Communitygithub.com

search-first

Research-vor-dem-Code-Workflow. Suche nach vorhandenen Tools, Bibliotheken und Mustern, bevor benutzerdefinierter Code geschrieben wird. Ruft den Researcher-Agenten auf.

Was ist search-first?

Das Skill „search-first“ systematisiert den Workflow, vor der Implementierung nach bestehenden Lösungen zu suchen. Es verhindert das „Neuerfinden des Rades“ und reduziert Code-Aufwand, indem es zuerst existierende Pakete, MCP-Server, GitHub-Repos und Skills durchsucht. Der Workflow umfasst eine Bedarfsanalyse, parallele Suche (z. B. npm, PyPI, MCP), Bewertung der Kandidaten nach Funktion, Pflege, Community, Lizenz und Abhängigkeiten sowie die Entscheidung: Übernehmen, Erweitern oder Selberbauen. Es ist in Claude Code, Cursor, Codex und anderen Agenten-Plattformen nutzbar und integriert sich mit Planer- und Architekten-Agenten. Die detaillierte Markdown-Dokumentation enthält eine Entscheidungsmatrix, Quick-Mode für einfache Fälle, Full-Mode mit Researcher-Agent und Beispiel-Durchläufe sowie Anti-Patterns zur Vermeidung häufiger Fehler.

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

In Ihrer bevorzugten KI fragen

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

Dokumentation

/search-first — Recherchiere, bevor du implementierst

Systematisiert den Workflow „Suche nach existierenden Lösungen vor der Implementierung“.

Auslöser

Verwende dieses Skill, wenn:

  • Du ein neues Feature beginnst, für das wahrscheinlich schon Lösungen existieren
  • Du eine Abhängigkeit oder Integration hinzufügst
  • Der Benutzer „Füge X-Funktionalität hinzu“ sagt und du kurz davor bist, Code zu schreiben
  • Bevor du ein neues Utility, Helper oder eine Abstraktion erstellst

Workflow

┌─────────────────────────────────────────────┐
│  0. TOOL-VERFÜGBARKEITS-CHECK               │
│     Prüfe Suchkanäle, bevor du dich auf sie  │
│     verlässt; melde übersprungene Kanäle     │
├─────────────────────────────────────────────┤
│  1. BEDARFSANALYSE                          │
│     Definiere, welche Funktionalität benötigt│
│     Bestimme Sprach-/Framework-Einschränkungen│
├─────────────────────────────────────────────┤
│  2. PARALLELE SUCHE (Researcher-Agent)      │
│     ┌──────────┐ ┌──────────┐ ┌──────────┐  │
│     │  npm /   │ │  MCP /   │ │  GitHub / │  │
│     │  PyPI    │ │  Skills  │ │  Web      │  │
│     └──────────┘ └──────────┘ └──────────┘  │
├─────────────────────────────────────────────┤
│  3. BEWERTUNG                               │
│     Bewerte Kandidaten (Funktion, Pflege,    │
│     Community, Docs, Lizenz, Abhängigkeiten) │
├─────────────────────────────────────────────┤
│  4. ENTSCHEIDUNG                            │
│     ┌─────────┐  ┌──────────┐  ┌─────────┐  │
│     │ Über-   │  │ Erweitern│  │ Eigen   │  │
│     │ nehmen  │  │ /Einhüllen│  │ bauen   │  │
│     └─────────┘  └──────────┘  └─────────┘  │
├─────────────────────────────────────────────┤
│  5. IMPLEMENTIERUNG                         │
│     Paket installieren / MCP konfigurieren / │
│     Minimalen benutzerdefinierten Code       │
└─────────────────────────────────────────────┘

Entscheidungsmatrix

SignalAktion
Exakte Übereinstimmung, gut gepflegt, MIT/ApacheÜbernehmen — installieren und direkt verwenden
Teilweise Übereinstimmung, gute BasisErweitern — installieren + dünnen Wrapper schreiben
Mehrere schwache ÜbereinstimmungenKombinieren — 2-3 kleine Pakete kombinieren
Nichts Geeignetes gefundenBauen — benutzerdefiniert, aber informiert durch Recherche

So verwendest du es

Schritt 0: Tool-Verfügbarkeits-Check

Dies ist eine Agenten-Anleitung, kein ausführbares Setup-Skript. Prüfe nur die Kanäle, die für die Aufgabe und das vor dir liegende Projekt relevant sind.

