Communitygithub.com

Connections Optimizer

Organisiert das Netzwerk des Nutzers neu, anstatt ausgehende Kontakte als reine Akquise-Liste zu behandeln.

Was ist Connections Optimizer?

Der Connections Optimizer ist ein KI-Skill, der es Nutzern ermöglicht, ihr soziales und berufliches Netzwerk strategisch zu bereinigen und zu erweitern. Er unterstützt die Plattformen X (ehemals Twitter) und LinkedIn und bietet eine datengetriebene Analyse von Followern, Verbindungen und Kontakten. Das Skill identifiziert nicht mehr relevante oder einseitige Verbindungen, die gelöscht werden können, sowie vielversprechende Kontakte, die hinzugefügt werden sollten. Es priorisiert Warm-Path-Verbindungen und erstellt personalisierte Entwürfe für Direktnachrichten oder E-Mails, die im eigenen Tonfall des Nutzers verfasst sind. Der Fokus liegt auf einer überprüfungsbasierten Vorgehensweise: Statt automatischer Löschungen oder Nachrichten erstellt das Skill einen umfassenden Aktionsplan mit Begründungen und Vertrauenswerten, den der Nutzer vor der Umsetzung prüfen muss. Es unterstützt verschiedene Modi von leicht (light-pass) über standard (default) bis aggressiv (aggressive) und integriert sich in Tools wie x-api, lead-intelligence und brand-voice.

Funktioniert mit~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/affaan-m/everything-claude-code/tree/main/skills/connections-optimizer

In Ihrer bevorzugten KI fragen

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

Dokumentation

Was macht Connections Optimizer?

Organisiert das Netzwerk des Nutzers neu, anstatt ausgehende Kontakte als reine Akquise-Liste zu behandeln.

Dieses Skill übernimmt:

  • Bereinigung und Erweiterung der X-Folgeliste
  • LinkedIn-Folge- und Verbindungsanalyse
  • Überprüfungsbasierte Löschwarteschlangen
  • Hinzufügen und Folgen von Empfehlungen
  • Identifikation von Warm-Path-Verbindungen
  • Entwurfserstellung in Apple Mail, X-DM und LinkedIn in der echten Stimme des Nutzers

Wann zu aktivieren

  • Der Nutzer möchte seine X-Folgeliste bereinigen
  • Der Nutzer möchte sein Folgen- oder Verbindungsnetzwerk neu ausbalancieren
  • Der Nutzer sagt "Bereinige mein Netzwerk", "Wem sollte ich entfolgen?", "Wem sollte ich folgen?", "Mit wem sollte ich mich wieder verbinden?"
  • Die Outreach-Qualität hängt von der Netzwerkstruktur ab, nicht nur von der Kaltakquise-Liste

Erforderliche Eingaben

Sammeln oder ableiten:

  • Aktuelle Prioritäten und aktive Arbeiten
  • Zielrollen, Branchen, Regionen oder Ökosysteme
  • Plattformauswahl: X, LinkedIn oder beide
  • Liste der nicht anzutastenden Kontakte
  • Modus: light-pass, default oder aggressive

Falls der Nutzer keinen Modus angibt, verwende default.

Tool-Anforderungen

Bevorzugt

  • x-api für X-Graphen-Inspektion und kürzliche Aktivität
  • lead-intelligence für die Zielsuche und Warm-Path-Bewertung
  • social-graph-ranker, wenn der Nutzer den Brückenwert unabhängig vom breiteren Lead-Workflow bewertet haben möchte
  • Exa / Deep Research für die Anreicherung von Personen und Unternehmen
  • brand-voice vor dem Verfassen von Outreach-Nachrichten

Fallbacks

  • Browsersteuerung für LinkedIn-Analyse und Entwurfserstellung
  • Browsersteuerung für X, wenn die API-Abdeckung eingeschränkt ist
  • Apple Mail oder Mail.app Entwurfserstellung über Desktop-Automatisierung, wenn E-Mail der richtige Kanal ist

Sicherheitsvoreinstellungen

  • Standard ist überprüfungsbasiert, niemals blindes automatisches Löschen
  • X: Lösche nur Konten, denen der Nutzer folgt, niemals Follower
  • LinkedIn: Behandle das Entfernen von Verbindungen ersten Grades als manuelle Überprüfung zuerst
  • Sende keine DMs, Einladungen oder E-Mails automatisch
  • Gib einen bewerteten Aktionsplan und Entwürfe vor jedem Ausführungsschritt aus

Plattformregeln

X

  • Gegenseitige Verbindungen sind klebriger als einseitige Follows
  • Nicht-Follow-Backs können aggressiver gelöscht werden
  • Stark inaktive oder verschwundene Kontakte sollen schnell auftauchen
  • Engagement, Signalqualität und Brückenwert zählen mehr als die reine Follower-Anzahl

LinkedIn

  • API-first, falls der Nutzer tatsächlich LinkedIn-API-Zugriff hat
  • Browser-Workflow muss funktionieren, wenn API-Zugriff fehlt
  • Unterscheide ausgehende Follows von akzeptierten Verbindungen ersten Grades
  • Ausgehende Follows können freizügiger gelöscht werden
  • Akzeptierte Verbindungen ersten Grades sollten standardmäßig überprüft, nicht automatisch entfernt werden

Modi

light-pass

  • Lösche nur hochsichere, geringwertige einseitige Follows
  • Stelle den Rest zur Überprüfung bereit
  • Erstelle eine kleine Liste zum Hinzufügen/Folgen

default

  • Ausgewogene Lösche-Warteschlange
  • Ausgewogene Behalte-Liste
  • Bewertete Hinzufügen/Folgen-Warteschlange
  • Entwürfe für warme Einführungen oder direkte Outreach, wo sinnvoll

aggressive

  • Größere Lösche-Warteschlange
  • Geringere Toleranz für veraltete Nicht-Follow-Backs
  • Dennoch überprüfungsbasiert vor Anwendung

