---
title: "Top 5 der Agenten-Skills im Vergleich: Fallstricke von Beliebtheitsrankings und Auswahlkriterien"
locale: de
category: ai_data
category_name: "KI-Daten"
translation_status: reviewed
license: cc_by
author: "injoys"
source_url: https://injoys.com/en/articles/top-5-ai-agent-skills-comparison
published_at: 2026-08-16T04:15:57+09:00
---

# Top 5 der Agenten-Skills im Vergleich: Fallstricke von Beliebtheitsrankings und Auswahlkriterien

> Verglichen werden fünf Agenten-Skill-Repositories aus dem bereitgestellten Snapshot vom 10. August 2026, wobei Funktionen und Designphilosophie im Mittelpunkt stehen. Zudem wird erläutert, warum Sterne für Repositories und Installationszahlen nicht die tatsächliche Qualität von Skills widerspiegeln und welche Kriterien für die Prüfung von Lizenz, Token und Sicherheit gelten.

## Key Points

- Ein Agenten-Skill ist ein Arbeitspaket, das Anweisungen, Skripte, Beispiele und Referenzmaterialien für eine bestimmte Aufgabe bündelt und bei Bedarf geladen wird.
- Die angegebene Top-5-Reihenfolge ist lediglich ein Beliebtheits-Snapshot auf Repository-Ebene und keine weltweit anerkannte Rangliste, die Nutzung oder Qualität einzelner Skills belegt.
- Die führenden Kandidaten haben gemeinsam, dass sie nicht zum sofortigen Programmieren übergehen, sondern zunächst die Klärung der Anforderungen, Planung, Tests, minimale Änderungen und Überprüfung verlangen.
- Werden große Skill-Pakete vollständig aktiviert, können Kontextkosten und Anweisungskonflikte zunehmen. Daher sollten nur die benötigten Elemente ausgewählt werden.
- Vor der Installation externer Skills sollten Lizenz, Ausführungsskripte, Netzwerkzugriff, Berechtigungsumfang und Wartungsstatus geprüft werden.

Agent Skills sind wiederverwendbare Arbeitspakete, mit denen AI-Agenten bestimmte Aufgaben konsistent ausführen können. Ihr Umfang ist größer als der eines einfachen Prompts, denn sie können neben Anweisungen auch Skripte, Vorlagen, Beispiele und Referenzmaterial enthalten.

Dieser Artikel analysiert fünf beliebte Kandidaten auf Grundlage der zum 10. August 2026 bereitgestellten Informationen. Da jedoch weder Rohdaten noch nach Zeitpunkten archivierte Aufzeichnungen vorliegen, mit denen sich die genauen Zahlen der bereitgestellten Materialien unabhängig reproduzieren ließen, dürfen sie nicht als definitive „Weltrangliste nach Nutzung“ interpretiert werden.

## Was sind Agent Skills?

Der Kern der von Anthropic beschriebenen Agent Skills ist die **schrittweise Offenlegung**. Statt von Anfang an sämtliche Arbeitsanweisungen zu lesen, betrachtet der Agent zunächst Namen und Beschreibung der Skills, ermittelt anschließend nur die für die aktuelle Aufgabe relevanten Skills und lädt deren Haupttext sowie ergänzende Materialien.

Ein typischer Skill-Ordner kann die folgenden Elemente enthalten:

- `SKILL.md`: Zweck des Skills, Einsatzbedingungen und Arbeitsablauf
- Skripte: deterministisch auszuführende Aufgaben wie Prüfung, Konvertierung und Generierung
- Referenzmaterial: API-Spezifikationen, Organisationsrichtlinien, Datenstrukturen und Domänenwissen
- Vorlagen und Beispiele: Format und Qualitätskriterien der gewünschten Ergebnisse
- Evaluationsmaterial: Testfälle zum Vergleich der Ergebnisse vor und nach dem Einsatz des Skills

Skills sind kein Modelltraining, durch das ein Agent neue Grundfähigkeiten erlernt. Sie ähneln vielmehr Kontextressourcen, die zum Ausführungszeitpunkt Fachwissen und Abläufe bereitstellen.

