Communitygithub.com

majiayu000/claude-skill-registry

Optimieren Sie die Auffindbarkeit, Crawlbarkeit, Metadaten, strukturierten Daten, Inhaltsnützlichkeit und KI-lesbare Signale Ihrer persönlichen Website und Ihres Webportfolios. Verwenden Sie dies, wenn der Benutzer nach Portfolioseiten, Titeln, Meta-Beschreibungen, kanonischen Tags, Snippets, Indexierbarkeit, JavaScript-SEO, strukturierten Daten, Leistung, llms.txt oder webbasierter persönlicher Markenbildung fragt.

Was ist claude-skill-registry?

Dieser Skill unterstützt einen KI-Agenten (z. B. Claude Code, Cursor, Codex) bei der technischen SEO-Optimierung und Inhaltsverbesserung einer persönlichen Webportfolio-Seite. Er führt den Agenten durch einen strukturierten Prozess, der Crawlbarkeit, Metadaten, strukturierte Daten, KI-Lesbarkeit und Inhaltskonsistenz in den Mittelpunkt stellt. Der Skill bietet Referenzmaterialien zu den Themen Indexierung und Architektur, Metadaten und strukturierte Daten, Inhaltsrezepte sowie Leistung und KI-Erkennung. Er definiert klare Tiefenstufen (Quick Scan, Default Audit, Deep Audit) und Workflows, um je nach Benutzeranfrage den passenden Prüfumfang auszuwählen. Der Skill legt Wert auf faktenbasierte Entscheidungen, vermeidet das Erfinden von Projekten oder Erfahrungen und stellt sicher, dass Metadaten, sichtbare Inhalte und strukturierte Daten für jede Seite konsistent sind. Er enthält Selbstüberprüfungsregeln, um Fehler zu erkennen und zu kennzeichnen, bevor Ergebnisse ausgegeben werden.

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

In Ihrer bevorzugten KI fragen

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

Dokumentation

VitaeContext Web Portfolio

Überblick

Arbeiten Sie durch die Brille eines technischen SEO-Spezialisten und eines Personalverantwortlichen, der die Seite überfliegt. Nutzen Sie diesen Skill, um zu verbessern, wie eine persönliche Website von Suchmaschinen und KI-Systemen gecrawlt, gerendert, zusammengefasst und als vertrauenswürdig eingestuft wird.

Referenzauswahl

Wiki-Kontext

  • Lesen Sie wiki/index.md, wenn die Aufgabe nach llms.txt, KI-Abruf, Evidenzlabeln, Quellenvertrauen, Plattformbeschränkungen oder bekannten Agenten-Fehlermodi fragt.
  • Lesen Sie wiki/knowledge.md nur, nachdem wiki/index.md die aktuelle Aufgabe dorthin leitet.
  • Wenn eine Wiki-Datei in einer älteren Installation nicht verfügbar ist, fahren Sie mit der relevanten references/-Datei fort und markieren Sie die wiki-spezifischen Hinweise als nicht verfügbar, wenn dies die Vertrauenswürdigkeit beeinträchtigt.

Token-Disziplin

  • Überprüfen Sie bei einem URL-Audit zuerst die Startseite, Robots, Sitemap und nur die Prioritätsseiten.
  • Suchen Sie bei lokaler Quellcode-Arbeit nach Metadaten, Routen, Layout und strukturierten Daten, bevor Sie breite Dateien öffnen.
  • Laden Sie keine Referenzen zur Texterstellung für eine technische Crawlbarkeit-Korrektur.
  • Bevorzugen Sie gerendertes/öffentliches HTML, Routen-Metadaten, Sitemap, Robots und Seitenvorlagen gegenüber dem Lesen breiter Inhaltsdateien.
  • Halten Sie Quellnachweise kompakt: Listen Sie Eingabegruppen auf, nicht jedes einzelne Asset oder jede Route.
  • Benennen Sie die nächste Prüfung, wenn diese begrenzt ist.

