Communitygithub.com

Agentische Kalenderkoordination

KI-gestütztes Kalendermanagement und agentenbasierte Terminkoordination. Deckt Kalender-APIs (Google Calendar, CalDAV/iCal), KI-Planungsassistenten (Reclaim, Clockwise, Motion, Cal.com), den Bau benutzerdefinierter Kalender-Agenten mit MCP, Multi-Kalender-Zusammenführung, Zeitzonenverwaltung, Fokusblock-Schutz, Meeting-Erkennung und agentenübergreifende Meeting-Verhandlungsprotokolle ab.

Was ist Agentische Kalenderkoordination?

Diese Skill befähigt KI-Agenten, Meetings intelligent zu verhandeln, Fokuszeit zu schützen und Kontext aus Kalenderdaten zu gewinnen. Sie unterstützt die wichtigsten Kalender-APIs (Google Calendar, CalDAV/iCal) und KI-Planungstools (Reclaim, Clockwise, Motion, Cal.com) und bietet eine umfassende Architektur für die agentische Terminkoordination. Die Skill enthält Entscheidungsbäume für Konflikterkennung (z. B. automatische Ablehnung vs. Alternativvorschlag basierend auf Absenderstufe und Meeting-Typ), zeitzonenbewusste Slot-Auswahl mit Energie-Modell-Ranking und detaillierte Fehlerbehandlungsmuster für wiederkehrende Probleme wie DST-bedingte Konflikte, Puffer-Thrashing, Cold-Start-Probleme des Energiemodells und rekursive Verhandlungsschleifen. Durch die Implementierung von Datenminimierung, verschlüsselten OAuth-Tokens und Ratenbegrenzung wird die Privatsphäre geschützt und eine zuverlässige Integration mit externen Systemen gewährleistet.

Funktioniert mit~Claude Code~Codex CLI~Cursor✓Antigravity
npx skills add https://github.com/curiositech/windags-skills/tree/HEAD/skills/agentic-calendar-coordination
Original anzeigen→Alle Skills durchsuchen

In Ihrer bevorzugten KI fragen

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

OpenAIChatGPTClaudeClaudeGeminiGeminiGrokGrokPerplexityPerplexityDeepSeekDeepSeek

Dokumentation

Was macht Agentische Kalenderkoordination?

Baue KI-Agenten, die Meetings verhandeln, Fokuszeit schützen und Kontext aus Kalenderdaten ableiten. Navigiere Zeitzonenkomplexität, implementiere Agent-zu-Agent-Terminplanung und architekturiere benutzerdefinierte Kalenderlogik mit der Google Calendar API und MCP.

Entscheidungspunkte

Bei Konflikterkennung

Eingehende Meeting-Anfrage kollidiert mit vorhandenem Ereignis
├─ Absender = Manager/Führungskraft → Automatisch annehmen, Verschieben des vorhandenen vorschlagen
├─ Meeting = 1:1/dringend gekennzeichnet → Alternative innerhalb von 24h vorschlagen
├─ Fokusblock-Kollision
│  ├─ Block-Priorität = hoch (Tiefenarbeit) → Automatisch ablehnen
│  └─ Block-Priorität = mittel → Alternative Zeit vorschlagen
└─ Doppelbuchung mit Peer-Meeting → Mit 3 alternativen Slots kontern

Entscheidung: Automatisch ablehnen vs. Alternative vorschlagen

Faktoren: sender_tier (exec/manager/peer/external) × meeting_type (1:1/team/all-hands) × focus_block_priority
Wenn exec + beliebiger_typ → Immer Alternative vorschlagen
Wenn manager + (1:1 ODER dringend) → Alternative vorschlagen
Wenn peer + wiederkehrend + niedrige_teilnahme → Automatisch ablehnen
Wenn external + keine_vorherige_beziehung → Automatisch ablehnen mit "Kalenderlink verwenden"
Wenn während hochprioritärer_fokusblock → Automatisch ablehnen unabhängig vom Absender

Zeitzonenbewusste Slot-Auswahl

Mehrteilnehmer-Terminplanung:
├─ Alle gleiche Zeitzone → Lokale Arbeitszeiten verwenden (9-17 Uhr)
├─ 2 Zeitzonen, <6h auseinander → Überlappungsfenster finden
├─ 2 Zeitzonen, >6h auseinander → Früh/Spät-Aufteilung (einer nimmt 8:00 Uhr, anderer 18:00 Uhr)
└─ 3+ Zeitzonen → Alternative asynchrone Lösung ODER rotierenden Zeitplan vorschlagen