### Unterschiede zu Prompts, Regeln und MCP

| Komponente | Hauptaufgabe | Üblicher Ladezeitpunkt | Zu beachten |
|---|---|---|---|
| Allgemeiner Prompt | Festlegung einer einzelnen Anfrage und ihres Ergebnisses | Wenn der Benutzer eine Anfrage stellt | Wiederverwendbarkeit und Konsistenz können gering sein |
| Dauerhafte Regeln | Richtlinien und Verhaltensbeschränkungen für alle Sitzungen | Zu Sitzungsbeginn oder immer | Belegen fortlaufend Kontext und können miteinander in Konflikt geraten |
| Agent Skills | Bereitstellung von Abläufen, Materialien und Skripten für bestimmte Aufgaben | Wenn eine relevante Aufgabe erkannt wird | Abhängig von Routing-Genauigkeit und Skill-Qualität |
| MCP | Standardschnittstelle zur Anbindung externer Werkzeuge und Daten | Wenn ein Werkzeug aufgerufen werden muss | Authentifizierung, Berechtigungen und die Sicherheit externer Systeme sind wichtig |

Während MCP hauptsächlich behandelt, „womit eine Verbindung hergestellt werden kann“, erklären Skills, „nach welchen Abläufen und Kriterien“ verbundene Werkzeuge und Materialien verwendet werden sollen. Die beiden Technologien stehen weniger im Wettbewerb als vielmehr in einem komplementären Verhältnis und können gemeinsam eingesetzt werden.

## Wie ist die Top-5-Rangliste zu interpretieren?

Die bereitgestellten Materialien ordnen die folgenden fünf Kandidaten nach der Anzahl ihrer GitHub-Sterne. GitHub-Sterne sind jedoch eher ein Indikator für Interesse und Lesezeichen und messen weder Downloads noch aktive Benutzer oder Erfolgsquoten bei Aufgaben direkt.

| Angegebener Rang | Repository | Charakter | Repräsentative Stärke | Zu prüfendes Risiko |
|---:|---|---|---|---|
| 1 | `obra/superpowers` | Workflow-Sammlung zur Steuerung von Entwicklungsabläufen | Priorisiert Anforderungsklärung, Planung, Tests und Verifizierung | Der Ablauf kann für einfache Aufgaben überdimensioniert sein |
| 2 | `affaan-m/everything-claude-code` | Sammlung von Konfigurationen, Befehlen und Agenten für Claude Code | Deckt viele Phasen des Entwicklungslebenszyklus umfassend ab | Bei vollständiger Installation sind Konflikte zwischen Anweisungen und eine Zunahme des Kontexts möglich |
| 3 | `mattpocock/skills` | Auf Fragen und Designprüfung ausgerichtete Skill-Sammlung | Bietet einen Einstiegspunkt, um Gedanken vor der Implementierung zu konkretisieren | Lizenzen einzelner Dateien und Bedingungen für die kommerzielle Nutzung müssen geprüft werden |
| 4 | `multica-ai/andrej-karpathy-skills` | Drittanbieterprojekt, das öffentlich formulierte Entwicklungsprinzipien als Skills neu aufbereitet | Betont Einfachheit, minimale Änderungen und überprüfbare Ziele | Es muss unterschieden werden, ob die im Namen genannte Person das Projekt offiziell erstellt oder unterstützt hat |
| 5 | `anthropics/skills` | Offizielle Beispiele und Skills von Anthropic für Dokumentenaufgaben | Gut geeignet, um Skill-Strukturen und Beispiele für die Erstellung von Ergebnissen zu untersuchen | Auch innerhalb des offiziellen Repositorys müssen die Lizenzen der einzelnen Verzeichnisse separat geprüft werden |

In den bereitgestellten Materialien wird angegeben, dass jedes Repository etwa 160.000 bis 260.000 Sterne habe. Um festzustellen, ob es sich dabei um GitHub-Sterne oder um Installationszahlen eines bestimmten Registers handelt, wären eine GitHub-API-Antwort oder eine archivierte Ansicht vom selben Zeitpunkt erforderlich. Daher veröffentlicht dieser Artikel diese Zahlen nicht erneut als verifizierte aktuelle Werte.