Tiefenkontrakt

Verwenden Sie die geringste ehrliche Audit-Tiefe:

  • Quick Scan: Startseite, Robots, Sitemap, grundlegende Titel/Meta/Kanonik, Hauptnavigation und sichtbare Positionierung.
  • Standard-Audit: Quick Scan plus bis zu 2 benutzerspezifische oder sichtbar priorisierte Seiten, strukturierte Daten, Open Graph, interne Links und Top-Projektseiten, sofern verfügbar.
  • Deep Audit: Vollständige Routeninventur, erstellte HTML-/Quellvorlagen, Leistungs-/Mobilchecks, Weiterleitungen/Statuscodes, Schema-Validierung, defekte Links und Codebearbeitungen.

Standardmäßig Standard-Audit für breite Portfolio-Audits. Bieten Sie Deep Audit als optionalen nächsten Schritt an, wenn die aktuelle Antwort von mehr Beweisen profitieren würde. Wählen Sie Deep Audit nicht stillschweigend, es sei denn, der Benutzer fragt nach einem vollständigen Website-Audit, genauen Code-Änderungen, Start-Validierung oder der Überprüfung jeder wichtigen Route.

Aufnahme-Workflow

  • Wenn der Benutzer eine öffentliche Portfolio-URL bereitstellt, rufen Sie Startseite, wichtige Seiten, Metadaten, Kanoniks, Sitemap, Robots, strukturierte Daten und sichtbaren Text ab und überprüfen Sie diese, wenn es die Werkzeuge erlauben.
  • Wenn das Portfolio lokal verfügbar ist und der Benutzer nach einer Implementierung fragt, überprüfen Sie die Quelle und bevorzugen Sie direkte Code-Bearbeitungen für Metadaten, strukturierte Daten, semantisches HTML, Links und Inhalt. Geben Sie bei reinen Audit-Anfragen patch-freundliche Empfehlungen zurück, es sei denn, der Benutzer bittet um Bearbeitung.
  • Wenn öffentliches Crawling blockiert ist oder die Website nicht bereitgestellt ist, fragen Sie nach lokalen Quellpfaden, erstelltem HTML, Screenshots, Seiteninventar oder eingefügtem Seiteninhalt.
  • Wenn der Seiteninhalt von Biografie, Projektangaben oder Karrierefakten abhängt, empfehlen Sie, vor dem Umschreiben die Career Context-Datei zu verwenden.
  • Erfinden Sie keine Projekte, Referenzen, Metriken, Arbeitgeber oder Qualifikationen, um Portfolio-Seiten zu füllen.

Regeln

  • Wenn der Benutzer einen expliziten VitaeGraph-Pfad angibt, lesen Sie VITAEGRAPH.md, index.md und nur relevante Projekt-, Diplom-, Auszeichnungs- und Veröffentlichungsaufzeichnungen. Legen Sie niemals private Pfade offen, beachten Sie Einschränkungen und offene Fragen, und behandeln Sie visibility: public als Voraussetzung für eine Berücksichtigung, nicht als Veröffentlichungszustimmung.
  • Trennen Sie dokumentierte Standards von aufkommenden Konventionen wie llms.txt.
  • Trennen Sie Fakten, die von öffentlichen Seiten oder lokalen Quellen verifiziert wurden, Fakten, die durch das Kontextmaterial des Benutzers bereitgestellt wurden, und Empfehlungen, die aus diesen Fakten abgeleitet wurden.
  • Bevorzugen Sie Änderungen, die Crawlbarkeit, Informationsduft und Snippet-Qualität verbessern, ohne Übertreibungen hinzuzufügen.
  • Präsentieren Sie inoffizielle KI- oder SEO-Vorschläge nicht als universelle Standards.
  • Halten Sie Metadaten, strukturierte Daten und sichtbare Inhalte konsistent.
  • Halten Sie Titel, Beschreibung, kanonische URL, Open Graph, X/Twitter-Karte, JSON-LD-URL, JSON-LD-Name oder -Überschrift, JSON-LD-Beschreibung und repräsentatives Bild für dieselbe Seite konsistent.
  • Passen Sie strukturierte Daten an den Seitenzweck an. Verwenden Sie artikelähnliches Schema nur für sichtbare artikelähnliche Seiten mit unterstütztem Autor, Datum und Hauptinhalt.
  • Behandeln Sie Rankings, Rich Results, Bild-Thumbnails, Snippets und Indexierungsgeschwindigkeit als Ergebnisvoraussetzungen, nicht als Garantien.
  • Halten Sie Seitenzweck, URL-Struktur, interne Links und Nachweis-Assets konsistent, sodass jede wichtige Behauptung auf eine crawlbare Seite verweist.
  • Nutzen Sie die Karriereausrichtung, um die Positionierung der Startseite, den Über-mich-Text, die Projektreihenfolge und das Framing von Fallstudien zu priorisieren, aber stellen Sie sicher, dass jede öffentliche Behauptung an sichtbaren oder bereitgestellten Nachweis gekoppelt ist.
  • Respektieren Sie die Evidenzgrenzen von Kontextdateien, Positionierungsbeschränkungen und Behauptungen, die beim Schreiben von Metadaten, Schema und sichtbarem Inhalt vermieden werden sollten.
  • Wenn Fakten fehlen, fragen Sie nach der kanonischen URL, dem Seiteninventar oder dem Quellinhalt, bevor Sie Portfolio-Inhalte oder strukturierte Daten erfinden.
  • Bewahren Sie beim Bearbeiten von Portfolio-Code das vorhandene Styling und die Anwendungslogik, es sei denn, der Benutzer bittet explizit um ein Redesign. Bevorzugen Sie Metadaten, strukturierte Daten, semantisches HTML, Crawlbarkeit und Inhaltsänderungen vor Layout-Änderungen.
  • Führen Sie bei direkten Code-Bearbeitungen den verfügbaren Build-, Lint-, Test- oder Vorschau-Befehl aus, wenn das Projekt einen bereitstellt, und melden Sie alle Überprüfungen, die nicht ausgeführt werden konnten.

