Communitygithub.com

Wachstumsprotokoll

Nutze dies nach einer komplexen Aufgabe, einem Fehler oder beim Rückblick auf Gelerntes. Es lehrt, wie man Wachstumsprotokolle schreibt, die wiederverwendbare Muster extrahieren – keine Tagebucheinträge.

Was ist Wachstumsprotokoll?

Die Fähigkeit 'Wachstumsprotokoll' verwandelt einfache Aufzeichnungen in leistungsstarke Lernartefakte, die Muster über mehrere Sitzungen hinweg extrahieren und verknüpfen. Sie ist ideal nach komplexen Aufgaben, Fehlern oder beim Rückblick auf Gelerntes – nicht für triviale Änderungen. Die Fähigkeit betont drei Kernregeln: Fehler sind nahrhafter als Erfolge (Regel 1), wende das Bole-Prinzip an, um Duplikate zu vermeiden, indem bestehende Einträge durchsucht werden (Regel 2), und stelle sicher, dass jeder Eintrag übertragbar ist, mit einer klaren 'Nächstes Mal werde ich …'-Aussage (Regel 3). Sie bietet eine Vorlage mit Abschnitten für Kontext, Grundursache, das übertragbare Muster und Querverweise. Die Fähigkeit unterstützt jede Notizumgebung – Markdown, Notion, Obsidian – und kategorisiert Einträge in Fehler, Methodik, Mustererkennung und Kompetenzänderungen. Durch die Befolgung der Checkliste zur Qualitätssicherung vermeiden Benutzer Antimuster wie das Aufzeichnen von Ereignissen anstelle von Mustern oder das Kopieren von Commit-Nachrichten. Das Ziel ist es, einen wachsenden, durchsuchbaren Wissensschatz zu schaffen, der mit jeder Notiz wertvoller wird.

Funktioniert mit~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/affaan-m/ECC/tree/main/skills/growth-log

In Ihrer bevorzugten KI fragen

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

Dokumentation

Growth Log Skill

Das Problem: Die meisten Leute schreiben „Fehler in X behoben“ als Lerntagebuch. Das ist ein Tagebucheintrag, kein Lernartefakt. Ein echtes Growth Log extrahiert das Muster, damit du es beim nächsten Mal wiedererkennst.

Diese Fähigkeit lehrt: Wie du Lerneinträge verfasst, die sich über mehrere Sitzungen hinweg summieren. Funktioniert mit jedem Notizsystem – Markdown-Dateien, Notion, Obsidian, Klartext. Vorlagen sind generisch; passe sie an deine Einrichtung an.

Wann aktivieren

  • Nach Abschluss einer komplexen Aufgabe (mehrere Dateien, neue Funktion, Architekturänderung)
  • Nach einem Fehler, Missgeschick oder einem „Das war schwieriger als erwartet“-Moment
  • Wenn du das Gelernte über einen Zeitraum hinweg überprüfen möchtest

Wann NICHT aktivieren: Triviale Änderungen (Tippfehlerkorrekturen, einzeilige Anpassungen, Konfigurationswertänderungen ohne Fehlersuche). Die Schwelle: War bei dieser Aufgabe eine Fehlersuche, Wiederholung, ein Rollback oder eine nicht offensichtliche Entscheidung erforderlich? Wenn ja → Eintrag schreiben. Wenn nein → überspringen.

Die drei Regeln

Regel 1: Misserfolge > Erfolge

Ein Misserfolg ist nährstoffreicher als ein Erfolg. Ein einzelner Fehler, der 2 Stunden zur Suche brauchte, lehrt mehr als 3 Funktionen, die beim ersten Versuch funktionierten.