KanalPrüfungBei Fehlen
Repository-Sucherg --files und gezielte rg-AbfragenGib an, dass nur sichtbare Dateien geprüft wurden
Paket-Registrynpm --version, python -m pip --version oder Projekt-PaketmanagerVerwende Web-/Docs-Suche und behaupte keine Registry-Abdeckung
GitHub CLIgh auth statusVerwende nur öffentliches Web oder lokale Git-Historie
MCP-/Docs-ToolsVerfügbare Tool-Liste oder lokale MCP-KonfigurationFalle zurück auf offizielle Docs/Web-Suche
Skills-Verzeichnisls ~/.claude/skills ~/.codex/skills wo zutreffendSage, dass kein lokales Skill-Verzeichnis verfügbar war

Schnellmodus (inline)

Bevor du ein Utility schreibst oder Funktionalität hinzufügst, führe gedanklich durch:

  1. Existiert das bereits im Repository? → rg durch relevante Module/Tests zuerst
  2. Ist das ein häufiges Problem? → Suche auf npm/PyPI
  3. Gibt es ein MCP dafür? → Prüfe ~/.claude/settings.json und suche
  4. Gibt es ein Skill dafür? → Prüfe ~/.claude/skills/
  5. Gibt es eine GitHub-Implementierung/-Vorlage? → Führe eine GitHub-Code-Suche nach gepflegtem OSS durch, bevor du neuen Code schreibst

Vollmodus (Agent)

Starte für nicht-triviale Funktionalitäten den Researcher-Agenten:

Agent(subagent_type="general-purpose", prompt="
  Recherchiere existierende Tools für: [BESCHREIBUNG]
  Sprache/Framework: [SPRACHE]
  Einschränkungen: [BELIEBIG]

  Suche: npm/PyPI, MCP-Server, Claude Code Skills, GitHub
  Gib zurück: Strukturierter Vergleich mit Empfehlung
")

Ältere Claude Code-Dokumente nennen dies vielleicht Task(...), verwende den aktuellen Agent/Subagent-Toolnamen, der vom aktiven Harness bereitgestellt wird.

Suchkürzel nach Kategorie

Entwicklungswerkzeuge

  • Linting → eslint, ruff, textlint, markdownlint
  • Formatierung → prettier, black, gofmt
  • Testen → jest, pytest, go test
  • Pre-Commit → husky, lint-staged, pre-commit

KI/LLM-Integration

  • Claude SDK → Context7 für aktuellste Dokumentation
  • Prompt-Verwaltung → Prüfe MCP-Server
  • Dokumentenverarbeitung → unstructured, pdfplumber, mammoth

Daten & APIs

  • HTTP-Clients → httpx (Python), ky/undici (Node)
  • Validierung → zod (TS), pydantic (Python)
  • Datenbank → Prüfe zuerst MCP-Server

Inhalte & Veröffentlichung

  • Markdown-Verarbeitung → remark, unified, markdown-it
  • Bildoptimierung → sharp, imagemin

Integrationspunkte

Mit Planner-Agent

Der Planner sollte den Researcher vor Phase 1 (Architektur-Review) aufrufen:

  • Researcher identifiziert verfügbare Tools
  • Planner integriert sie in den Implementierungsplan
  • Vermeidet „Neuerfindung des Rades“ im Plan

Mit Architect-Agent

Der Architect sollte den Researcher konsultieren für:

  • Technologie-Stack-Entscheidungen
  • Entdeckung von Integrationsmustern
  • Existierende Referenzarchitekturen

Mit iterative-retrieval Skill

Kombiniere für progressive Entdeckung:

  • Zyklus 1: Breite Suche (npm, PyPI, MCP)
  • Zyklus 2: Top-Kandidaten detailliert bewerten
  • Zyklus 3: Kompatibilität mit Projektbeschränkungen testen

Beispiele

Beispiel 1: „Tote-Link-Prüfung hinzufügen“

Bedarf: Markdown-Dateien auf defekte Links prüfen
Suche: npm "markdown dead link checker"
Gefunden: textlint-rule-no-dead-link (Bewertung: 9/10)
Aktion: ÜBERNEHMEN — npm install textlint-rule-no-dead-link
Ergebnis: Null benutzerdefinierter Code, kampferprobtes Lösung

Beispiel 2: „HTTP-Client-Wrapper hinzufügen“

Bedarf: Robuster HTTP-Client mit Wiederholungen und Timeout-Behandlung
Suche: npm "http client retry", PyPI "httpx retry"
Gefunden: got (Node) mit Retry-Plugin, httpx (Python) mit eingebauter Wiederholung
Aktion: ÜBERNEHMEN — got/httpx direkt mit Retry-Konfiguration verwenden
Ergebnis: Null benutzerdefinierter Code, produktionserprobte Bibliotheken

Beispiel 3: „Konfigurationsdatei-Linter hinzufügen“

Bedarf: Projekt-Konfigurationsdateien gegen ein Schema validieren
Suche: npm "config linter schema", "json schema validator cli"
Gefunden: ajv-cli (Bewertung: 8/10)
Aktion: ÜBERNEHMEN + ERWEITERN — ajv-cli installieren, projektspezifisches Schema schreiben
Ergebnis: 1 Paket + 1 Schema-Datei, keine benutzerdefinierte Validierungslogik

Anti-Patterns

  • Direkt zum Code springen: Ein Utility schreiben, ohne zu prüfen, ob eines existiert
  • MCP ignorieren: Nicht prüfen, ob ein MCP-Server die Fähigkeit bereits bereitstellt
  • Stilles Überspringen: „Nichts gefunden“ melden, obwohl ein Suchkanal nicht verfügbar war
  • Übermäßiges Anpassen: Eine Bibliothek so stark einhüllen, dass sie ihre Vorteile verliert
  • Abhängigkeitsaufblähung: Ein massives Paket für eine kleine Funktion installieren

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