Communitygithub.com

Skill-Scout

Durchsucht lokale, Marktplatz-, GitHub- und Web-Quellen nach vorhandenen Skills, bevor ein neuer erstellt wird. Verwende dies, wenn der Benutzer einen Skill für einen Workflow erstellen, forken oder finden möchte.

Was ist Skill-Scout?

Skill-Scout ist ein KI-Agenten-Skill, der redundante Arbeit verhindert, indem er vorhandene Skills aus lokalen Installationen, Marktplätzen, GitHub und dem Web sucht, bevor der Benutzer einen neuen Skill erstellt. Er ist für Plattformen wie Claude Code, Cursor und Codex konzipiert. Der Skill führt eine systematische Suche in sechs Schritten durch: Er erfasst die Benutzerabsicht, durchsucht lokale und entfernte Quellen, prüft externe Kandidaten auf Sicherheit und Wartungszustand, bewertet die Ergebnisse und präsentiert dem Benutzer klare Entscheidungsoptionen wie „Vorhandenen verwenden“, „Forken oder erweitern“ oder „Neu erstellen“. Durch die Priorisierung lokaler und vertrauenswürdiger Quellen und die Vermeidung von Antimustern wie dem blinden Vertrauen in Web-Funde stellt er sicher, dass nur geprüfte Skills empfohlen werden. Die Ausgabe erfolgt als übersichtliche Tabelle mit maximal zehn Treffern, inklusive Begründung und Lückenanalyse, gefolgt von einer verständlichen Zusammenfassung für den Benutzer.

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

In Ihrer bevorzugten KI fragen

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

Dokumentation

Was macht Skill-Scout?

Verwende diesen Skill, bevor du einen neuen Skill erstellst. Ziel ist es, Doppelarbeit an bestehenden Community- oder Marktplatz-Skills zu vermeiden und gleichzeitig externe Quellen vor der Übernahme zu prüfen.

Quelle: Aus altem Community-PR #1232 von redminwang geborgen.

Wann verwenden

  • Der Benutzer sagt „Skill erstellen“, „Skill bauen“, „Skill machen“ oder „neuer Skill“.
  • Der Benutzer fragt „Gibt es einen Skill für X?“ oder „Existiert ein Skill, der Y macht?“
  • Der Benutzer beschreibt einen Workflow und du bist kurz davor, die Erstellung eines neuen Skills vorzuschlagen.
  • Der Benutzer möchte einen vorhandenen Skill forken oder erweitern.

Wenn der Benutzer explizit sagt, dass die Suche übersprungen oder von Grund auf neu erstellt werden soll, bestätige dies und fahre mit dem gewünschten Erstellungs-Workflow fort.

Wie es funktioniert

Schritt 1 – Absicht erfassen

Extrahiere:

  • Die Aufgabe, die der Skill ausführen soll.
  • Die Auslösebedingungen für seine Verwendung.
  • Die Domäne, Werkzeuge, Frameworks oder Datenquellen, die beteiligt sind.
  • Drei bis fünf Suchbegriffe plus nützliche Synonyme.

Schritt 2 – Lokale Quellen durchsuchen

Suche zuerst nach installierten und Marktplatz-Skill-Namen. Lokale Quellen werden bevorzugt, da sie bereits Teil der Umgebung des Benutzers sind.

find ~/.claude/skills -maxdepth 2 -name SKILL.md 2>/dev/null | grep -iE "keyword|synonym"
find ~/.claude/plugins/marketplaces -path '*/skills/*/SKILL.md' 2>/dev/null | grep -iE "keyword|synonym"

Dann durchsuche Frontmatter-Beschreibungen:

grep -RilE "keyword|synonym" ~/.claude/skills ~/.claude/plugins/marketplaces 2>/dev/null

