Ich halte meine Sammlung an Claude Code Plugins und Skills bewusst klein — siebzehn Stück — weil ein aufgeblähter .claude-Ordner meinen Agenten schlechter gemacht hat, nicht besser. Irgendwann hatte ich rund dreißig Tools installiert und konnte mich bei einem Drittel davon nicht mehr erinnern, was sie eigentlich taten. Also habe ich alles deinstalliert und den Stack von null neu aufgebaut, wobei ein Tool erst dann wieder einen Platz bekam, wenn es sich in einem echten Projekt bewährt hatte. Die folgenden Tools haben diese Ausmistaktion überlebt.
Das hier ist keine „Top-Repos, die man mit einem Stern versieht und dann vergisst"-Liste. Einen GitHub-Stern zu vergeben kostet nichts und verändert nichts. Was meinen tatsächlichen Durchsatz verändert hat, war das gezielte Einbinden bestimmter Tools in bestimmte Momente — der Design-Skill, der greift, wenn ich eine Landing Page baue, der Recherche-Skill, der läuft, bevor ich die erste Zeile schreibe. Siebzehn davon sind geblieben. Ich habe sie in die drei Kategorien aufgeteilt, in denen sie bei mir leben: Design, Produktivität und Daten & Recherche.
Eine kurze Ehrlichkeitsnotiz, bevor wir starten. Ich setze diese Tools bei echter Kunden- und Nebenprojektarbeit ein, ich kann dir also sagen, zu welchen ich greife. Aber die harten Zahlen — Ponytails Code-Reduktions-Benchmark, Firecrawls Free-Tier-Limits, Impeccables Kommandozähler — stammen aus den eigenen Benchmarks und Docs der Maintainer, die ich verlinkt und verifiziert habe, nicht aus einem Labor, das ich betreibe. Wo eine Kennzahl von ihnen ist, sage ich das. Wo es meine Erfahrung ist, sage ich das ebenfalls. Diese Trennlinie ist wichtig, denn die meisten „Best Skills"-Listen verwischen sie so lange, bis man weder der einen noch der anderen Hälfte trauen kann.
Warum aufgesetzte Skills ein größeres Modell schlagen
Die meisten Leute machen das falsch herum. Sie jagen dem nächsten Modell-Release hinterher und erwarten, dass es ihre Design-Ergebnisse oder ihre Token-Rechnung repariert. Aber ein Frontier-Modell ohne Constraints wird trotzdem generische Verläufe produzieren und 400 Zeilen Code schreiben, wo 180 gereicht hätten. Das Modell ist rohe Fähigkeit. Skills sind das Urteilsvermögen, das du auf diese Fähigkeit aufschraubst.
Stell dir Claude Code als brillanten Handwerker vor, der dein Haus noch nie gesehen hat. Das Modell weiß, wie man alles baut. Ein Skill ist die Projektbeschreibung, die sagt: „Passe dich der vorhandenen Zierleiste an, rühre die tragende Wand nicht an, hier ist der Stil, den wir wollen." Gleicher Handwerker, völlig anderes Ergebnis.
Deshalb ist diese Liste wichtiger als ein Modellvergleich. Mehrere der unten aufgeführten Tools — Taste, Impeccable, Ponytail — haben innerhalb weniger Wochen nach Release echte Verbreitung im gesamten AI-Coding-Ökosystem gefunden und funktionieren über mehrere Agent-Harnesses hinweg, nicht nur bei einem Anbieter. Wenn sich ein Open-Source-Skill so schnell verbreitet, ist das ein Signal, dass das offene Ökosystem Probleme löst, die die Modell-Anbieter nicht angehen. Du musst nicht auf das nächste Release warten, um deinen Workflow zu reparieren. Du kannst ihn heute patchen. Fangen wir dort an, wo der Schmerz am sichtbarsten ist: beim Design.
Die Design-Skills, die AI-Slop töten
Du erkennst KI-generiertes Design, wenn du es siehst. Die leicht zu abgerundeten Ecken, der Lila-zu-Blau-Verlauf auf allem, das Spacing, das fast, aber nie ganz richtig sitzt. Drei Skills greifen dieses Problem aus unterschiedlichen Blickwinkeln an, und ich nutze alle drei in verschiedenen Phasen.
Taste — die Urteilsschicht für Frontend-Arbeit
Taste ist ein Open-Source-Skill, gebaut, um KI-Frontend-Arbeit genau das mitzugeben, was ihr am offensichtlichsten fehlt: Geschmack. Es ist keine Component Library und kein Template-Pack. Es ist ein Set aus Design-Prinzipien plus Sub-Skills — image-to-code, Redesign und Output-Optimierung — die den Agenten weg von der Default-KI-Ästhetik und hin zu etwas nudgen, das ein menschlicher Designer freigeben würde.
Was mir daran gefällt: Es ist agent-agnostisch. Es funktioniert über Claude Code, Cursor, Codex CLI und den Rest, weil es einfach strukturierte Anleitung ist und kein Claude-spezifisches Binary. Am häufigsten greife ich zum image-to-code-Sub-Skill — füttere es mit einem Screenshot eines Layouts, das ich bewundere, und es rekonstruiert die Struktur als sauberen Frontend-Code, ohne dass ich jedes Element von Hand beschreiben muss.
Nutze Taste, wenn die Richtung das Problem ist — wenn das Ergebnis technisch in Ordnung, aber seelenlos ist. Es ist ein Erst-Korrektor, kein Polierer. Für den Feinschliff willst du das nächste Tool.