Energie-Modell-Slot-Ranking

Tageszeitpriorität (absteigend):
1. 9-11 Uhr (kognitive Spitzenzeit) → Für Tiefenarbeit reservieren, Routine-Meetings ablehnen
2. 11-12 Uhr (anhaltender Fokus) → Nur wichtige Meetings zulassen
3. 14-16 Uhr (Kollaborations-Sweet-Spot) → Bevorzugt für Team-Meetings
4. 16-17 Uhr (Abschlussphase) → Gut für 1:1s, Statusupdates
5. 13-14 Uhr (Nachmittagstief) → Komplexe Meetings vermeiden

Fehlermodi

Zeitzonenbedingte wiederkehrende Konflikte

Symptome: Wöchentliches 9-Uhr-Meeting zeigt im Winter Konflikte, aber nicht im Sommer; zeitzonenübergreifende Wiederholungen schlagen nach DST-Wechsel fehl Erkennung: if recurring_event && timezone_conversion && conflict_pattern_seasonal Behebung: Wiederholungen immer mit singleEvents: true erweitern, jede Instanz für die Konfliktprüfung in UTC konvertieren, nach DST-Übergängen neu bewerten

Puffer-Durchsetzungs-Thrashing

Symptome: Der Agent plant dasselbe Meeting wiederholt um, um Puffer zu schaffen; Meetings springen zwischen Slots hin und her Erkennung: if same_meeting_rescheduled > 2 times in 24h for buffer_reasons Behebung: Meeting nach der ersten Verschiebung fixieren, Pufferanforderungen dynamisch basierend auf der Meeting-Wichtigkeit anpassen

Energie-Modell-Kaltstart

Symptome: Neuer Agent plant Meetings zu den schlechtesten kognitiven Zeiten des Benutzers; ignoriert etablierte Muster Erkennung: if meeting_satisfaction_score < 3 for meetings_scheduled_by_agent Behebung: Mit expliziten Benutzerpräferenzen bootstrappen, aus Ablehnungsmustern lernen, 2-wöchigen Beobachtungszeitraum vor der automatischen Planung einfordern

Schema-Bloat-Privatsphäre-Verletzung

Symptome: Der Agent teilt zu viele Kalenderdetails mit externen Systemen; Ereignisbeschreibungen werden an LLMs weitergegeben Erkennung: if external_api_call contains event.description OR attendee.email Behebung: Datenminimierungsschicht implementieren, PII vor externen Aufrufen entfernen, für die Planung nur den Status „frei/besucht" verwenden

Rekursive Verhandlungsschleife

Symptome: Zwei Agenten machen endlose Gegenvorschläge; keine Einigung auf einen Meeting-Zeitpunkt Erkennung: if negotiation_rounds > 3 && no_accepted_slot Behebung: Nach 2 Gegenvorschlägen an einen Menschen eskalieren, „gut genug"-Akzeptanzschwelle implementieren, Verhandlungen zeitlich begrenzen

Ausgearbeitete Beispiele

Zeitzonenübergreifende Meeting-Verhandlung

Szenario: Ihr Agent (Chicago) benötigt 30 Min. mit einem Peer-Agenten (Tokio) für ein API-Review. Beide haben Energieeinschränkungen.

Schritt 1: Erste Analyse

  • Chicago: 9-17 Uhr CST = 0-6 Uhr JST (nächster Tag)
  • Tokio: 9-18 Uhr JST = 19-4 Uhr CST (vorheriger Tag)
  • Überlappungsfenster: 19-20 Uhr CST = 9-10 Uhr JST

Schritt 2: Energie-Modell-Prüfung

  • Chicago 19 Uhr = Ende des Arbeitstages (Energie: 6/10)
  • Tokio 9 Uhr = kognitive Spitzenzeit (Energie: 9/10)
  • Ungleichgewicht erkannt → Kompromiss erforderlich

Schritt 3: Vorschlagserstellung

Agent Chicago → Agent Tokio: VORSCHLAG
Slots: [
  "2024-03-19T01:00Z" (Chi: 19 Uhr, Tok: 10 Uhr),
  "2024-03-19T23:00Z" (Chi: 17 Uhr, Tok: 8 Uhr),
  "2024-03-20T00:00Z" (Chi: 18 Uhr, Tok: 9 Uhr)
]
Priorität: normal
Thema: "API-Review - Zeitzonenkomplexitätsdiskussion"