Schlecht: „Login-Ablauf erfolgreich implementiert.“ Gut (Webentwicklung): „Login-Ablauf: Sitzungstoken wurde nicht gespeichert, weil das Cookie SameSite standardmäßig auf Lax in Chrome 128+ eingestellt war. Muster: immer explizit SameSite=None; Secure setzen, wenn Cross-Origin. Signal zum Erkennen: Authentifizierung bricht nach Browser-Update oder beim Überschreiten von Origin-Grenzen ab.“ Gut (Daten-Pipeline): „CSV-Import schlug still bei leeren Zeilen fehl, weil pandas.read_csv(dropna=False) Zeilen mit null Breite behält, die len() als gültig zählt. Muster: immer df.dropna(how='all', inplace=True) vor der Zeilenanzahl-Validierung.“

Regel 2: Das Bole-Prinzip (伯乐原则)

Bevor du einen neuen Eintrag schreibst, frage: „Ist das im Grunde dasselbe wie etwas, das ich bereits aufgezeichnet habe?“

Gleiche Ursache, andere Symptome → zusammenführen, nicht duplizieren. Neue Ursache → neuer Eintrag.

So überprüfst du: Suche vor dem Schreiben in vorhandenen Einträgen nach Schlüsselwörtern aus deiner Ursache. Wenn du einen Treffer findest, füge dein neues Symptom als zusätzliches Beispiel unter dem vorhandenen Eintrag hinzu, anstatt ein Duplikat zu erstellen.

Beispiel: „Vergessen, den Ausgabeindex nach dem Erstellen einer Datei zu aktualisieren“ und „Vergessen, die Skill-Bewertungen nach einer Aufgabe zu aktualisieren“ – gleiche Ursache (kein automatischer Erfassungsauslöser). Zusammenführen zu einem Eintrag über „Erfassungslücken nach Aufgaben.“

Regel 3: Muss übertragbar sein

Jeder Eintrag muss die Frage beantworten: „Was mache ich beim nächsten Mal in einer ähnlichen Situation anders?“

Wenn du diesen Satz nicht schreiben kannst, hast du das Muster noch nicht extrahiert.

So extrahierst du ein Muster aus einem konkreten Ereignis:

  1. Beschreibe, was passiert ist, in einem Satz
  2. Frage iterativ „Warum?“, bis du die Ursache erreichst (normalerweise 3–5 Warums)
  3. Verallgemeinere: „Um welche Art von Problem handelt es sich?“ (nicht „Chrome 128-Fehler“, sondern „Browser-Standardänderung bricht bestehendes Verhalten“)
  4. Formuliere als: „Wenn ich das nächste Mal [Signal] sehe, werde ich [Aktion] tun.“
  5. Benenne das Signal: Welche spezifische Beobachtung zeigt dir, dass dieses Muster aktiv ist?

Eintragsvorlage

Umfang: Ein Eintrag pro eindeutiger Ursache. Typische Länge: 4–8 Sätze. Wenn das Schreiben >2 Minuten dauert, erzählst du Ereignisse. Wenn <30 Sekunden, bist du nicht tief genug gegangen.

## [Titel: das Muster, nicht das Ereignis]

### Kontext
- Was wollte ich tun?
- Was ist schiefgelaufen / was hat überraschend gut funktioniert?

### Ursache / Kerneinsicht
- Der zugrundeliegende Mechanismus, nicht nur das Symptom

### Das Muster (übertragbar)
- Beim nächsten Mal [ähnliche Situation] werde ich [spezifische Aktion] tun.
- Signal zum Erkennen: [welche Beobachtung zeigt mir, dass dieses Muster aktiv ist?]

### Verwandt
- [Eintragsname](../path/to/related-entry.md)

Eintragstypen

Alle vier Typen verwenden die obige Vorlage. Der Typ bestimmt, welche Abschnitte das größte Gewicht haben:

TypWann verwendenSchwerpunktBeispieltitel
FehlerEtwas ist kaputtgegangen, erforderte Fehlersuche oder NacharbeitUrsache„Konfigurationsvererbung ≠ Verhaltensvererbung über Sitzungen hinweg“
MethodikEin wiederholbarer Prozess entstand aus der ArbeitKontext / Muster„PPT → Open-Book-Prüfungsleitfaden: Dreischichtige Struktur“
MustererkennungEine wiederverwendbare Einsicht über Werkzeuge, Systeme oder DenkenMusterabschnitt„PR-Beschreibungsvorlage: die Lücke beschreiben, nicht die Funktion“
FähigkeitsänderungEine messbare Verbesserung der FähigkeitenKontext (vorher vs. nachher)„Git: von clone/push zu eigenständigem PR mit 12 Commits“