### Für eine reproduzierbare Beliebtheitsrangliste erforderliche Informationen

Für eine verlässliche Rangliste sollten mindestens die folgenden Angaben gemeinsam veröffentlicht werden:

1. Messzeitpunkt und Zeitzone
2. Exakte Eigentümer- und Repository-Namen sowie Commit-SHA
3. Ursprüngliche Antworten zu Kennzahlen wie GitHub-Sternen, Forks und Anzahl der Mitwirkenden
4. Falls Installationszahlen verwendet wurden: Verfahren zur Behandlung doppelter Installationen und automatisierten Traffics
5. Aggregationseinheit, die zwischen dem gesamten Repository und einzelnen Skills unterscheidet
6. Regeln für den Umgang mit gelöschten oder umbenannten Repositorys

Enthält ein Repository insbesondere Dutzende Skills, lässt sich allein anhand seiner Sterne nicht erkennen, welcher Skill beliebt ist. Ein „beliebtes Repository“ und der „am häufigsten verwendete einzelne Skill“ sind zwei unterschiedliche Fragestellungen.

## Die Designphilosophien der fünf beliebten Kandidaten

### 1. obra/superpowers: Erzwingt Abläufe vor der Implementierung

`superpowers` hat einen starken Workflow-Charakter und ist darauf ausgelegt, den Agenten davon abzuhalten, unmittelbar nach Eingang einer Anfrage Code zu schreiben. Stattdessen soll er zunächst das Problem definieren und einen Plan erstellen. Im Mittelpunkt stehen Phasen wie Brainstorming, Planung, testgetriebene Entwicklung, Debugging und Verifizierung.

Dieser Ansatz ist bei unklaren Anforderungen oder Aufgaben mit hohem Änderungsrisiko vorteilhaft. Wird derselbe Ablauf dagegen streng auf klar begrenzte Aufgaben wie die Korrektur eines Tippfehlers angewendet, können Fragen und Dokumentation umfangreicher ausfallen als die eigentliche Implementierung.

### 2. Everything Claude Code: Stellt eine gebündelte Entwicklungsumgebung bereit

Everything Claude Code ist ein Projekt, das verschiedene Konfigurationsressourcen für Claude Code wie Befehle, Agenten, Skills, Hooks und Regeln an einem Ort bündelt. Es eignet sich dazu, vielfältige Beispiele von der Planung über Implementierung und Review bis zu Tests und Dokumentation zu finden.

„Alles zu installieren“ ist jedoch nicht zwangsläufig die beste Lösung. Ähnliche Regeln können sich überschneiden oder unterschiedliche Arbeitsweisen miteinander kollidieren. In der Praxis ist es sicherer, nur die für das aktuelle Team erforderlichen Komponenten auszuwählen und zu prüfen, wann die einzelnen Elemente aktiviert werden.

### 3. mattpocock/skills: Verbessert die Qualität der Fragen statt der Antworten

Ein Merkmal dieser Sammlung besteht darin, dass sie nicht nur Vorlagen für Ergebnisse, sondern auch Frageabläufe bietet, mit denen die Gedanken des Benutzers konkretisiert werden. Sie regt dazu an, Ziele, Annahmen, Ausnahmebedingungen und Erfolgskriterien bereits vor der Implementierung offenzulegen.

Allein die Tatsache, dass der Quellcode öffentlich zugänglich ist, bedeutet nicht, dass sämtliche Dateien uneingeschränkt kommerziell genutzt werden dürfen. Da sich die Lizenz auf Repository-Ebene und gesonderte Bedingungen für bestimmte Verzeichnisse oder Dateien unterscheiden können, muss die aktuelle Lizenz vor einer tatsächlichen Vervielfältigung, Änderung oder Verbreitung geprüft werden.