Bewertungsmodell

Verwende diese positiven Signale:

  • Gegenseitigkeit
  • Kürzliche Aktivität
  • Ausrichtung an aktuellen Prioritäten
  • Netzwerkbrückenwert
  • Rollenrelevanz
  • Echte Engagement-Historie
  • Aktuelle Präsenz und Reaktionsfähigkeit

Verwende diese negativen Signale:

  • Verschwundenes oder aufgegebenes Konto
  • Veralteter einseitiger Follow
  • Themencluster außerhalb der Priorität
  • Geringwertiges Rauschen
  • Wiederholte Nicht-Reaktion
  • Kein Follow-Back, obwohl viele bessere Alternativen existieren

Gegenseitige und echte Warm-Path-Brücken sollten weniger aggressiv bestraft werden als einseitige Follows.

Workflow

  1. Erfasse Prioritäten, Nicht-antasten-Einschränkungen und ausgewählte Plattformen.
  2. Rufe das aktuelle Follow-/Verbindungsinventar ab.
  3. Bewerte Lösche-Kandidaten mit expliziten Gründen.
  4. Bewerte Behalte-Kandidaten mit expliziten Gründen.
  5. Verwende lead-intelligence plus Recherche-Oberflächen, um Erweiterungskandidaten zu bewerten.
  6. Wähle den richtigen Kanal:
    • X-DM für warme, schnelle soziale Kontaktpunkte
    • LinkedIn-Nachricht für professionelle Graphen-Nähe
    • Apple-Mail-Entwurf für kontextreichere Einführungen oder Outreach
  7. Führe brand-voice vor dem Verfassen von Nachrichten aus.
  8. Gib ein Überprüfungspaket vor jedem Ausführungsschritt aus.

Überprüfungspaket-Format

CONNECTIONS OPTIMIZER BERICHT
============================

Modus:
Plattformen:
Prioritätsset:

Lösche-Warteschlange
- Handle / Profil
  Grund:
  Vertrauenswert:
  Aktion:

Überprüfungs-Warteschlange
- Handle / Profil
  Grund:
  Risiko:

Behalte / Schütze
- Handle / Profil
  Brückenwert:

Hinzufügen / Folgen-Ziele
- Person
  Warum jetzt:
  Warm-Path:
  Bevorzugter Kanal:

Entwürfe
- X-DM:
- LinkedIn:
- Apple Mail:

Outreach-Regeln

  • Standard-E-Mail-Pfad ist die Erstellung eines Apple Mail / Mail.app Entwurfs.
  • Sende nicht automatisch.
  • Wähle den Kanal basierend auf Wärme, Relevanz und Kontexttiefe.
  • Erzwinge keine DM, wenn eine E-Mail oder keine Kontaktaufnahme die richtige Entscheidung ist.
  • Entwürfe sollten sich wie der Nutzer anhören, nicht wie automatisierte Verkaufstexte.

Verwandte Skills

  • brand-voice für das wiederverwendbare Stimmprofil
  • social-graph-ranker für die eigenständige Brückenbewertung und Warm-Path-Berechnung
  • lead-intelligence für gewichtete Ziel- und Warm-Path-Erkennung
  • x-api für X-Graphenzugriff, Entwurfserstellung und optionale Ausführungsflüsse
  • content-engine, wenn der Nutzer auch öffentliche Launch-Inhalte zu Netzwerkänderungen wünscht

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/claude-api

Anthropic Claude API patterns for Python and TypeScript. Covers Messages API, streaming, tool use, vision, extended thinking, batches, prompt caching, and Claude Agent SDK. Use when building applications with the Claude API or Anthropic SDKs.

affaan-m/everything-claude-code

Development conventions and patterns for everything-claude-code. JavaScript project with conventional commits.

affaan-m/everything-claude-code

End-to-end marketing campaign planning and execution. Covers audience research, positioning, campaign angle definition, landing page copy, email sequences, social posts, ad copy, short-form video scripts, and content calendars. Use as the orchestration layer for multi-channel product launches. Use when planning or executing a multi-channel product launch, or producing landing page, email, social, or ad copy.

affaan-m/everything-claude-code-conventions

Development conventions and patterns for everything-claude-code. JavaScript project with conventional commits.

affaan-m/frontend-design

Create distinctive, production-grade frontend interfaces with high design quality. Use when the user asks to build web components, pages, or applications and the visual direction matters as much as the code quality.

affaan-m/gget

gget CLI and Python workflow for quick genomic database queries, sequence lookup, BLAST-style searches, enrichment checks, and reproducible bioinformatics evidence logs.

affaan-m/literature-review

Systematic literature-review workflow for academic, biomedical, technical, and scientific topics, including search planning, source screening, synthesis, citation checks, and evidence logging.

affaan-m/motion-ui

Production-ready UI motion system for React/Next.js. Use when implementing animations, transitions, or motion patterns.

affaan-m/project-guidelines-example

Example project-specific skill template based on a real production application.

affaan-m/pubmed-database

Direct PubMed and NCBI E-utilities search workflows for biomedical literature, MeSH queries, PMID lookup, citation retrieval, and API-backed literature monitoring.

affaan-m/scholar-evaluation

Structured scholarly-work evaluation for papers, proposals, literature reviews, methods sections, evidence quality, citation support, and research-writing feedback.

affaan-m/uspto-database

USPTO patent and trademark data workflow for official record lookup, PatentSearch queries, TSDR checks, assignment data, and reproducible IP research logs.

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.

Verwandte Skills