CommunityCodierung & Entwicklunggithub.com

linliu0210/logical-chain-search

Universelle mehrstufige Suchfähigkeit mittels logischer Kettenbildung für KI-Programmieragenten

Was ist logical-chain-search?

Diese Fähigkeit ermöglicht es KI-Programmieragenten, komplexe Suchanfragen durch eine logische Kette von Teilschritten zu zerlegen und nacheinander abzuarbeiten. Sie ist besonders nützlich für Szenarien, in denen eine einzelne Suche nicht ausreicht, um die gewünschte Information zu finden – etwa beim Debuggen, bei der Suche nach API-Dokumentation oder beim Verstehen von Abhängigkeiten in großen Codebasen. Die Fähigkeit unterstützt mehrere Runden der Suche und verknüpft die Ergebnisse jeder Runde logisch mit den nächsten Schritten. Implementiert ist dies durch eine flexible, agentenunabhängige Schnittstelle, die sich an unterschiedliche Entwicklungsumgebungen wie Claude Code, Cursor oder Codex anpassen lässt. Der Agent erhält eine strukturierte Anleitung, wie er die logische Kette aufbaut, Zwischenergebnisse bewertet und die nächste Suchrichtung ableitet, bis das Ziel erreicht ist.

Funktioniert mit~Claude Code~Codex CLI~Cursor
npx skills add linliu0210/logical-chain-search

Installed? Explore more Codierung & Entwicklung skills: steipete/bluebubbles, steipete/eightctl, steipete/blucli · View all 6 →

In Ihrer bevorzugten KI fragen

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

Dokumentation

Was macht logical-chain-search?

Universelle mehrstufige Suchfähigkeit mittels logischer Kettenbildung für KI-Programmieragenten

Beschreibung

Diese Fähigkeit (Skill) befähigt KI-Programmieragenten dazu, Suchaufgaben nicht nur in einem einzigen Schritt, sondern in einer logischen Abfolge von mehreren Suchrunden durchzuführen. Der Agent zerlegt die ursprüngliche Anfrage in eine Kette von logisch aufeinander aufbauenden Teilschritten. Jeder Schritt nutzt die Ergebnisse des vorherigen, um die nächste Suche zu verfeinern oder eine neue Richtung einzuschlagen. Dies ist besonders nützlich bei:

  • Fehlersuche (Debugging) in großen Codebasen
  • Ermittlung von API-Abhängigkeiten und Dokumentation
  • Verstehen seltsamer Verhaltensweisen oder seltener Fehler
  • Komplexen Recherchen mit mehreren Quellen

Funktionsweise

Der Skill arbeitet nach dem Prinzip des logischen Ketten-Schlussfolgerns (logical-chain reasoning):

  1. Initialisierung: Der Agent erhält die ursprüngliche Suchanfrage und erstellt einen ersten Plan mit mehreren möglichen Suchrichtungen.
  2. Erste Suche: Der Agent führt die erste Suche durch, wertet die Ergebnisse aus und extrahiert Schlüsselinformationen.
  3. Kettenbildung: Basierend auf den Ergebnissen der ersten Suche leitet der Agent den nächsten logischen Schritt ab – etwa eine tiefere Suche in einer spezifischen Datei, eine Suche nach verwandten Funktionen oder eine externe API-Abfrage.
  4. Wiederholung: Die Schritte 2 und 3 werden wiederholt, bis die vollständige Antwort gefunden ist oder eine maximale Anzahl von Runden erreicht wurde.
  5. Synthese: Der Agent fasst die Ergebnisse aller Suchrunden zu einer kohärenten Antwort zusammen.

Verwendung

Dieser Skill kann in verschiedenen KI-Programmieragenten eingesetzt werden, z. B.:

  • Claude Code: Einbindung über die .claude/settings.json- Konfiguration
  • Cursor: Einbindung über die Cursor-Settings oder über die .cursorrules-Datei
  • Codex (GitHub Copilot): Integration in die Entwicklungsumgebung

Konfigurationsbeispiel für Claude Code

{
  "skills": [
    {
      "name": "linliu0210/logical-chain-search",
      "version": "latest"
    }
  ]
}

Plattformunterstützung

PlattformUnterstütztEmpfohlene Integration
Claude CodeJaÜber .claude/settings.json
CursorJaÜber .cursorrules oder Settings
CodexJaÜber lokale Konfiguration
AndereTeilweiseManuelle Anpassung nötig

Hinweise

  • Der Skill benötigt keine zusätzlichen API-Keys oder externe Dienste, solange der Agent bereits lesenden Zugriff auf die Codebasis hat.
  • Die maximale Anzahl von Suchrunden kann über eine Umgebungsvariable LOGICAL_CHAIN_MAX_ROUNDS gesteuert werden (Standardwert: 5).
  • Der Skill ist so konzipiert, dass er sich nahtlos in den Arbeitsablauf des Agenten einfügt und keine gesonderte Benutzerinteraktion erfordert.

Beispielablauf

Anfrage: "Warum wird in der Datei `app.py` die Funktion `get_data()` nicht gefunden?"

Runde 1: Suche nach `get_data` in der Codebasis → Gefunden in `utils.py`
Runde 2: Suche nach Importen in `app.py` → Fehlt der Import von `utils`
Runde 3: Überprüfung der Import-Statements → Zeile `from utils import get_data` fehlt
Ergebnis: Der Entwickler muss `from utils import get_data` zu `app.py` hinzufügen.

Lizenz

MIT

Verwandte Skills