Qualitäts-Checkliste

Bevor du einen Growth-Log-Eintrag finalisierst:

  • Benennt der Titel das Muster, nicht das Ereignis?
  • Gibt es einen Satz „Beim nächsten Mal werde ich…“?
  • Ist das „Signal zum Erkennen“ spezifisch genug, um das Muster beim nächsten Mal auszulösen?
  • Habe ich vor dem Schreiben vorhandene Einträge auf Duplikate durchsucht? (Bole-Prinzip)
  • Wird die Ursache vom Symptom unterschieden?
  • Sind verwandte Erinnerungen quervernetzt?
  • Ist der Eintrag 4–8 Sätze lang? Kürzer = zu oberflächlich; länger = Ereignisse erzählen.

Anti-Patterns

  • Vermeide: „Fehler im Zahlungsmodul behoben“ (Ereignis, nicht Muster)
  • Vermeide: Den Git-Commit-Nachricht wörtlich zu kopieren (Commits beschreiben, was sich geändert hat; Logs extrahieren, warum es wichtig ist)
  • Vermeide: Für jeden Commit einen Eintrag zu schreiben (nur wenn ein Muster auftaucht)
  • Vermeide: Den übertragbaren Satz auszulassen (ohne ihn ist es nur ein Tagebuch – dies ist nicht verhandelbar)
  • Vermeide: Dasselbe Muster unter verschiedenen Titeln zu duplizieren (verstößt gegen das Bole-Prinzip – suche vor dem Schreiben)

Speicherung

Speichere Einträge dort, wo du Notizen aufbewahrst. Häufige Muster:

  • Markdown-Dateien in einem growth-log/-Verzeichnis (eine Datei pro Tag: YYYY-MM-DD.md)
  • Ein dedizierter Abschnitt in Notion, Obsidian oder deiner Notizen-App
  • Klartextdateien mit einer konsistenten Namenskonvention

Wähle eine Konvention und bleibe dabei. Durchsuchbarkeit ist wichtiger als das Format.

Falls du Delivery Gate verwendest

Der delivery-gate-Stop-Hook überprüft anhand von Dateisystem-Zeitstempeln, ob Lerndateien heute geändert wurden. Diese Fähigkeit lehrt, was du schreiben sollst – damit die Datei, die delivery-gate überprüft, tatsächlich nützliche Muster enthält, nicht leere Zeitstempel.

Aufgabe abgeschlossen → delivery-gate prüft: Wurde die Lerndatei heute berührt?
  → Veraltet (keine Datei geändert): blockieren – „Was hast du gelernt?“
  → Aktuell (Datei berührt): bestanden – diese Fähigkeit stellt sicher, dass der Inhalt nützlich ist

Nur Durchsetzung ohne Methodik → leere Einträge. Nur Methodik ohne Durchsetzung → vergessene Erfassungen. Jedes ist für sich allein nützlich; zusammen schließen sie den Kreislauf.

Individual skills in this repo

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

accessibility

Design, implement, and audit inclusive digital products using WCAG 2.2 Level AA. Use when building or auditing UI that must meet WCAG 2.2 Level AA, or when reviewing a change for keyboard, contrast, or screen-reader support.

affaan-m/content-engine

Create platform-native content systems for X, LinkedIn, TikTok, YouTube, newsletters, and repurposed multi-platform campaigns. Use when the user wants social posts, threads, scripts, content calendars, or one source asset adapted cleanly across platforms.

affaan-m/ECC

Multi-platform content distribution across X, LinkedIn, Threads, and Bluesky. Adapts content per platform using content-engine patterns. Never posts identical content cross-platform. Use when the user wants to distribute content across social platforms.

affaan-m/fal-ai-media

Unified media generation via fal.ai MCP — image, video, and audio. Covers text-to-image (Nano Banana), text/image-to-video (Seedance, Kling, Veo 3), text-to-speech (CSM-1B), and video-to-audio (ThinkSound). Use when the user wants to generate images, videos, or audio with AI.

