Was macht strava-claude-skill?
Eine Claude-Fertigkeit, die Ihre Strava-Daten in Trainingserkenntnisse umwandelt – analysiert Läufe, Fahrten, Schwimmeinheiten, Trainingsbelastung und Zonen über das Strava MCP.
Eine Claude-Fertigkeit, die Ihre Strava-Daten in Trainingserkenntnisse umwandelt – analysiert Läufe, Fahrten, Schwimmeinheiten, Trainingsbelastung und Zonen über das Strava MCP.
Die Fertigkeit `srothgan/strava-claude-skill` ist eine Erweiterung für Claude (AI-Assistent), die es ermöglicht, Strava-Aktivitätsdaten direkt zu analysieren und als Coaching-Erkenntnisse aufzubereiten. Sie nutzt das Strava MCP (Model Context Protocol), um auf Läufe, Radfahrten, Schwimmeinheiten und andere Aktivitäten zuzugreifen und diese hinsichtlich Trainingsbelastung, Herzfrequenzzonen, Distanz, Höhenmetern und vielem mehr auszuwerten. Der Hauptnutzen liegt darin, dass Entwickler, Athleten oder Trainer ohne manuelle Datenexporte oder separate Analyse-Tools tiefgehende Einblicke in das Trainingsverhalten erhalten – direkt aus dem Chat mit Claude. Die Fertigkeit unterstützt die Ausführung über Claude Code, Cursor, Codex und ähnliche Plattformen, die das MCP-Protokoll implementieren. Durch die Integration werden Daten wie Aktivitätstypen, Leistungsmetriken und Trends automatisch abgerufen und in verständlichen Zusammenfassungen oder visualisierbaren Dashboards präsentiert. So können Benutzer etwa die Trainingsbelastung über Zeit vergleichen, Übertraining erkennen oder individuelle Trainingsbereiche optimieren.
npx skills add srothgan/strava-claude-skillInstalled? Explore more Recherche & Datenanalyse skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →
Eine Claude-Fertigkeit, die Ihre Strava-Daten in Trainingserkenntnisse umwandelt – analysiert Läufe, Fahrten, Schwimmeinheiten, Trainingsbelastung und Zonen über das Strava MCP.
USPTO patent and trademark data workflow for official record lookup, PatentSearch queries, TSDR checks, assignment data, and reproducible IP research logs.
Structured scholarly-work evaluation for papers, proposals, literature reviews, methods sections, evidence quality, citation support, and research-writing feedback.
Systematic literature-review workflow for academic, biomedical, technical, and scientific topics, including search planning, source screening, synthesis, citation checks, and evidence logging.
The agent harness performance optimization system. Skills, instincts, memory, security, and research-first development for Claude Code, Codex, Opencode, Cursor and beyond.
Agent skill repository discovered by 10x-chat research.
Review backend code for quality, security, maintainability, and best practices based on established checklist rules. Use when the user requests a review, analysis, or improvement of backend files (e.g., `.py`) under the `api/` directory. Do NOT use for frontend files (e.g., `.tsx`, `.ts`, `.js`). Supports pending-change review, code snippets review, and file-focused review.