Schritt 4: Gegenvorschlag

Agent Tokio → Agent Chicago: GEGENVORSCHLAG
Grund: "Späterer Tokio-Morgen für komplexe technische Diskussion bevorzugt"
Alternativen: [
  "2024-03-19T02:00Z" (Chi: 20 Uhr, Tok: 11 Uhr),
  "2024-03-20T01:00Z" (Chi: 19 Uhr, Tok: 10 Uhr)
]
Einschränkungen: "15 Minuten Puffer vor dem JST-Standup um 11:30 Uhr erforderlich"

Schritt 5: Lösung Chicago-Agent akzeptiert den Slot um 20 Uhr CST / 11 Uhr JST, erstellt Ereignis mit beiden Zeitzonen in der Beschreibung: „API-Review – 20:00 Uhr CST / 11:00 Uhr JST+1"

Anfänger vs. Experte:

  • Anfänger: Plant zu einer für Chicago bequemen Zeit, ohne die kognitiven Stunden Tokios zu prüfen
  • Experte: Erkennt das Energieungleichgewicht, schlägt eine späte Tageszeit in Chicago vor, wenn Tokio frisch ist

Qualitätsprüfungen

  • Alle Zeitstempel intern in UTC gespeichert, nur an den Anzeige-/API-Grenzen konvertiert
  • IANA-Zeitzonennamen durchgehend verwendet (keine UTC-Offset-Strings wie „-05:00")
  • Frei-/Belegt-Abfragen entfernen Ereignisdetails, teilen nur Zeitblöcke mit externen Agenten
  • Puffer-Durchsetzung erzeugt mindestens 10-15 Minuten zwischen aufeinanderfolgenden Meetings
  • Fokusblöcke als „besetzt" markiert, aber mit niedrigerer Priorität als tatsächliche Meetings für Verhandlungen
  • Energie-Modell berücksichtigt die kognitiven Spitzenzeiten des Benutzers und Muster von Meeting-Ermüdung
  • OAuth-Tokens im Ruhezustand verschlüsselt mit implementiertem automatischem Aktualisierungsablauf
  • Ratenbegrenzung behandelt Google Calendar API-Kontingente mit exponentiellem Backoff
  • Wiederkehrende Ereignisse werden vor der Konflikterkennung in einzelne Instanzen erweitert
  • Multi-Kalender-Zusammenführung über persönliche/berufliche Kalender mit unterschiedlichen Berechtigungen getestet
  • Agentenverhandlungen zeitlich begrenzt mit Eskalation an Menschen nach fehlgeschlagenen Runden
  • Audit-Log erfasst alle Kalenderänderungen mit Rollback-Funktion

NICHT-FÜR-Grenzen

Diese Skill ist NICHT für:

  • Bau von Kalender-UI-Komponenten → Verwende form-validation-architect
  • Projekt-Gantt-Diagramme oder Meilensteinverfolgung → Verwende project-management-guru-adhd
  • Pomodoro-Timer oder Zeiterfassungs-Apps → Verwende adhd-daily-planner
  • Allgemeine Agentenarchitekturmuster → Verwende agentic-patterns
  • Bau des Basis-Agenten-Frameworks → Verwende agent-creator

An andere Skills delegieren, wenn:

  • Benutzer benötigt ADHS-spezifisches Zeitmanagement → adhd-daily-planner
  • Bau persistenten Agentenspeichers → always-on-agent-architecture
  • Multi-Agenten-Koordination über den Kalender hinaus → multi-agent-coordination
  • Hintergrund-Daemon-Architektur → daemon-development

Diese Skill konzentriert sich speziell auf Kalenderdatenstrukturen, Planungsalgorithmen und Meeting-Koordinationslogik.

