Communitygithub.com

Prompt-Optimizer

Analysiert einen Prompt-Entwurf, bewertet ihn, gleicht ihn mit ECC-Ökosystem-Komponenten ab und gibt einen vollständig optimierten Prompt aus, den der Benutzer kopieren und ausführen kann.

Was ist Prompt-Optimizer?

Der Prompt-Optimizer ist eine AI-Agenten-Fähigkeit, die darauf ausgelegt ist, einen gegebenen Prompt-Entwurf zu analysieren und zu verbessern, ihn mit dem ECC-Ökosystem (Eric's Codex / Claude Code) zu verknüpfen und einen optimierten Prompt auszugeben, den der Benutzer direkt verwenden kann. Die Fähigkeit durchläuft eine sechsphasige Pipeline: Projekterkennung (liest CLAUDE.md und erkennt den Tech-Stack aus Projektdateien), Absichtserkennung (klassifiziert die Aufgabe in Kategorien wie neue Funktion, Fehlerbehebung, Refactoring), Umfangsbewertung (schätzt die Größe und den Orchestrierungsbedarf), ECC-Komponentenzuordnung (ordnet Absicht, Umfang und Tech-Stack den entsprechenden Befehlen, Fähigkeiten und Agenten zu), Erkennung fehlender Kontextinformationen (identifiziert kritische Lücken wie Anforderungskriterien, Fehlerbehandlung) und eine Empfehlung für den Arbeitsablauf und das Modell (schlägt das optimale Modell vor, z. B. Sonnet 5. Ein Hauptvorteil dieser Fähigkeit ist, dass sie den Benutzer durch die Erstellung eines strukturierten, kontextreichen Prompts führt, der relevante Befehle, Fähigkeiten und Agenten enthält, um die Effektivität des AI-Assistenten zu maximieren. Die Fähigkeit unterstützt mehrere Sprachen (Englisch, Deutsch und Chinesisch) und kann in Claude Code, Cursor und Codex verwendet werden.

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

In Ihrer bevorzugten KI fragen

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

Dokumentation

Was macht Prompt-Optimizer?

Analysiere einen Prompt-Entwurf, bewerte ihn, gleiche ihn mit ECC-Ökosystem-Komponenten ab und gib einen vollständigen optimierten Prompt aus, den der Benutzer kopieren und ausführen kann.

Wann verwenden

  • Der Benutzer sagt "Optimieren Sie diesen Prompt", "Verbessern Sie meinen Prompt", "Schreiben Sie diesen Prompt um"
  • Der Benutzer sagt "Helfen Sie mir, einen besseren Prompt zu schreiben für..."
  • Der Benutzer sagt "Was ist der beste Weg, Claude Code zu bitten..."
  • Der Benutzer sagt "优化prompt", "改进prompt", "怎么写prompt", "帮我优化这个指令"
  • Der Benutzer fügt einen Prompt-Entwurf ein und bittet um Feedback oder Verbesserung
  • Der Benutzer sagt "Ich weiß nicht, wie ich dafür prompten soll"
  • Der Benutzer sagt "Wie sollte ich ECC für... verwenden"
  • Der Benutzer ruft explizit /prompt-optimize auf

Nicht verwenden, wenn

  • Der Benutzer die Aufgabe direkt erledigt haben möchte (einfach ausführen)
  • Der Benutzer sagt "优化代码", "优化性能", "optimize this code", "optimize performance" – das sind Refactoring-Aufgaben, keine Prompt-Optimierung
  • Der Benutzer nach ECC-Konfiguration fragt (stattdessen configure-ecc verwenden)
  • Der Benutzer eine Fähigkeitsinventur wünscht (stattdessen skill-stocktake verwenden)
  • Der Benutzer sagt "Mach es einfach" oder "直接做"

Funktionsweise

Nur beratend – die Aufgabe des Benutzers nicht ausführen.

Schreibe KEINEN Code, erstelle KEINE Dateien, führe KEINE Befehle aus und ergreife KEINE Implementierungsmaßnahmen. Deine EINZIGE Ausgabe ist eine Analyse plus ein optimierter Prompt.

Wenn der Benutzer "Mach es einfach", "直接做" oder "Nicht optimieren, einfach ausführen" sagt, wechsle nicht in den Implementierungsmodus innerhalb dieser Fähigkeit. Teile dem Benutzer mit, dass diese Fähigkeit nur optimierte Prompts erstellt, und weise ihn an, eine normale Aufgabenanfrage zu stellen, wenn er eine Ausführung wünscht.

