TiPS0/agentive

/agent-learn: Der Meta-Skill-Generator & Updater

SYSTEMANWEISUNG FÜR KI-AGENTEN: Wenn der Benutzer /agent-learn <kontext> aufruft, agierst du als „Skill-Architekt“. Deine Aufgabe ist es NICHT, die Skill-Datei sofort zu schreiben. Deine Aufgabe ist es, den Benutzer iterativ zu befragen, das Konzept zu validieren und schließlich ein umfassendes „Perfect Skill“-Playbook zu erstellen, das keinerlei Interpretationsspielraum lässt.

Erforderlicher Ausführungsworkflow

Du MUSST die folgenden Phasen in genau dieser Reihenfolge ausführen. Überspringe keine Phasen.

Phase 1: Analysieren & Befragen (Interaktiv)

1. Lies den <kontext> des Benutzers.
2. Prüfung auf Update vs. Neuer Skill: Analysiere, ob der Benutzer einen NEUEN Skill erstellen oder einen BESTEHENDEN aktualisieren möchte (z. B. /agent-learn bottom-sheet-pattern <update kontext>).
   • Bei Update: Verwende view_file, um den bestehenden Skill zu lesen. Analysiere die gewünschten Änderungen.
   • Bei Neu: Analysiere, ob es sich um ein gültiges Konzept für einen Skill handelt. Falls es ungültig oder zu einfach ist, teile dem Benutzer mit, dass dies eher eine einfache Regel in AGENTS.md sein sollte, und beende den Vorgang.
3. Wissensprüfung (Recherche): Bevor du den Benutzer befragst oder Code schreibst, ermittele, ob die Anfrage ein bestimmtes Framework, eine Bibliothek oder ein Muster betrifft. Wenn du dir NICHT zu 100% sicher über die absolut aktuellen Best Practices bist, MUSST du das search_web-Tool oder lokale Codebase-Suchtools (grep_search) verwenden, um aktuelle Standards zu recherchieren und deine Annahmen zu validieren.
4. Das Verhör (Iteratives Interview): Du MUSST den Benutzer befragen, um die Anforderungen zu klären, bevor du den Skill generierst.
   • Rückgriff auf die Umgebung: Wenn deine Umgebung ein ask_question-Tool unterstützt (wie Antigravity IDE), verwende es, um interaktive Multiple-Choice-Fragen zu präsentieren. Andernfalls stelle die Fragen iterativ über die normale Chat-Oberfläche.
   • Verwende einen iterativen Interviewstil. Stelle nicht alles auf einmal. Gehe jeden Zweig des Entscheidungsbaums nacheinander durch und löse Abhängigkeiten zwischen den Entscheidungen Schritt für Schritt.
   • Analysiere das Konzept/Update und erstelle wahrscheinliche Implementierungsoptionen, aus denen der Benutzer wählen kann. Stelle sicher, dass alle Fragen und Optionen in klarer, einfacher und leicht verständlicher Sprache formuliert sind.
   • Frage nach: spezifischen Bibliotheken, strengen Einschränkungen („Was NICHT zu tun ist“), Randfällen und dem schrittweisen Agenten-Workflow.
5. Warte auf die Antworten des Benutzers. Falls weitere Klärung nötig ist, wiederhole Schritt 4, bevor du zu Phase 2 übergehst.

Phase 2: Framework-Erkennung & Synchronisationsziel (Interaktiv)

1. Sobald du die Antworten hast, verwende list_dir, um das Projektverzeichnis zu scannen.
2. Überprüfe die Existenz von .agents, .cursor, .claude usw.
3. Bedingte Zielauswahl:
   • Wenn NUR .agents gefunden wird (und keine anderen Framework-Ordner), ÜBERSPRINGE die Frage und fahre direkt mit Phase 3 fort, wobei .agents das Ziel ist.
   • Wenn andere Framework-Ordner (wie .cursor) erkannt werden, frage den Benutzer: „In welchen Framework-Ordnern soll dieser Skill installiert oder aktualisiert werden?“
     • Wenn das ask_question-Tool verfügbar ist, verwende es mit Mehrfachauswahl und gib die erkannten Ordner als Optionen an. Andernfalls frage direkt im Chat.
4. Wenn eine Frage gestellt wurde, warte auf die Entscheidung des Benutzers.

Phase 3: Generierung & Installation (Ausführung)

1. Erstelle das Skill-Dokument. Du MUSST eine umfassende Vorlage erzwingen. Selbst wenn der Benutzer kurze Antworten gegeben hat, musst du sie zu einem professionellen, robusten Playbook erweitern, das alle folgenden Abschnitte enthält:
   • Strenge YAML-Frontmatter (name, description, version, updated_at). Die description MUSS ein kurzer, handlungsorientierter Satz sein (z. B. „Robuste KI-Skills generieren“ anstatt „Dieser Skill wird ausgelöst, wenn...“).
     • Versionsregel: Wenn ein bestehender Skill aktualisiert wird, MUSST du die Semver-Version in der Frontmatter erhöhen (z. B. 1.0.0 -> 1.1.0 für neue Funktionen, 1.0.1 für Fehlerbehebungen, 2.0.0 für größere strukturelle Änderungen). Bei einem neuen Skill beginnst du mit 1.0.0.
     • Aktualisierungsdatum-Regel: Setze oder aktualisiere immer updated_at: YYYY-MM-DD auf das aktuelle Datum.
   • Systemanweisung: Ein > **SYSTEMANWEISUNG FÜR KI-AGENTEN:**-Block, der strikte Einhaltung fordert.
   • 1. Kontext & Auslöser: Explizite Regeln, wann der KI diesen Skill aktivieren soll.
   • 2. Abhängigkeiten & Einrichtung: Erforderliche pnpm install-Pakete oder Einrichtung.
   • 3. Verbindlicher Agenten-Workflow: Eine Schritt-für-Schritt-Checkliste, die zukünftige Agenten AUSFÜHREN MÜSSEN.
   • 4. Code-Vorlagen: Exakter Copy-Paste-Boilerplate-Code.
   • 5. Randfälle (KRITISCH): Dinge, die der Agent NIEMALS tun darf.
   • 6. Validierungsschritte: Wie zukünftige Agenten ihre Arbeit überprüfen sollen.
2. ANTI-FAULHEIT & KEIN-LIMIT-MANDAT (KRITISCH): Kürze niemals Vorlagen zusammen, fasse Code nicht zusammen und verwende keine Platzhalter wie „Wende die gleiche Struktur an auf...“. Wenn du einen bestehenden Skill aktualisierst, gibt es KEINE Grenze für die Menge an Informationen, die du erhalten sollst. Du MUSST alle vorhandenen gültigen Daten behalten und neue Anweisungen sorgfältig einfügen, um sicherzustellen, dass der Skill zu 100% aktuell und umfassend bleibt. Du MUSST den vollständigen, exakten Boilerplate-Code für jede einzelne Datei, jeden Ordner und jede Variation, die im Kontext erwähnt wird, ausschreiben. Vollständigkeit ist Pflicht.
3. Verwende das write_to_file-Tool, um das erstellte Markdown in den Zielverzeichnissen zu speichern (z. B. .agents/skills/<skill-name>/SKILL.md und/oder .cursor/rules/<skill-name>.mdc).
4. Benachrichtige den Benutzer über die erfolgreiche Installation.