agent Skill through conversational discovery. Use when the user requests to "Create an Agent", "Optimize an Agent" or "Edit an Agent".

majiayu000/claude-skill-registry

Edit existing BMAD agents while maintaining compliance

majiayu000/claude-skill-registry

Edit existing BMAD agents while maintaining compliance

majiayu000/claude-skill-registry

Edit existing BMAD modules while maintaining coherence

majiayu000/claude-skill-registry

Edit existing BMAD modules while maintaining coherence

majiayu000/claude-skill-registry

Analyzes current state and user query to answer BMad questions or recommend the next workflow or agent. Use when user says what should I do next, what do I do now, or asks a question about BMad

majiayu000/claude-skill-registry

Build AI agents with Google ADK Python (Agent Development Kit). Use for multi-agent systems, workflow agents (sequential/parallel/loop), Vertex AI deployment, tool integration, human-in-the-loop.

majiayu000/claude-skill-registry

Build AI agents with Google ADK Python (Agent Development Kit). Use for multi-agent systems, workflow agents (sequential/parallel/loop), Vertex AI deployment, tool integration, human-in-the-loop.

majiayu000/claude-skill-registry

Portfolio allocation and rebalancing optimizer. Manages asset allocation across stocks/cash/bonds, performs periodic rebalancing, and ensures diversification according to market regime and risk tolerance.

majiayu000/claude-skill-registry

Create a hilarious and ultra-realistic video of an anthropomorphic animal acting like a human vlogger in a real-world setting.

majiayu000/claude-skill-registry

Speech-to-text transcription and translation via OpenAI Audio API -- models, response formats, timestamps, prompting, streaming, chunking, and diarization

majiayu000/claude-skill-registry

BlockRun works with Claude Code and Google Antigravity.

majiayu000/claude-skill-registry

This skill should be used when the user asks about libraries, frameworks, API references, or needs code examples. Activates for setup questions, code generation involving libraries, or mentions of specific frameworks like React, Vue, Next.js, Prisma, Supabase, etc.

majiayu000/claude-skill-registry

小省导购员数字人带货版即梦视频提示词生成系统,基于四大智能体协同(提示词生成师、质量管控师、知识库运维师、跨环节适配师),按照"主体+运动+场景+(镜头语言+光影+氛围)"公式输出中英文双版提示词,适配5s短视频。确保人物一致性、视觉连贯性、情绪连贯性,支持知识库智能复用和跨工具适配(Suno音乐、AI绘画),为数字人带货视频提供高质量提示词生成服务。

majiayu000/claude-skill-registry

Upload and manage files using Google Gemini File API via scripts/. Use for uploading images, audio, video, PDFs, and other files for use with Gemini models. Supports file upload, status checking, and file management. Triggers on "upload file", "file API", "upload image", "upload PDF", "upload video", "file management".

majiayu000/claude-skill-registry

CRITICAL: Use for MolyKit AI chat toolkit. Triggers on: BotClient, OpenAI, SSE streaming, AI chat, molykit, PlatformSend, spawn(), ThreadToken, cross-platform async, Chat widget, Messages, PromptInput, Avatar, LLM

majiayu000/claude-skill-registry

AI and machine learning workflow covering LLM application development, RAG implementation, agent architecture, ML pipelines, and AI-powered features.

majiayu000/claude-skill-registry

Analyze images/audio/video with Gemini API (better vision than Claude). Generate images (Imagen 4), videos (Veo 3). Use for vision analysis, transcription, OCR, design extraction, multimodal AI.

majiayu000/claude-skill-registry

Analyze images/audio/video with Gemini API (better vision than Claude). Generate images (Imagen 4), videos (Veo 3). Use for vision analysis, transcription, OCR, design extraction, multimodal AI.

majiayu000/claude-skill-registry

Skill for discovering and researching autonomous AI agents, tools, and ecosystems using the AgentFolio directory.

Verwandte Skills