Führe diese 6-phasige Pipeline nacheinander aus. Präsentiere die Ergebnisse unter Verwendung des Ausgabeformats unten.

Analyse-Pipeline

Phase 0: Projekterkennung

Bevor der Prompt analysiert wird, erkenne den aktuellen Projektkontext:

  1. Überprüfe, ob im Arbeitsverzeichnis eine CLAUDE.md existiert – lese sie für Projektkonventionen
  2. Erkenne den Tech-Stack aus den Projektdateien:
    • package.json → Node.js / TypeScript / React / Next.js
    • go.mod → Go
    • pyproject.toml / requirements.txt → Python
    • Cargo.toml → Rust
    • build.gradle / pom.xml → Java / Kotlin (dann prüfe auf quarkus in der Build-Datei → Quarkus, oder spring-boot → Spring Boot)
    • Package.swift → Swift
    • Gemfile → Ruby
    • composer.json → PHP
    • *.csproj / *.sln → .NET
    • Makefile / CMakeLists.txt → C / C++
    • cpanfile / Makefile.PL → Perl
  3. Notiere den erkannten Tech-Stack zur Verwendung in Phase 3 und Phase 4

Wenn keine Projektdateien gefunden werden (z. B. der Prompt ist abstrakt oder für ein neues Projekt), überspringe die Erkennung und markiere "Tech-Stack unbekannt" in Phase 4.

Phase 1: Absichtserkennung

Klassifiziere die Aufgabe des Benutzers in eine oder mehrere Kategorien:

KategorieSignalwörterBeispiel
Neue Funktionbuild, create, add, implement, 创建, 实现, 添加„Erstelle eine Anmeldeseite"
Fehlerbehebungfix, broken, not working, error, 修复, 报错„Repariere den Authentifizierungsablauf"
Refactoringrefactor, clean up, restructure, 重构, 整理„Refaktorisiere die API-Ebene"
Recherchehow to, what is, explore, investigate, 怎么, 如何„Wie füge ich SSO hinzu"
Testentest, coverage, verify, 测试, 覆盖率„Füge Tests für den Warenkorb hinzu"
Überprüfungreview, audit, check, 审查, 检查„Überprüfe meinen PR"
Dokumentationdocument, update docs, 文档„Aktualisiere die API-Dokumentation"
Infrastrukturdeploy, CI, docker, database, 部署, 数据库„Richte CI/CD-Pipeline ein"
Designdesign, architecture, plan, 设计, 架构„Entwerfe das Datenmodell"

Phase 2: Umfangsbewertung

Wenn Phase 0 ein Projekt erkannt hat, verwende die Codebasisgröße als Signal. Andernfalls schätze anhand der Prompt-Beschreibung allein und markiere die Schätzung als unsicher.

UmfangHeuristikOrchestrierung
TRIVIALEinzelne Datei, < 50 ZeilenDirekte Ausführung
NIEDRIGEinzelne Komponente oder ModulEinzelner Befehl oder Fähigkeit
MITTELMehrere Komponenten, gleiche DomäneBefehlskette + /verify
HOCHDomänenübergreifend, 5+ Dateien/plan zuerst, dann phasenweise Ausführung
EPISCHMehrere Sitzungen, mehrere PRs, ArchitekturänderungVerwende die Blueprint-Fähigkeit für einen Multi-Sitzungs-Plan

Phase 3: ECC-Komponentenzuordnung

Ordne Absicht + Umfang + Tech-Stack (aus Phase 0) spezifischen ECC-Komponenten zu.

Nach Absichtstyp

AbsichtBefehleFähigkeitenAgenten
Neue Funktion/plan, /tdd, /code-review, /verifytdd-workflow, verification-loopplanner, tdd-guide, code-reviewer
Fehlerbehebung/tdd, /build-fix, /verifytdd-workflowtdd-guide, build-error-resolver
Refactoring/refactor-clean, /code-review, /verifyverification-looprefactor-cleaner, code-reviewer
Recherche/plansearch-first, iterative-retrieval—
Testen/tdd, /e2e, /test-coveragetdd-workflow, e2e-testingtdd-guide, e2e-runner
Überprüfung/code-reviewsecurity-reviewcode-reviewer, security-reviewer
Dokumentation/update-docs, /update-codemaps—doc-updater
Infrastruktur/plan, /verifydocker-patterns, deployment-patterns, database-migrationsarchitect
Design (MITTEL-HOCH)/plan—planner, architect
Design (EPISCH)—blueprint (als Fähigkeit aufrufen)planner, architect