affaan-m/manim-video

日本語翻訳:このファイルは manim-video 用の日本語翻訳が必要です

affaan-m/remotion-video-creation

Remotion のベストプラクティス - React で動画を作成する。3D、アニメーション、音声、字幕、チャート、トランジションなどをカバーするドメイン固有の29のルール。

affaan-m/video-editing

AI-assisted video editing workflows for cutting, structuring, and augmenting real footage. Covers the full pipeline from raw capture through FFmpeg, Remotion, ElevenLabs, fal.ai, and final polish in Descript or CapCut. Use when the user wants to edit video, cut footage, create vlogs, or build video content.

agent-architecture-audit

Full-stack diagnostic for agent and LLM applications. Audits the 12-layer agent stack for wrapper regression, memory pollution, tool discipline failures, hidden repair loops, and rendering corruption. Produces severity-ranked findings with code-first fixes. Essential for developers building agent applications, autonomous loops, or any LLM-powered feature. Use when an agent or LLM feature misbehaves and the failing layer is unknown, or before shipping an agent stack.

agent-eval

Head-to-head comparison of coding agents (Claude Code, Aider, Codex, etc.) on custom tasks with pass rate, cost, time, and consistency metrics. Use when choosing between coding agents, or when a change to an agent setup needs measured pass rate, cost, and time rather than an impression.

agent-harness-construction

Design and optimize AI agent action spaces, tool definitions, and observation formatting for higher completion rates. Use when defining or revising an agent

agentic-engineering

Operate as an agentic engineer using eval-first execution, decomposition, and cost-aware model routing. Use when planning or executing engineering work that agents will carry out end to end.

agentic-os

Build persistent multi-agent operating systems on Claude Code. Covers kernel architecture, specialist agents, slash commands, file-based memory, scheduled automation, and state management without external databases. Use when building a persistent multi-agent system on Claude Code with its own memory, commands, and scheduling.

agent-introspection-debugging

Structured self-debugging workflow for AI agent failures using capture, diagnosis, contained recovery, and introspection reports. Use when an agent run fails and you need a reproducible diagnosis instead of a retry.

agent-payment-x402

Add x402 payment execution to AI agents with per-task budgets, spending controls, and non-custodial wallets. Supports Base through agentwallet-sdk and X Layer through OKX Payments / OKX Agent Payments Protocol. Use when an agent must pay for something itself and needs per-task budgets, spending controls, and a non-custodial wallet.

agent-self-evaluation

Use after completing any non-trivial task. The agent self-rates its output on 5 axes — accuracy, completeness, clarity, actionability, conciseness — with concrete evidence per criterion. Produces a structured 1-5 scorecard with specific improvement suggestions.

agent-sort

Build an evidence-backed ECC install plan for a specific repo by sorting skills, commands, rules, hooks, and extras into DAILY vs LIBRARY buckets using parallel repo-aware review passes. Use when ECC should be trimmed to what a project actually needs instead of loading the full bundle.

ai-first-engineering

Engineering operating model for teams where AI agents generate a large share of implementation output. Use when setting team process, review gates, or ownership rules for a codebase largely written by agents.

ai-regression-testing

Regression testing strategies for AI-assisted development. Sandbox-mode API testing without database dependencies, automated bug-check workflows, and patterns to catch AI blind spots where the same model writes and reviews code. Use when adding regression coverage to AI-assisted code, or when the same model both wrote and reviewed a change.

android-clean-architecture

Clean Architecture patterns for Android and Kotlin Multiplatform projects — module structure, dependency rules, UseCases, Repositories, and data layer patterns. Use when structuring modules, layers, or data flow in an Android or KMP project.

angular-developer

Generates Angular code and provides architectural guidance. Trigger when creating projects, components, or services, or for best practices on reactivity (signals, linkedSignal, resource), forms, dependency injection, routing, SSR, accessibility (ARIA), animations, styling (component styles, Tailwind CSS), testing, or CLI tooling.

Verwandte Skills