Schritt 3 – Entfernte Quellen durchsuchen

Verwende verfügbare GitHub- und Websuchwerkzeuge. Bevorzuge prägnante Suchanfragen:

gh search repos "claude code skill keyword" --limit 10 --sort stars
gh search code "name: keyword" --filename SKILL.md --limit 10

Für die Websuche verwende höchstens drei gezielte Suchanfragen wie:

"claude code skill" keyword
"SKILL.md" keyword
"everything-claude-code" keyword

Schritt 4 – Externe Treffer prüfen

Bevor du einen externen Skill zur Übernahme oder zum Forken empfiehlst:

  • Lies das SKILL.md-Frontmatter und die Anweisungen.
  • Achte auf unerwartete Shell-Befehle, Dateischreibvorgänge, Netzwerkaufrufe, Umgang mit Anmeldedaten oder Paketinstallationen.
  • Überprüfe, ob das Repository gewartet erscheint.
  • Bevorzuge das Kopieren in einen frischen lokalen Branch und die Überprüfung des Diffs gegenüber dem Bearbeiten von Marktplatz-Originalen.

Schritt 5 – Ergebnisse bewerten

Bewerte Kandidaten nach:

  1. Exakter Übereinstimmung des Suchbegriffs im Skill-Namen.
  2. Übereinstimmung des Suchbegriffs oder Synonyms in der Beschreibung.
  3. Lokaler installierter oder Marktplatz-Quelle.
  4. Gepflegter GitHub-Quelle mit aktueller Aktivität.
  5. Nur-Web-Erwähnung.

Begrenze die endgültige Liste auf 10 Ergebnisse.

Schritt 6 – Entscheidungsoptionen präsentieren

Gib dem Benutzer eine kurze Tabelle:

OptionBedeutung
Vorhandenen verwendenVerwende einen passenden Skill unverändert oder installiere ihn.
Forken oder erweiternKopiere den ähnlichsten Skill und modifiziere ihn.
Neu erstellenErstelle einen neuen Skill, nachdem bestätigt wurde, dass keine nahe Übereinstimmung existiert.

Erstelle nur dann einen neuen Skill, nachdem der Benutzer diesen Weg gewählt hat oder die Suche keine nahe Übereinstimmung gefunden hat.

Beispiele

Ergebnistabelle

| # | Skill | Quelle | Warum er passt | Lücke |
| --- | --- | --- | --- | --- |
| 1 | article-writing | Lokal ECC | Erstellt Entwürfe für Artikel und Anleitungen | Nicht auf Release-Notes fokussiert |
| 2 | content-engine | Lokal ECC | Multi-Format-Content-Workflow | Schwerfälliger als nötig |
| 3 | blog-writer | GitHub | Blog-Schreib-Skill mit aktuellen Commits | Benötigt Sicherheitsüberprüfung |

Zusammenfassung für den Benutzer

Ich habe zwei nahe lokale Übereinstimmungen und einen externen Kandidaten gefunden. Der beste Treffer ist `article-writing`; es deckt das Erstellen und Überarbeiten ab, enthält jedoch nicht die von dir gewünschte Release-Notes-Checkliste. Ich kann es entweder unverändert verwenden, in eine Release-Notes-Variante forken oder einen neuen Skill erstellen.

Antimuster

  • Springe nicht direkt zur Erstellung eines neuen Skills, wenn eine Suche sinnvoll ist.
  • Installiere keine externen Skills, ohne sie vorher gelesen zu haben.
  • Präsentiere keine lange, unsortierte Liste von schwachen Treffern.
  • Behandle Nur-Web-Erwähnungen nicht als vertrauenswürdige Quellen.
  • Bearbeite keine installierten Marktplatz-Originale direkt an Ort und Stelle.

Verwandtes

  • search-first – Allgemeiner „Suche vor dem Bauen“-Workflow.
  • skill-stocktake – Überprüfung der installierten Skills auf Zustand, Duplikate und Lücken.
  • agent-sort – Kategorisieren und Organisieren vorhandener Agents und Skills.

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