Individual skills in this repo

This repo contains 20 individual skills — each has its own dedicated page.

curiositech/windags-skills

Expert in 2000s-era music visualization (Milkdrop, AVS, Geiss) and modern WebGL implementations. Specializes in Butterchurn integration, Web Audio API AnalyserNode FFT data, GLSL shaders for audio-reactive visuals, and psychedelic generative art. Activate on "Milkdrop", "music visualization", "WebGL visualizer", "Butterchurn", "audio reactive", "FFT visualization", "spectrum analyzer". NOT for simple bar charts/waveforms (use basic canvas), video editing, or non-audio visuals.

curiositech/windags-skills

Expert legal research agent for finding and scraping expungement data state by state. Knows authoritative sources, URL patterns, Firecrawl configuration, and 2026 legal landscape.

curiositech/windags-skills

Expert in 3D computer vision labeling tools, workflows, and AI-assisted annotation for LiDAR, point clouds, and sensor fusion. Covers SAM4D/Point-SAM, human-in-the-loop architectures, and vertical-specific training strategies. Activate on '3D labeling', 'point cloud annotation', 'LiDAR labeling', 'SAM 3D', 'SAM4D', 'sensor fusion annotation', '3D bounding box', 'semantic segmentation point cloud'. NOT for 2D image labeling (use clip-aware-embeddings), general ML training (use ml-engineer), video annotation without 3D (use computer-vision-pipeline), or VLM prompt engineering (use prompt-engineer).

curiositech/windags-skills

Implement WCAG 2.2 AA/AAA compliance with automated testing, keyboard navigation, screen reader support, and focus management. Activate on: accessibility audit, WCAG compliance, keyboard navigation, screen reader, aria attributes, axe-core, focus trap. NOT for: design-level accessibility review (use design-accessibility-auditor), color contrast only (use css-in-js-architect).

curiositech/windags-skills

Time-blind friendly planning, executive function support, and daily structure for ADHD brains. Specializes in realistic time estimation, dopamine-aware task design, and building systems that actually work for neurodivergent minds.

curiositech/windags-skills

Designs digital experiences for ADHD brains using neuroscience research and UX principles. Expert in reducing cognitive load, time blindness solutions, dopamine-driven engagement, and compassionate design patterns. Activate on 'ADHD design', 'cognitive load', 'accessibility', 'neurodivergent UX', 'time blindness', 'dopamine-driven', 'executive function'. NOT for general accessibility (WCAG only), neurotypical UX design, or simple UI styling without ADHD context.

curiositech/windags-skills

>- Apply crisis decision-making research to agent routing, uncertainty triage, and coordination failure analysis in time-pressured systems. Use when diagnosing handoff failures, analytical paralysis, or expert judgment under incomplete information. NOT for routine coding, simple CRUD design, or static single-agent tasks with complete information.

curiositech/windags-skills

Extend and modify the admin dashboard, developer portal, and operations console. Use when adding new admin tabs, metrics, monitoring features, or internal tools. Activates for dashboard development, analytics, user management, and internal tooling.

curiositech/windags-skills

Conversation patterns and interaction protocols for multi-agent systems. Covers request/response, pub/sub, blackboard, delegation chains, debate, critique, consensus, fan-out/fan-in, supervisor-worker, and peer negotiation. Deep analysis of AutoGen conversation patterns, CrewAI delegation, LangGraph state passing, and FIPA-ACL performatives. Teaches how to design what agents say to each other and in what order. Activate on: "agent conversation", "agent protocol", "multi-agent debate", "agent delegation", "supervisor worker pattern", "agent voting", "consensus protocol", "fan-out fan-in", "agent negotiation", "blackboard pattern", "agent dialogue", "conversation topology", "agent handoff". NOT for: wire format or serialization (use agent-interchange-formats), orchestration infrastructure (use agentic-infrastructure-2026), single agent behavior (use agentic-patterns).

curiositech/windags-skills

Meta-agent for creating new custom agents, skills, and MCP integrations. Expert in agent design, MCP development, skill architecture, and rapid prototyping. Activate on 'create agent', 'new skill', 'MCP server', 'custom tool', 'agent design'. NOT for using existing agents (invoke them directly), general coding (use language-specific skills), or infrastructure setup (use deployment-engineer).

curiositech/windags-skills

Build and adopt production AI agent infrastructure in 2026. Covers framework selection (LangGraph, CrewAI, AutoGen, MCP), orchestration patterns, evaluation, observability, memory systems, and tool use. Also covers the SOCIAL dimension: how to sell agent infrastructure internally, change management, measuring ROI, building trust in autonomous systems, and scaling adoption across teams. Activate on: "agent infrastructure", "agent framework comparison", "which agent framework", "sell AI tools internally", "agent adoption", "agent observability", "agent evaluation", "MCP architecture", "agentic mesh", "enterprise AI agents", "AI change management", "agent ROI". NOT for: building specific agents (use ai-engineer), designing agent behavior patterns (use agentic-patterns), prompt tuning (use prompt-engineer).

