yya007/SkillFinder

skill-finder

Durchsuche 37.500+ kuratierte Agenten-Skills, indem du beschreibst, was du tun möchtest. Die Ergebnisse werden nach semantischer Ähnlichkeit sortiert und enthalten Installationsbefehle.

Verwendung

/skill-finder

Beschreibe dann deine Aufgabe in natürlicher Sprache, z.B.:

• "Kubernetes-Cluster mit Rollback bereitstellen"
• "Webseiten mit JavaScript-Rendering scrapen"
• "SQL-Migrationen schreiben und ausführen"

Funktionsweise

1. Deine Beschreibung wird lokal mit Qwen3-Embedding-0.6B über Ollama eingebettet.
2. Das Embedding wird mit einem vorgebauten FAISS-Index von über 33.000 Skills verglichen.
3. Die besten Treffer werden mit Name, Beschreibung und Installationsbefehl zurückgegeben.

Der Index läuft vollständig auf dem Gerät – während der Suche werden keine Netzwerkanfragen gestellt.

Agentenanweisungen

Wenn dieser Skill ausgelöst wird, befolge diesen Workflow genau.

Arbeite im Stillen. Führe alle internen Schritte (Abfrageumformulierung, Suche, Parsing, Neubewertung) durch, ohne sie dem Benutzer zu beschreiben. Gib nur die endgültigen Ergebnisse und das Folgeangebot aus. Sage niemals Dinge wie "Ich forme deine Abfrage um…" oder "Führe Tier-1-Suche aus…"

Hinweis: Skills sind Drittanbieter-Code – überprüfe immer den Skill-Link, bevor du etwas von einem unbekannten Autor installierst.

Plattformfilter: Wende --platform standardmäßig NICHT an – der Index umfasst Skills aller Plattformen und viele Skills funktionieren mit mehreren Agenten. Verwende --platform <value> nur, wenn der Benutzer explizit nach einer plattformspezifischen Suche fragt (z.B. "finde mir einen Claude Code Skill für…"). Werte: claude_code, openclaw, codex.

Schritt 0 – Verfügbarkeit prüfen

Bevor du die Abfrage umformulierst, überprüfe, ob der Index und Ollama verfügbar sind, indem du Folgendes ausführst:

python scripts/search.py "test" --json

Wenn dies mit OllamaNotAvailableError oder FileNotFoundError fehlschlägt, biete dem Benutzer Folgendes an:

"Lokale Suche ist nicht verfügbar. Ich kann auf eine GitHub-Code-Suche (unsortiert, ohne Qualitätssignale) zurückfallen. Setze GITHUB_TOKEN für beste Ergebnisse. Fortfahren?"

Wenn ja, füge allen Suchbefehlen in den Schritten 2–3 --remote hinzu.

Schritt 1 – Abfrage umformulieren

Bevor du suchst, schreibe die Anfrage des Benutzers in eine prägnante, keywordreiche Suchabfrage um, die das semantische Auffinden verbessert. Regeln:

• Erweitere Abkürzungen (z.B. "k8s" → "kubernetes", "CI" → "continuous integration").
• Entferne Füllwörter aus der Konversation ("ich möchte", "hilf mir", "ein Skill, der").
• Füge eng verwandte technische Begriffe hinzu, die der Index wahrscheinlich enthält (z.B. "deploy kubernetes" → "kubernetes deployment orchestration kubectl cluster").
• Halte es prägnant – etwa 10–15 Wörter sind ein gutes Ziel.

Für spezifische Abfragen (z.B. "deploy k8s with helm rollback") ist eine einzelne Umformulierung ausreichend.

Für mehrdeutige oder breite Abfragen (die mehrere technische Domänen abdecken oder generische Begriffe wie "Produktivität", "KI", "Automatisierung" verwenden) ist die Erstellung von 2–3 alternativen Umformulierungen aus verschiedenen Blickwinkeln optional, aber hilfreich. Wenn du dies tust, führe alle Umformulierungen parallel durch die Tier-Logik aus, entferne Duplikate anhand von id und bewerte den zusammengeführten Pool neu.

Du musst dem Benutzer die umformulierten Abfragen nicht zeigen, es sei denn, sie weichen erheblich von dem ab, was der Benutzer eingegeben hat.

Schritt 2 – Suche ausführen (mit abgestufter Fallback-Logik)

Führe die Suche in der folgenden Reihenfolge durch. Beende die Suche, sobald du ≥3 gute Trender hast:

Tier 1 – Standard (Qualität zuerst, alle Plattformen):

python scripts/search.py "<umformulierte Abfrage>" --json --propose 5 --min_stars 10

Tier 2 – Sterneschwelle lockern (wenn Tier 1 weniger als 3 gute Treffer liefert):

python scripts/search.py "<umformulierte Abfrage>" --json --propose 5

Regeln:

• --propose 5 ist der Standard; skaliere auf --propose 10 für breite Abfragen oder wenn der Benutzer nach mehr Optionen fragt. Wenn der Benutzer eine bestimmte Anzahl von Ergebnissen angibt (z.B. "gib mir 10"), verwende diesen Wert direkt.
• Füge --platform <value> nur hinzu, wenn der Benutzer explizit nach einer plattformspezifischen Suche fragt (z.B. "finde einen OpenClaw Skill für…"). Wende es in diesem Fall auf beide Tiers an.
• ClawHub-basierte Skills sind OpenClaw-exklusiv – sie haben keinen claude_code-Installationsbefehl. Kennzeichne sie beim Präsentieren immer als (openclaw only – not installable in Claude Code).
• Wenn der Benutzer explizit eine Sterneschwelle angibt (z.B. "nur bekannte Skills" oder "min 50 Sterne"), verwende diese anstelle von --min_stars 10.
• Wenn der Benutzer nach weniger Ergebnissen fragt (z.B. "nur die Top 3"), passe die angezeigte Anzahl entsprechend an.
• Für Tier-2-Ergebnisse weise in der Antwort auf den gelockerten Filter hin (siehe Schritt 5).

