Communitygithub.com

kennethlaw325/awesome-llm-knowledge-systems

Die erste vereinheitlichte Anleitung, die RAG, Context Engineering, Harness Engineering, Skill Systems, Agent Memory, MCP und Progressive Disclosure miteinander verbindet – die fehlende Landkarte für LLM-Wissensengineering im Jahr 2026.

Was ist awesome-llm-knowledge-systems?

Diese Zusammenstellung ist die erste umfassende, vereinheitlichte Anleitung, die die wichtigsten Disziplinen des LLM-Wissensengineerings zusammenführt: RAG (Retrieval-Augmented Generation), Context Engineering, Harness Engineering, Skill Systems, Agent Memory, MCP (Model Context Protocol) und Progressive Disclosure. Sie richtet sich an Entwickler und KI-Agenten-Nutzer, die die fragmentierte Landschaft der aktuellen LLM-Werkzeuge verstehen und gezielt einsetzen möchten. Der Leitfaden erklärt, wie diese Konzepte zusammenhängen, warum sie für den Bau effektiver KI-Agenten unverzichtbar sind und wie man sie auf verschiedenen Plattformen (z. B. Claude Code, Cursor, Codex) praktisch anwendet. Durch die Verbindung von Retrieval-Methoden, Kontextsteuerung und Agentengedächtnis bietet die Sammlung eine strategische Übersicht, die in dieser Form bisher gefehlt hat.

Funktioniert mit~Claude Code~Codex CLI~Cursor
npx skills add kennethlaw325/awesome-llm-knowledge-systems

In Ihrer bevorzugten KI fragen

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

Dokumentation

Was macht awesome-llm-knowledge-systems?

Die fehlende Landkarte: LLM-Wissensengineering im Jahr 2026 – Die erste vereinheitlichte Anleitung, die RAG, Context Engineering, Harness Engineering, Skill Systems, Agent Memory, MCP und Progressive Disclosure miteinander verbindet.

Verwandte Skills