Nach Tech-Stack

Tech-StackHinzuzufügende FähigkeitenAgent
Python / Djangodjango-patterns, django-tdd, django-security, django-verification, python-patterns, python-testingpython-reviewer
Gogolang-patterns, golang-testinggo-reviewer, go-build-resolver
Spring Boot / Javaspringboot-patterns, springboot-tdd, springboot-security, springboot-verification, java-coding-standards, jpa-patternsjava-reviewer
Quarkus / Javaquarkus-patterns, quarkus-tdd, quarkus-security, quarkus-verification, java-coding-standards, jpa-patternsjava-reviewer
Kotlin / Androidkotlin-coroutines-flows, compose-multiplatform-patterns, android-clean-architecturekotlin-reviewer
TypeScript / Reactfrontend-patterns, backend-patterns, coding-standardscode-reviewer
Swift / iOSswiftui-patterns, swift-concurrency-6-2, swift-actor-persistence, swift-protocol-di-testingcode-reviewer
PostgreSQLpostgres-patterns, database-migrationsdatabase-reviewer
Perlperl-patterns, perl-testing, perl-securitycode-reviewer
C++cpp-coding-standards, cpp-testingcode-reviewer
Sonstige / Nicht aufgeführtcoding-standards (universell)code-reviewer

Phase 4: Erkennung fehlender Kontextinformationen

Scanne den Prompt auf fehlende kritische Informationen. Überprüfe jedes Element und markiere, ob Phase 0 es automatisch erkannt hat oder der Benutzer es angeben muss:

  • Tech-Stack – In Phase 0 erkannt, oder muss der Benutzer es angeben?
  • Zielumfang – Dateien, Verzeichnisse oder Module erwähnt?
  • Anforderungskriterien – Woran erkennt man, dass die Aufgabe erledigt ist?
  • Fehlerbehandlung – Grenzfälle und Fehlermodi behandelt?
  • Sicherheitsanforderungen – Authentifizierung, Eingabevalidierung, Geheimnisse?
  • Testerwartungen – Unit-, Integrations-, E2E-Tests?
  • Leistungsbeschränkungen – Last, Latenz, Ressourcengrenzen?
  • UI/UX-Anforderungen – Designspezifikationen, responsiv, a11y? (falls Frontend)
  • Datenbankänderungen – Schema, Migrationen, Indizes? (falls Datenebene)
  • Bestehende Muster – Referenzdateien oder Konventionen, die befolgt werden müssen?
  • Umfangsgrenzen – Was NICHT getan werden soll?

Wenn 3+ kritische Elemente fehlen, stelle dem Benutzer bis zu 3 Klärungsfragen, bevor der optimierte Prompt generiert wird. Integriere dann die Antworten in den optimierten Prompt.

Phase 5: Arbeitsablauf- und Modell-Empfehlung

Bestimme, wo dieser Prompt im Entwicklungsworkflow steht:

Recherche → Plan → Implementieren (TDD) → Überprüfen → Verifizieren → Commit

Beginne bei Aufgaben mit MITTEL+ Umfang immer mit /plan. Verwende bei EPISCHEN Aufgaben die Blueprint-Fähigkeit.

Modell-Empfehlung (in die Ausgabe aufnehmen):

UmfangEmpfohlenes ModellBegründung
TRIVIAL-NIEDRIGSonnet 5Schnell, kosteneffizient für einfache Aufgaben
MITTELSonnet 5Bestes Codierungsmodell für Standardarbeit
HOCHSonnet 5 (Haupt) + Opus 5 (Planung)Opus für Architektur, Sonnet für Implementierung
EPISCHOpus 5 (Blueprint) + Sonnet 5 (Ausführung)Tiefes Denken für Multi-Sitzungs-Planung

Multi-Prompt-Aufteilung (für HOCHEN/EPISCHEN Umfang):

Bei Aufgaben, die eine einzelne Sitzung überschreiten, teile sie in sequenzielle Prompts auf:

  • Prompt 1: Recherche + Plan (verwende die search-first-Fähigkeit, dann /plan)
  • Prompt 2-N: Implementiere eine Phase pro Prompt (jeder endet mit /verify)
  • Letzter Prompt: Integrationstest + /code-review über alle Phasen hinweg
  • Verwende /save-session und /resume-session, um den Kontext zwischen Sitzungen zu erhalten

Ausgabeformat

Präsentiere deine Analyse in dieser genauen Struktur. Antworte in derselben Sprache wie die Eingabe des Benutzers.