### 4. andrej-karpathy-skills: Verwandelt kurze Entwicklungsprinzipien in Verhaltensregeln

Den bereitgestellten Materialien zufolge handelt es sich um ein Drittanbieterprojekt, das öffentlich von Andrej Karpathy erwähnte Entwicklungsprinzipien in Form von Skills aufbereitet. Im Mittelpunkt stehen unter anderem das Nachdenken vor dem Programmieren, die Wahl einfacher Lösungen, die präzise Änderung ausschließlich des angeforderten Umfangs und die Festlegung überprüfbarer Ziele.

Wichtig ist die Unterscheidung zwischen Quelle und Unterstützung. Die Verwendung des Namens einer bekannten Person oder die Neuaufbereitung öffentlicher Aussagen bedeutet nicht, dass diese Person das Repository selbst erstellt hat oder dessen Ergebnisse garantiert. Der Originaltext und die Interpretation durch die Person, die ihn neu aufbereitet hat, müssen getrennt bewertet werden.

### 5. anthropics/skills: Zeigt offizielle Strukturen und Ergebnisbeispiele

Das offizielle Repository von Anthropic ist ein Ausgangspunkt, um die Struktur von Skill-Verzeichnissen und Beispiele für Aufgaben mit Ergebnissen wie Dokumenten, Tabellen, Präsentationen und PDF-Dateien zu untersuchen. Es ermöglicht den Vergleich, wie nicht nur einfache Verhaltensregeln, sondern auch Materialien und Skripte für die tatsächliche Dateierstellung organisiert werden.

Die in den bereitgestellten Materialien genannte Anzahl der `SKILL.md`-Dateien kann variieren, je nachdem, ob Übersetzungen, Kopien, Beispiele und Branches mitgezählt werden. Für einen Größenvergleich müssen die Dateien in einem bestimmten Commit gezählt und zudem die Kriterien zur Bestimmung der maßgeblichen Fassung offengelegt werden.

## Drei wiederkehrende Prinzipien führender Skills

### Zunächst einschränken, statt den Handlungsspielraum zu erweitern

Gute Skills erweitern nicht wahllos die Möglichkeiten eines Agenten, sondern kontrollieren zunächst Handlungen mit hoher Fehlerwahrscheinlichkeit. Typische Beispiele sind, nicht vor einer Einigung zu implementieren, nicht ohne Tests zu behaupten, eine Aufgabe sei abgeschlossen, und keinen umliegenden Code zu ändern, dessen Anpassung nicht angefordert wurde.

Solche Einschränkungen sollen dem Agenten nicht seine Autonomie nehmen. Sie platzieren Kontrollpunkte vor schwer rückgängig zu machenden Aufgaben und senken dadurch die Fehlerkosten.

### Entscheidungskriterien von Experten in Abläufe überführen

Der Wert eines Skills liegt stärker in seinen Entscheidungskriterien als in der Formulierung seiner Sätze. Werden die Reihenfolge, in der Fachleute Anforderungen prüfen, ihr Umgang mit Unsicherheit und ihre Kriterien zur Verifizierung von Ergebnissen explizit beschrieben, kann der Agent ähnliche Denkabläufe wiederholen.

Den Stil einer bestimmten Person nachzuahmen ist jedoch etwas anderes, als eine bewährte Arbeitsmethode zu reproduzieren. Statt auf Namen oder Autorität sollte man auf Evaluationsbeispiele und Fehlerbedingungen achten.

### Das „Warum“ vor dem „Wie“ klären

Die Codegenerierung selbst wird zunehmend einfacher, doch was erstellt werden soll und welcher Zustand als Erfolg gilt, wird nicht automatisch bestimmt. Deshalb konzentrieren sich die führenden Kandidaten auf Fragen, Planung, Umfangskontrolle und Verifizierung.

