Communitygithub.com

Council

Berufe einen vierstimmigen Rat für mehrdeutige Entscheidungen, Abwägungen und Go/No-Go-Entscheidungen. Verwende ihn, wenn mehrere valide Pfade existieren und du strukturierte Meinungsverschiedenheiten brauchst, bevor du eine Wahl triffst.

Was ist Council?

Das Council-Skill ist ein strukturiertes Entscheidungsfindungswerkzeug für KI-Agenten, das bei Mehrdeutigkeiten und Abwägungen eingesetzt wird. Es versammelt drei externe Subagenten – einen Skeptiker, einen Pragmatiker und einen Kritiker – die zusammen mit der Stimme des aktuellen Claude-Modells eine Entscheidung aus verschiedenen Blickwinkeln beleuchten. Das Skill eignet sich besonders für Situationen mit mehreren glaubwürdigen Pfaden ohne offensichtlichen Gewinner, wie strategische Richtungsentscheidungen oder Go/No-Go-Fragen. Der Workflow umfasst sechs Schritte: Extrahieren der eigentlichen Frage, Sammeln des notwendigen Kontexts, Formulieren der Architektenposition, paralleles Starten der drei Subagenten mit strikten Rollenvorgaben, Synthese mit Voreingenommenheitsbarrieren und Präsentation eines kompakten Urteils. Es wird ausdrücklich von Code-Reviews und Umsetzungsaufgaben unterschieden und stattdessen für Entscheidungen unter Ambiguität empfohlen. Die Implementierung vermeidet Konversations-Ankerung, indem die Subagenten nur die Frage und relevanten Kontext erhalten, nicht die gesamte bisherige Unterhaltung.

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

In Ihrer bevorzugten KI fragen

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

Dokumentation

Was macht Council?

Berufe vier Berater für mehrdeutige Entscheidungen:

  • die im Kontext befindliche Claude-Stimme
  • einen Skeptiker-Subagenten
  • einen Pragmatiker-Subagenten
  • einen Kritiker-Subagenten

Dies ist für Entscheidungsfindung unter Ambiguität, nicht für Code-Review, Implementierungsplanung oder Architekturentwurf.

Wann verwenden

Verwende Council, wenn:

  • eine Entscheidung mehrere glaubwürdige Pfade und keinen offensichtlichen Gewinner hat
  • du explizite Abwägungsoberfläche benötigst
  • der Benutzer nach Zweitmeinungen, Widerspruch oder mehreren Perspektiven fragt
  • Konversations-Ankerung ein echtes Risiko darstellt
  • eine Go/No-Go-Entscheidung von adversariellem Widerspruch profitieren würde

Beispiele:

  • Monorepo vs. Polyrepo
  • jetzt ausliefern vs. auf Politur warten
  • Feature-Flag vs. vollständiger Rollout
  • Umfang vereinfachen vs. strategische Breite behalten

Wann NICHT verwenden

Statt CouncilVerwende
Überprüfen, ob die Ausgabe korrekt istsanta-method
Aufteilen eines Features in Implementierungsschritteplanner
Entwerfen von Systemarchitekturarchitect
Überprüfen von Code auf Fehler oder Sicherheitcode-reviewer oder santa-method
Direkte Sachfrageneinfach direkt antworten
Offensichtliche Ausführungsaufgabeneinfach die Aufgabe erledigen

Rollen

StimmeBlickwinkel
ArchitektKorrektheit, Wartbarkeit, langfristige Auswirkungen
SkeptikerVoraussetzungs-Herausforderung, Vereinfachung, Annahmen brechen
PragmatikerAuslieferungsgeschwindigkeit, Benutzerauswirkung, betriebliche Realität
KritikerRandfälle, Abwärtsrisiko, Fehlermodi

Die drei externen Stimmen sollten als frische Subagenten gestartet werden, die nur die Frage und den relevanten Kontext erhalten, nicht die gesamte laufende Unterhaltung. Das ist der Anti-Ankerungsmechanismus.

Arbeitsablauf

1. Die eigentliche Frage extrahieren

Reduziere die Entscheidung auf einen expliziten Prompt:

  • worüber entscheiden wir?
  • welche Einschränkungen sind wichtig?
  • was zählt als Erfolg?

Wenn die Frage vage ist, stelle eine klärende Frage, bevor du den Rat einberufst.

2. Nur den notwendigen Kontext sammeln

Wenn die Entscheidung codebasis-spezifisch ist:

  • sammle die relevanten Dateien, Ausschnitte, Issue-Texte oder Metriken
  • halte es kompakt
  • füge nur den Kontext ein, der für die Entscheidung benötigt wird

Wenn die Entscheidung strategisch/allgemein ist:

  • überspringe Repo-Ausschnitte, es sei denn, sie ändern die Antwort materiell

3. Zuerst die Architektenposition formulieren

Bevor du die anderen Stimmen liest, schreibe auf:

  • deine anfängliche Position
  • die drei stärksten Gründe dafür
  • das Hauptrisiko in deinem bevorzugten Pfad

Tue dies zuerst, damit die Synthese nicht einfach die externen Stimmen widerspiegelt.