Abschnitt 1: Prompt-Diagnose

Stärken: Liste auf, was der ursprüngliche Prompt gut macht.

Probleme:

ProblemAuswirkungVorgeschlagene Korrektur
(Problem)(Konsequenz)(Wie zu beheben)

Klärungsbedarf: Nummerierte Liste der Fragen, die der Benutzer beantworten sollte. Wenn Phase 0 die Antwort automatisch erkannt hat, gib sie an, anstatt zu fragen.

Abschnitt 2: Empfohlene ECC-Komponenten

TypKomponenteZweck
Befehl/planArchitektur vor dem Codieren planen
Fähigkeittdd-workflowTDD-Methodik-Leitfaden
Agentcode-reviewerÜberprüfung nach der Implementierung
ModellSonnet 5Für diesen Umfang empfohlen

Abschnitt 3: Optimierter Prompt – Vollversion

Präsentiere den vollständigen optimierten Prompt innerhalb eines einzigen Code-Blocks. Der Prompt muss in sich geschlossen und bereit zum Kopieren und Einfügen sein. Füge Folgendes ein:

  • Klare Aufgabenbeschreibung mit Kontext
  • Tech-Stack (erkannt oder angegeben)
  • /command-Aufrufe in den richtigen Workflow-Phasen
  • Anforderungskriterien
  • Verifizierungsschritte
  • Umfangsgrenzen (was NICHT getan werden soll)

Schreibe für Elemente, die auf Blueprint verweisen: "Verwende die Blueprint-Fähigkeit, um ..." (nicht /blueprint, da Blueprint eine Fähigkeit und kein Befehl ist).

Abschnitt 4: Optimierter Prompt – Kurzversion

Eine kompakte Version für erfahrene ECC-Benutzer. Variiere nach Absichtstyp:

AbsichtKurzes Muster
Neue Funktion/plan [Feature]. /tdd zur Implementierung. /code-review. /verify.
Fehlerbehebung/tdd – Schreibe fehlschlagenden Test für [Bug]. Repariere bis grün. /verify.
Refactoring/refactor-clean [Umfang]. /code-review. /verify.
RechercheVerwende die search-first-Fähigkeit für [Thema]. /plan basierend auf Ergebnissen.
Testen/tdd [Modul]. /e2e für kritische Abläufe. /test-coverage.
Überprüfung/code-review. Verwende dann den security-reviewer-Agenten.
Dokumentation/update-docs. /update-codemaps.
EPISCHVerwende die Blueprint-Fähigkeit für "[Ziel]". Führe Phasen mit /verify-Gates aus.

Abschnitt 5: Begründung der Verbesserungen

VerbesserungGrund
(was wurde hinzugefügt)(warum es wichtig ist)

Fußzeile

Nicht das, was Sie brauchen? Teilen Sie mir mit, was angepasst werden soll, oder stellen Sie eine normale Aufgabenanfrage, wenn Sie eine Ausführung anstelle einer Prompt-Optimierung wünschen.


Beispiele

Auslöser-Beispiele

  • "Optimieren Sie diesen Prompt für ECC"
  • "Schreiben Sie diesen Prompt um, damit Claude Code die richtigen Befehle verwendet"
  • "帮我优化这个指令"
  • "Wie sollte ich ECC für diese Aufgabe prompten?"

Beispiel 1: Vager deutscher Prompt (Projekt erkannt)

Benutzereingabe:

Hilf mir, eine Benutzeranmeldeseite zu schreiben

Phase 0 erkennt: package.json mit Next.js 15, TypeScript, Tailwind CSS

Optimierter Prompt (Vollversion):

Verwende den vorhandenen Tech-Stack des Projekts (Next.js 15 + TypeScript + Tailwind CSS), um eine Benutzeranmeldeseite zu implementieren.