Wer ohne klares Ziel lediglich ausgefeilte Implementierungsabläufe hinzufügt, kann am Ende ein falsch definiertes Problem nur schneller lösen.

## Die Kontextstruktur ist wichtiger als Token-Zahlen

Die bereitgestellten Materialien enthalten Beispiele, nach denen einige Sammlungen pro Sitzung etwa 17.000 bis 22.000 Token verwenden. Die Token-Zahl hängt jedoch von den folgenden Bedingungen ab:

- Verwendetes Modell und verwendeter Tokenizer
- Umfang der aktivierten Skills, Regeln und Hooks
- Ob der Client nur Metadaten liest oder den gesamten Haupttext einfügt
- Länge des Gesprächsverlaufs und der Projektanweisungen
- Einsatz von Cache und Kontextkomprimierung

Daher lässt sich ein bestimmter Wert nicht als feste Belastung für alle Installationsumgebungen verallgemeinern. Bei Messungen sollte eine leere Sitzung als Basiswert dienen; anschließend sollten Skills einzeln hinzugefügt und Eingabe-Token, Antwortverzögerung und Erfolgsquote der Aufgaben gemeinsam verglichen werden.

Praktische Methoden zur Reduzierung des Kontexts sind:

- Ständig erforderliche Organisationsrichtlinien von aufgabenspezifischen Skills trennen.
- Skill-Beschreibungen auf die für das Routing notwendigen Kerninformationen beschränken.
- Lange Spezifikationen und Beispiele in separate Dateien auslagern, die nur bei Bedarf gelesen werden.
- Sich überschneidende Regeln in einem gemeinsamen Skill zusammenführen.
- Skills deaktivieren, die selten verwendet werden oder keine nachweisbare Leistungsverbesserung bringen.

## Von Beliebtheitsranglisten übersehene Sicherheits- und Lieferkettenrisiken

Skills sehen möglicherweise wie gewöhnliche Markdown-Dokumente aus, können jedoch Shell-Befehle, Python-Code, Paketinstallationen und externe Netzwerkanfragen enthalten. Führt ein Agent sie aus, entstehen ähnliche Lieferkettenrisiken wie bei gewöhnlichen Softwareabhängigkeiten.

Vor der Einführung externer Skills sollte Folgendes geprüft werden:

1. Eigentümer des Repositorys und Status als offizielles Projekt prüfen.
2. Installationsskripte und ausführbare Dateien direkt überprüfen.
3. Geforderte Berechtigungen für Umgebungsvariablen, Authentifizierungs-Token, Home-Verzeichnis und Netzwerk prüfen.
4. Statt des neuesten Branch-Stands einen geprüften Commit festschreiben.
5. Wenn möglich, zunächst in einem Container oder einer eingeschränkten Testumgebung ausführen.
6. Vor automatischen Updates Änderungen und neue Berechtigungen erneut prüfen.
7. Prüfen, ob die Lizenz Vervielfältigung, Änderungen, interne Nutzung und kommerzielle Verbreitung erlaubt.

Auch eine hohe Anzahl von GitHub-Sternen beseitigt nicht die Möglichkeit böswilliger Änderungen, kompromittierter Konten oder eingestellter Wartung. Beliebtheit ist kein Ersatz für ein Sicherheitsaudit.