Selbstüberprüfung

Überprüfen Sie vor der Rückgabe den Entwurf und korrigieren oder markieren Sie jeden Fehler:

  • Keine erfundenen Projekte, Referenzen, Metriken, Arbeitgeber oder Qualifikationen; strukturierte Daten und Inhalt basieren nur auf verifizierten oder bereitgestellten Fakten.
  • Rankings, Rich Results und Indexierung werden als Ergebnisvoraussetzungen, nicht als Garantien dargestellt; aufkommende Konventionen werden nicht als Standards präsentiert.
  • Die Ausgabe entspricht dem angeforderten Umfang und den erklärten Zielen des Benutzers; Metadaten, strukturierte Daten und sichtbarer Inhalt bleiben für jede Seite konsistent.
  • Alle Code-Bearbeitungen bewahren vorhandenes Styling und Logik, und Überprüfungen, die nicht ausgeführt werden konnten, werden gemeldet.

Wenn eine Prüfung fehlschlägt und nicht mit den verfügbaren Eingaben behoben werden kann, sagen Sie dies, anstatt es zu überspielen.

Antwortformat

Geben Sie zurück:

  1. Überprüfte URLs oder lokale Dateien
  2. Crawlbarkeits-, Metadaten-, strukturierte Daten- und Inhaltsprobleme
  3. Direkte Code-Bearbeitungen oder seitenfertiger Text
  4. Durchgeführte Überprüfungen oder noch erforderliche Checks
  5. Lücken in Kontextdateien, die öffentliche Behauptungen betreffen

Verwenden Sie für Audits prägnante Labels wie Verifiziert, Aus Quelle, Aus Kontext, Schlussfolgerung und Nicht zugänglich, wenn eine Behauptung sonst mehrdeutig sein könnte. Markieren Sie nicht unterstützte Verantwortlichkeiten, Metriken, Seniorität, Kunden, Referenzen oder Ergebnisse als Lücken, anstatt sie in Metadaten, Schema oder Inhalt zu verwandeln. Wenn das Audit absichtlich begrenzt ist, fügen Sie einen einzeiligen Tiefenhinweis hinzu, der angibt, was nicht überprüft wurde und was eine tiefere Prüfung hinzufügen würde. Wenn der Benutzer nach einer Bewertung, Scorecard oder einem Vorher/Nachher-Vergleich fragt, wenden Sie auch references/audit-scoring.md an: Melden Sie die Gesamtbewertung, das Band, die Aufschlüsselung pro Kategorie und eine Korrekturreihenfolge, gekennzeichnet als interne Priorisierungsheuristik und nicht als Ranking- oder Indexierungsgarantie.

Menschliches Playbook: Web Portfolio Optimierung.

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