curiositech/windags-skills

Fundamental patterns for effective agentic behavior. Teaches decomposition, tool orchestration, error recovery, context management, quality self-assessment, and knowing when to stop. Model-agnostic principles that make any agent more effective regardless of domain. Activate on: "how should I structure this agent", "agentic workflow", "agent patterns", "multi-step task", "tool orchestration", "/agentic-patterns", "decompose this", "agent best practices", "chain of actions", "when should the agent stop", "agent loop design". NOT for: creating agent infrastructure (use agent-creator), building DAGs (use windags-architect), specific tool implementation.

curiositech/windags-skills

Automated discovery and matching of agent skills for dynamic task routing and capability assessment

curiositech/windags-skills

Cryptographic security for agentic systems — zero-trust agent networking, signed message envelopes (JWS/JWE), capability-based security (ocaps), Merkle tree audit trails, WASM sandboxing, and formal verification. Covers CLI dev tool security, mTLS between agents, permission boundaries (least privilege for AI agents), and supply chain security for skills/plugins. Activate on: "agent security", "zero trust agents", "secure agent communication", "capability-based security", "ocap", "signed messages between agents", "agent audit trail", "sandbox agent execution", "agent permissions", "mTLS agents", "cryptographic verification", "agent supply chain", "OWASP agentic", "prove agent did X", "tamper-proof agent logs". NOT for: application-level SAST scanning (use security-auditor), network firewall rules (use infrastructure), SOC2/HIPAA compliance (organizational), or prompt injection defense (use prompt-engineer).

curiositech/windags-skills

Data structures and serialization formats for agent-to-agent communication. Covers message envelopes, structured output schemas, capability declarations, task handoff payloads, error/retry signaling, and context windows as data structures. Deep comparison of A2A protocol, MCP, OpenAI function calling, and LangChain message types. Teaches when to use rigid schemas vs free-form with validation, typed vs untyped, streaming vs batch. Activate on: "agent message format", "agent communication schema", "agent-to-agent protocol", "A2A protocol", "MCP message format", "structured output for agents", "agent interop", "interchange format", "agent serialization", "task handoff format", "capability declaration". NOT for: what agents say to each other (use agent-conversation-protocols), orchestration topology (use multi-agent-coordination), building agent infrastructure (use agentic-infrastructure-2026).

curiositech/windags-skills

Logic-based agent programming language implementing BDI architecture for practical autonomous agent development

curiositech/windags-skills

>- Design AgentSpeak(L)-style BDI agents with context-guarded plans, selection functions, and intention stacks. Use for interruptible autonomy, agent policy, and multi-agent orchestration in dynamic environments. NOT for simple rule engines, static planners, or centralized workflows.

curiositech/windags-skills

Foundational concurrent computation model where actors communicate exclusively through asynchronous message passing

curiositech/windags-skills

Build production-ready LLM applications, advanced RAG systems, and intelligent agents. Implements vector search, multimodal AI, agent orchestration, and enterprise AI integrations. Use PROACTIVELY for LLM features, chatbots, AI agents, or AI-powered applications.

curiositech/windags-skills

license: Apache-2.0 NOT for unrelated tasks outside this domain.

Verwandte Skills

steipete/sag

ElevenLabs text-to-speech with mac-style say UX.

community

steipete/oracle

Oracle CLI second-model review/debug/refactor/design with selected files, dry-run token checks, API or browser engine.

community

steipete/peekaboo

Capture and automate macOS UI with the Peekaboo CLI.

community

mattpocock/design-an-interface

Generate multiple radically different interface designs for a module using parallel sub-agents. Use when user wants to design an API, explore interface options, compare module shapes, or mentions "design it twice".

community

mattpocock/prototype

Build a throwaway prototype to flesh out a design — a runnable terminal app for state/business-logic questions, or several radically different UI variations toggleable from one route.

community

mattpocock/grill-me

Interview the user relentlessly about a plan or design until reaching shared understanding, resolving each branch of the decision tree. Use when user wants to stress-test a plan, get grilled on their design, or mentions "grill me".

community