## Kriterien für die Auswahl von Skills für die eigene Umgebung

| Bewertungskriterium | Zu prüfende Frage | Positives Signal |
|---|---|---|
| Eignung für das Problem | Löst der Skill eine reale Aufgabe, die wiederholt fehlschlägt? | Anwendungs- und Nichtanwendungsfälle sind klar definiert |
| Routing | Wann soll der Skill geladen werden? | Beschreibung und Trigger sind konkret |
| Überprüfbarkeit | Lässt sich die Qualität vor und nach dem Einsatz vergleichen? | Testfälle und Erfolgskriterien sind vorhanden |
| Kontexteffizienz | Müssen ständig viele Inhalte gelesen werden? | Lange Materialien werden nur bei Bedarf geladen |
| Sicherheit | Sind Codeausführung und externer Zugriff erforderlich? | Es gelten minimale Berechtigungen und ein klar definierter Ausführungsumfang |
| Wartung | Sind aktuelle Änderungen und die Bearbeitung von Issues nachvollziehbar? | Änderungsverlauf und Verfahren für Beiträge sind öffentlich |
| Lizenz | Ist sie mit dem Nutzungszweck der Organisation vereinbar? | Bedingungen für einzelne Dateien sind klar |

Beliebte Repositorys sollten als Referenzmaterial zum Erlernen der Erstellungsmethoden dienen. Für den tatsächlichen Betrieb ist es besser, kleine Skills zu entwickeln, die auf die Codebasis, Review-Abläufe und Werkzeugberechtigungen der Organisation zugeschnitten sind. Zu Beginn sollte nur eine wiederkehrende Aufgabe behandelt werden; für die Wartung ist es ebenfalls vorteilhaft, ausschließlich Regeln beizubehalten, die eine Evaluation bestanden haben.

## Fazit

Die bereitgestellten Top-5-Kandidaten haben unterschiedliche Formen, sorgen aber alle dafür, dass Agenten nicht vorschnell implementieren, sondern zunächst Anforderungen, Planung, Umfang und Verifizierung prüfen. Der Kern ihrer Beliebtheit liegt weniger darin, zahlreiche Befehle einzufügen, als vielmehr darin, fehleranfällige Entscheidungspunkte in Abläufe zu überführen.

Allein anhand der Sterne eines Repositorys oder der Installationszahlen eines Registers lässt sich jedoch nicht definitiv bestimmen, welcher einzelne Skill weltweit am häufigsten verwendet wird. Beim Zitieren einer Rangliste müssen Messzeitpunkt, ursprüngliche Kennzahlen und Aggregationseinheit angegeben werden. Entscheidungen über die Einführung sollten auf Qualitätsbewertung, Kontextkosten, Lizenz und Sicherheitsprüfung beruhen.

## FAQ

### Worin unterscheiden sich Agenten-Skills von einfachen Prompts?
Ein Prompt beschreibt normalerweise eine einzelne Anfrage, während ein Agenten-Skill die für wiederkehrende Aufgaben erforderlichen Anweisungen, Skripte, Referenzmaterialien, Beispiele und Bewertungskriterien in einem Ordner bündelt. Er kann auch so aufgebaut sein, dass die benötigten Inhalte nur bei einer entsprechenden Aufgabe geladen werden.

### Kann man das Repository mit den meisten GitHub-Sternen als den besten Skill ansehen?
Nein. GitHub-Sterne zeigen Interesse und Bekanntheit, messen jedoch weder tatsächliche Installationen und aktive Nutzung noch die Nutzung einzelner Skills oder die Erfolgsquote bei Aufgaben. Zur Beurteilung der Qualität sollten auch Bewertungsergebnisse, Wartungszustand, Sicherheit und Lizenz berücksichtigt werden.

### Sind diese Top 5 eine offizielle Weltrangliste?
Nein. Es handelt sich um eine Zusammenstellung beliebter Kandidaten auf Repository-Ebene zum angegebenen Datum und nicht um eine anerkannte Weltrangliste nach Nutzung. Um eine genaue Rangliste zu reproduzieren, sind der Messzeitpunkt, die ursprüngliche API-Antwort, die Aggregationseinheit und Snapshots der einzelnen Repositorys erforderlich.

### Lässt sich anhand der Gesamtzahl der Sterne eines Repositorys die Beliebtheit einzelner Skills erkennen?
Nein. Wenn ein Repository mehrere Skills und Konfigurationen enthält, lässt sich nicht feststellen, wegen welchen Elements ein Nutzer einen Stern vergeben hat. Die Beliebtheit auf Skill-Ebene kann nur verglichen werden, wenn Statistiken zu Installationen oder Aufrufen einzelner Skills separat veröffentlicht werden.