4. Drei unabhängige Stimmen parallel starten

Jeder Subagent erhält:

  • die Entscheidungsfrage
  • kompakten Kontext, falls erforderlich
  • eine strenge Rolle
  • keine unnötige Gesprächshistorie

Prompt-Form:

Du bist der [ROLLE] in einem vierstimmigen Entscheidungsrat.

Frage:
[Entscheidungsfrage]

Kontext:
[nur die relevanten Ausschnitte oder Einschränkungen]

Antworte mit:
1. Position — 1-2 Sätze
2. Begründung — 3 prägnante Aufzählungspunkte
3. Risiko — größtes Risiko in deiner Empfehlung
4. Überraschung — eine Sache, die die anderen Stimmen übersehen könnten

Sei direkt. Kein Herumreden. Halte es unter 300 Wörtern.

Rollen-Schwerpunkte:

  • Skeptiker: Rahmenstellung herausfordern, Annahmen hinterfragen, die einfachste glaubwürdige Alternative vorschlagen
  • Pragmatiker: Optimieren für Geschwindigkeit, Einfachheit und reale Ausführung
  • Kritiker: Abwärtsrisiko, Randfälle und Gründe, warum der Plan scheitern könnte, aufzeigen

5. Mit Voreingenommenheitsbarrieren synthetisieren

Du bist sowohl Teilnehmer als auch Synthesizer, also verwende diese Regeln:

  • verwerfe keine externe Ansicht, ohne zu erklären, warum
  • wenn eine externe Stimme deine Empfehlung geändert hat, sage dies explizit
  • füge immer den stärksten Widerspruch ein, selbst wenn du ihn ablehnst
  • wenn zwei Stimmen gegen deine anfängliche Position ausgerichtet sind, behandle dies als echtes Signal
  • halte die rohen Positionen vor dem Urteil sichtbar

6. Ein kompaktes Urteil präsentieren

Verwende diese Ausgabeform:

## Rat: [kurzer Entscheidungstitel]

**Architekt:** [1-2 Satz Position]
[1 Zeile warum]

**Skeptiker:** [1-2 Satz Position]
[1 Zeile warum]

**Pragmatiker:** [1-2 Satz Position]
[1 Zeile warum]

**Kritiker:** [1-2 Satz Position]
[1 Zeile warum]

### Urteil
- **Konsens:** [wo sie übereinstimmen]
- **Stärkster Widerspruch:** [wichtigste Meinungsverschiedenheit]
- **Prämissenprüfung:** [hat der Skeptiker die Frage selbst herausgefordert?]
- **Empfehlung:** [der synthetisierte Pfad]

Halte es auf einem Telefonbildschirm lesbar.

Persistenzregel

Schreibe keine Ad-hoc-Notizen nach ~/.claude/notes oder andere Schattenpfade von diesem Skill aus.

Wenn der Rat die Empfehlung materiell ändert:

  • verwende knowledge-ops, um die Lektion am richtigen dauerhaften Ort zu speichern
  • oder verwende /save-session, wenn das Ergebnis zur Sitzungsspeicher gehört
  • oder aktualisiere das entsprechende GitHub/Linear-Issue direkt, wenn die Entscheidung die aktive Ausführungswahrheit ändert

Persistiere eine Entscheidung nur, wenn sie etwas Wirkliches ändert.

Mehrrunden-Follow-up

Standard ist eine Runde.

Wenn der Benutzer eine weitere Runde wünscht:

  • halte die neue Frage fokussiert
  • füge das vorherige Urteil nur bei Bedarf ein
  • halte den Skeptiker so sauber wie möglich, um den Anti-Ankerungswert zu bewahren

Anti-Muster

  • Council für Code-Review verwenden
  • Council verwenden, wenn die Aufgabe nur Implementierungsarbeit ist
  • den Subagenten das gesamte Gesprächsprotokoll füttern
  • Meinungsverschiedenheiten im endgültigen Urteil verstecken
  • jede Entscheidung unabhängig von ihrer Wichtigkeit als Notiz persistieren

Verwandte Skills

  • santa-method — adversarielle Verifikation
  • knowledge-ops — dauerhafte Entscheidungsdeltas korrekt persistieren
  • search-first — externes Referenzmaterial vor dem Rat sammeln, falls erforderlich
  • architecture-decision-records — das Ergebnis formalisieren, wenn die Entscheidung zu einer langlebigen Systemrichtlinie wird

Beispiel

Frage:

Sollten wir ECC 2.0 jetzt als Alpha ausliefern oder warten, bis die Control-Plane-Benutzeroberfläche vollständiger ist?

Wahrscheinliche Rat-Form:

  • Architekt drängt auf strukturelle Integrität und Vermeidung einer verwirrenden Oberfläche
  • Skeptiker hinterfragt, ob die Benutzeroberfläche tatsächlich der Engpass ist
  • Pragmatiker fragt, was jetzt ausgeliefert werden kann, ohne Vertrauen zu beschädigen
  • Kritiker konzentriert sich auf Supportlast, Erwartungsschulden und Rollout-Verwirrung

Der Wert liegt nicht in Einstimmigkeit. Der Wert liegt darin, die Meinungsverschiedenheit lesbar zu machen, bevor man wählt.

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

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

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

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