Schritt 3 – Parsen und Schwellenwertprüfung

Parse die JSON-Ausgabe. Jedes Ergebnis enthält ein sim_score-Feld (0.0–1.0) zur internen Verwendung – zeige es dem Benutzer niemals an.

Verwende ~0.4 als weichen Schwellenwert für „keine starken Treffer". Wenn alle Ergebnisse aller Tiers einen sim_score < 0.4 aufweisen, warne den Benutzer:

„Ich habe keine starken Treffer für diese Abfrage gefunden. Versuche es mit einer Umformulierung mit spezifischeren Keywords."

Schritt 4 – Neubewertung

Lies die description jedes Ergebnisses im Hinblick auf die ausgedrückte Absicht des Benutzers. Bevorzuge:

1. Semantische Relevanz für die tatsächliche Aufgabe des Benutzers (primäres Signal)
2. Sterne (quality.stars) – je höher, desto mehr Community-Prüfung
3. Quelle – schwacher Tiebreaker nur: wenn Relevanz und Sterne ähnlich sind, bevorzuge offiziell geprüfte Skills. Bestrafte oder degradiere Skills nicht allein aufgrund ihres Quellenregisters.

Plattform-Quellen-Ausrichtungsregel: clawhub ist das OpenClaw-Register. Wenn der Benutzer nach claude_code (oder einer anderen Plattform als openclaw) gefragt hat, behandle clawhub-exklusiv bezogene Skills als letzte Option – ordne sie unabhängig von der Sternzahl unter allen anderen Quellen ein und schließe sie nur ein, wenn keine Alternativen mit besserer Quellenlage existieren. Wenn die Quelle eines Skills sowohl clawhub als auch ein anderes Register (z.B. marketplace) umfasst, verwende die nicht-clawhub-Quelle für die Bewertung.

Präsentiere standardmäßig 3–5 Ergebnisse. Mehr als 5 zu präsentieren ist optional – tue dies nur, wenn der Benutzer explizit nach mehr Optionen fragt oder eine höhere Anzahl angibt.

Schritt 5 – Ergebnisse präsentieren

Verwende dieses exakte Format:

Gefundene N Skills für "<ursprüngliche Abfrage des Benutzers>":

1. **pptx** ⭐ 2.810 Sterne [official]
   Konvertiere jede .pptx-Datei – Folien lesen, Text extrahieren, Präsentationen erstellen…
   Install: `/skill install pptx` _(falls dies fehlschlägt, siehe Skill-Link unten)_
   Skill: https://github.com/anthropics/skills/blob/main/skills/pptx/SKILL.md

2. **pptx-skill** ⭐ 126 Sterne
   Konvertiere HTML-Folien in PowerPoint (PPTX)-Dateien…
   Install: `/plugin install pptx-skill` _(falls dies fehlschlägt, siehe Skill-Link unten)_
   Skill: https://github.com/vkehfdl1/slides-grab/blob/main/SKILL.md

> Der Skill-Index wird regelmäßig durch Web-Crawling aktualisiert und enthält möglicherweise nicht die zuletzt veröffentlichten Skills.

Verwende skill_md_url aus dem Ergebnis für den Skill:-Link. Falle auf repo_url nur zurück, wenn skill_md_url leer ist.

Abzeichen und Bezeichnungen:

• Füge [official] nur hinzu, wenn is_official: true (anthropics/*-Marktplatz-Skills).
• Hänge (openclaw only – not installable in Claude Code) an, wenn platforms kein claude_code enthält.
• Zeige keine rohen Quellenregisternamen (skillsmp, clawhub, topic, skillhub, marketplace) in der Ausgabe an.

Installationsbefehle (verwende immer den wörtlichen Wert aus dem Feld install_cmd – rate oder konstruiere ihn niemals selbst):

Bedingung	Installationszeile
is_official: true (anthropics/*)	Install: /skill install <name> _(falls dies fehlschlägt, siehe Skill-Link unten)_
Community-Skill mit install_cmd	Install: /plugin install <name> _(falls dies fehlschlägt, siehe Skill-Link unten)_
install_cmd ist leer	Kein direkter Install – siehe Skill-Link.

Zeige sim_score dem Benutzer NICHT an.

Zeige standardmäßig nur den Eintrag claude_code aus install_cmd an. Erwähne andere Plattformen nur, wenn der Benutzer danach gefragt hat.

Wenn Ergebnisse aus dem Tier-2-Fallback stammen, füge nach dem Aktualitätshinweis eine Notiz hinzu:

"Diese Ergebnisse enthalten Skills mit weniger Sternen, da für diese Abfrage nur begrenzt hoch bewertete Treffer verfügbar waren."

Schritt 6 – Nächsten Schritt anbieten

Beende jede Antwort mit:

"Möchtest du, dass ich die vollständige SKILL.md für einen dieser Skills abrufe, bevor du installierst?"