### Sind Agent Skills und MCP dieselbe Technologie?
Nein. MCP stellt eine Schnittstelle bereit, über die Agenten auf externe Daten und Werkzeuge zugreifen können, während Agent Skills Verfahren und Entscheidungskriterien für die Ausführung bestimmter Aufgaben bereitstellen. Sie können gemeinsam verwendet werden, indem beispielsweise ein Skill beschreibt, wie MCP-Werkzeuge korrekt zu verwenden sind.

### Werden Agenten leistungsfähiger, wenn man viele Skills installiert?
Nicht immer. Wenn auch nicht verwendete Anweisungen aktiviert werden, steigen die Kontextkosten, und unterschiedliche Regeln können miteinander in Konflikt geraten. Es empfiehlt sich, nur die benötigten Skills auszuwählen und anschließend Eingabetoken, Latenz und Erfolgsquote bei Aufgaben zu vergleichen.

### Sind externe Skills sicher, weil sie Markdown-Dateien sind?
Das lässt sich nicht mit Sicherheit sagen. Skills können Shell-Befehle, ausführbaren Code, Paketinstallationen und Anweisungen zur externen Kommunikation enthalten. Ausführbare Dateien und Berechtigungen sollten geprüft, ein verifizierter Commit festgeschrieben und der Skill zunächst in einer eingeschränkten Umgebung getestet werden.

### Können veröffentlichte Skills frei kommerziell genutzt werden?
Die öffentliche Verfügbarkeit ist nicht dasselbe wie Open Source. Neben der Lizenz des gesamten Repositorys müssen auch gesonderte Bedingungen geprüft werden, die für einzelne Skills oder Verzeichnisse gelten. Bei Unklarheiten ist es sicherer, das Kopieren, Ändern, Weiterverbreiten oder den Einsatz in kostenpflichtigen Diensten vorerst zu unterlassen.

### Was ist die wichtigste Voraussetzung für einen guten Agenten-Skill?
Es muss klar definiert sein, für welche Aufgaben er eingesetzt und für welche er nicht eingesetzt werden soll, und die Erfolgskriterien müssen bewertbar sein. Außerdem sollte er mit möglichst wenig Kontext und Berechtigungen auskommen und den Agenten dazu veranlassen, Anforderungen, Umfang und Validierungsmethode zu prüfen, bevor er voreilig mit der Ausführung beginnt.

## Sources

- [GitHub-Repository obra/superpowers](https://github.com/obra/superpowers)
- [GitHub-Repository affaan-m/everything-claude-code](https://github.com/affaan-m/everything-claude-code)
- [GitHub-Repository mattpocock/skills](https://github.com/mattpocock/skills)
- [GitHub-Repository anthropics/skills](https://github.com/anthropics/skills)
- [Agent-Skills-Verzeichnis skills.sh](https://skills.sh/)
- [GitHub Docs: Über Sterne](https://docs.github.com/en/repositories/viewing-activity-and-data-for-your-repository/about-stars)

## Images

![Fünf Agenten-Skill-Karten mit Sternen, Lupe und Waage mit Bewertungskriterien](https://injoys.com/rails/active_storage/blobs/proxy/eyJfcmFpbHMiOnsiZGF0YSI6ODI3OSwicHVyIjoiYmxvYl9pZCJ9fQ==--b50bbcc847bc2d7b61ded00be971783aa85a29a4/ai-e0d0c4d7.webp)
![Flussdiagramm mit fünf Agenten-Skill-Karten, die gefiltert und geprüft werden](https://injoys.com/rails/active_storage/blobs/proxy/eyJfcmFpbHMiOnsiZGF0YSI6ODI4NSwicHVyIjoiYmxvYl9pZCJ9fQ==--baba657ae44c9c7abd0b42f0a8a282655bf5665f/ai-58954fc2.webp)