Technische Anforderungen:
- Verwende die vorhandenen Komponentenstrukturen und Routenkonventionen des Projekts
- Verwende für die Formularvalidierung das bereits im Projekt verwendete Validierungsschema (prüfe, ob Zod/Yup/anderes verwendet wird)
- Authentifizierungsmethode: Verwende das vorhandene Authentifizierungsschema des Projekts (falls nicht vorhanden, standardmäßig JWT)
- Enthält: E-Mail/Passwort-Anmeldeformular, Formularvalidierung, Fehlermeldungen, Ladezustand, responsives Layout

Workflow:
1. /plan zuerst die Komponentenstruktur und den Authentifizierungsablauf planen, unter Bezugnahme auf bestehende Seitenmuster
2. /tdd test-first: Schreibe Unit-Tests für das Anmeldeformular und Integrationstests für den Authentifizierungsablauf
3. Implementiere die Anmeldeseite und die Authentifizierungslogik
4. /code-review überprüfe die Implementierung
5. /verify verifiziere, dass alle Tests bestehen und die Seite normal gerendert wird

Sicherheitsanforderungen:
- Passwort wird nicht im Klartext übertragen
- Schutz vor Brute-Force-Angriffen (Rate Limiting)
- XSS-Schutz
- CSRF-Token

Anforderungskriterien:
- Alle Tests bestehen, Abdeckung 80%+
- Seite wird auf Mobilgeräten und Desktop normal gerendert
- Erfolgreiche Anmeldung leitet zum Dashboard weiter, Fehler zeigen Fehlermeldungen an

Nicht tun:
- Keine Registrierungsseite implementieren
- Keine Passwort-vergessen-Funktion implementieren
- Vorhandene Routenstruktur nicht ändern

Beispiel 2: Englischer Prompt mit mittlerem Umfang

Benutzereingabe:

Füge einen REST-API-Endpunkt für Benutzerprofilaktualisierungen mit Validierung hinzu

Phase 0 erkennt: go.mod mit Go 1.22, Chi Router

Optimierter Prompt (Vollversion):

Füge einen REST-API-Endpunkt für Benutzerprofilaktualisierungen hinzu (PATCH /api/users/:id).

Tech-Stack: Go 1.22 + Chi Router (aus Projekt erkannt)

Anforderungen:
- PATCH /api/users/:id – teilweise Aktualisierung des Benutzerprofils
- Eingabevalidierung für Felder: name, email, avatar_url, bio
- Auth: gültiges Token erforderlich, Benutzer können nur ihr eigenes Profil aktualisieren
- Rückgabe 200 mit aktualisiertem Benutzer bei Erfolg
- Rückgabe 400 mit Validierungsfehlern bei ungültiger Eingabe
- Rückgabe 401/403 bei Authentifizierungsfehlern
- Befolge vorhandene API-Muster in der Codebasis

Workflow:
1. /plan die Endpunktstruktur, Middleware-Kette und Validierungslogik
2. /tdd – Schreibe tabellengesteuerte Tests für Erfolg, Validierungsfehler, Authentifizierungsfehler, nicht gefunden
3. Implementiere gemäß vorhandenen Handler-Mustern
4. /go-review
5. /verify – führe die vollständige Testsuite aus, bestätige keine Regressionen

Nicht tun:
- Vorhandene Endpunkte nicht ändern
- Das Datenbankschema nicht ändern (vorhandene Benutzertabelle verwenden)
- Keine neuen Abhängigkeiten hinzufügen, ohne zuerst vorhandene zu prüfen (search-first-Fähigkeit verwenden)

Beispiel 3: EPISCHES Projekt

Benutzereingabe:

Migriere unseren Monolithen zu Microservices

Optimierter Prompt (Vollversion):

Verwende die Blueprint-Fähigkeit, um zu planen: "Monolith zu Microservices-Architektur migrieren"

Beantworte vor der Ausführung diese Fragen im Blueprint:
1. Welche Domänengrenzen existieren im aktuellen Monolithen?
2. Welcher Dienst sollte zuerst extrahiert werden (geringste Kopplung)?
3. Kommunikationsmuster: REST-APIs, gRPC oder ereignisgesteuert (Kafka/RabbitMQ)?
4. Datenbankstrategie: Geteilte Datenbank anfangs oder Datenbank-pro-Dienst von Anfang an?
5. Bereitstellungsziel: Kubernetes, Docker Compose oder serverlos?

Der Blueprint sollte Phasen wie diese erzeugen:
- Phase 1: Dienstgrenzen identifizieren und Domänenkarte erstellen
- Phase 2: Infrastruktur einrichten (API-Gateway, Service Mesh, CI/CD pro Dienst)
- Phase 3: Ersten Dienst extrahieren (Strangler-Fig-Muster)
- Phase 4: Mit Integrationstests verifizieren, dann nächsten Dienst extrahieren
- Phase N: Monolithen außer Betrieb nehmen

Jede Phase = 1 PR, mit /verify-Gates zwischen den Phasen.
Verwende /save-session zwischen den Phasen

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