Impeccable — ein vollständiges Design-Vokabular und ein Live-Browser-Editor
Impeccable ist das Tool, das durch die Decke gegangen ist. Gebaut von Paul Bakaus — ehemaliger Google Developer Advocate und Erfinder von jQuery UI — hat es innerhalb von Wochen nach dem Release Zehntausende GitHub-Sterne eingesammelt und ist laut den Projekt-eigenen Materialien einer der am häufigsten gesternten Design-Skills im Claude Code Ökosystem geworden (Stand Mitte 2026; Sternzahlen bewegen sich schnell, also behandle jede exakte Zahl als Momentaufnahme). Es funktioniert über die großen AI-Coding-Harnesses hinweg, und diese Art von Traktion passiert bei einem Spielzeug nicht.
Es liefert ein großes Set spezialisierter Design-Kommandos plus tiefe Referenz-Guides zu Typografie, Farbe und Kontrast, räumlichem Design, Motion, Interaktion, responsivem Verhalten und UX-Writing. Anstatt Claude also vage zu bitten, „mach's besser", lenkst du es wie ein Creative Lead: Kritisiere diese Hierarchie, destilliere dieses Layout, verschärfe dieses Spacing. Du sprichst das Vokabular des Designers und der Agent tut es auch.
Das Alleinstellungsmerkmal, das sonst niemand hat, ist der Live-Browser-Editor (in Beta) — visuelle Bearbeitungen direkt an der gerenderten Website, nicht im Code, dann zurücksynchronisiert. Das ist das Nächste an einem Figma-trifft-Terminal-Workflow, das ich innerhalb von Claude Code je genutzt habe. Ich bin tief eingestiegen in meiner ausführlichen Analyse des Impeccable Design Skills, deshalb wiederhole ich die komplette Auseinandersetzung hier nicht. Kurzversion: Das ist der Polierer. Taste gibt die Richtung vor; Impeccable erzwingt das Handwerk.
Awesome Design.md — eine Seite, die du bewunderst, rückwärts konstruieren
Das ist ein cleverer Trick. Awesome Design.md stützt sich auf die design.md-Prinzipien von Google Stitch, um die Design-Sprache einer bestehenden Website in ein wiederverwendbares Template zurückzuentwickeln. Zeige es auf eine Seite, die du respektierst — etwa Airtable — und es extrahiert Struktur, Typografie, Spacing und Component-Muster in eine Spezifikation, die du auf dein eigenes Projekt anwenden kannst.
Um es glasklar zu sagen, weil das wichtig ist: Du übernimmst das Design-Framework, nicht die Inhalte oder die Marke. Es ist der Unterschied zwischen dem Studium, wie ein großartiges Restaurant sein Essen anrichtet, und dem Klauen der Speisekarte. Ich nutze es, wenn ein Kunde sagt „mach es so, dass es sich anfühlt wie [bekanntes Produkt]" — statt zu raten, was gemeint ist, extrahiere ich das tatsächliche System und wir reden konkret darüber.
Drei Design-Skills, drei Aufgaben: Richtung, Handwerk und Framework-Extraktion. Jetzt zur Kategorie, in der die echten Zeitersparnisse leben.
Die Produktivitäts-Tools, die sich selbst bezahlen
Design-Qualität ist sichtbar. Produktivitätsgewinne sind leiser, aber sie summieren sich. Diese sieben Tools nehmen mir jede Woche eine wiederkehrende Steuer ab — geschwätziger Code, Tab-Wechsel, manuelles Browser-Testing, Kontextverlust beim Modellwechsel.
Ponytail — bewusst weniger Code schreiben
Ponytail setzt das, was der Erfinder einen „lazy senior developer" nennt, in deinen Agenten. Bevor Claude überhaupt etwas schreibt, erzwingt Ponytail einen Check: Braucht das wirklich neuen Code, oder deckt eine existierende Library, Dependency oder ein Muster das bereits ab? Die Regel ist streng — schreib nur, was die Aufgabe braucht — aber mit einem harten Leitplanken: Validierung, Error Handling, Sicherheit oder Barrierefreiheit werden niemals gestrichen, um eine geringere Zeilenzahl zu erreichen.
Der Benchmark der Maintainer (veröffentlicht Mitte 2026) berichtete von ungefähr 54 % weniger Code, 22 % weniger Tokens und 27 % schnellerer Fertigstellung gegenüber der Baseline. Diese 54 % sind ein Mittelwert über eine Reihe von Feature-Aufgaben und schwanken stark mit dem Kontext — sie steigen in Richtung 90 %+ dort, wo ein Agent sonst etwas wie einen Datepicker überbauen würde, und fallen gegen null, wo der Code schon minimal ist. Es gab auch faire öffentliche Kritik an der Benchmark-Methodik, auf die die Maintainer mit einer Aktualisierung ihrer Tests reagiert haben. Behandle die Zahlen also als Richtungsangabe, nicht als Garantie, und verifiziere sie an deinem eigenen Repo.
Was ich dir aus dem Betrieb sagen kann: Der Output ist ruhiger. Weniger spekulative Abstraktionen, weniger „für alle Fälle"-Helper-Funktionen, die ich später lesen und löschen müsste. Wenn du gegen Claudes Neigung zum Over-Engineering ankämpfst, ist Ponytail der Constraint, der hilft. Kombiniere es mit den breiteren Gewohnheiten aus meinem Leitfaden zum Senken der Claude-Code-Token-Kosten, und die Ersparnisse stapeln sich.
NotebookLM CLI — deine Recherche-Dokumente im Terminal
Googles NotebookLM ist exzellent und in einem Browser-Tab gefangen. Die NotebookLM CLI (das nlm-Projekt, gepflegt von Jacob Ben-David) bricht es heraus — programmatischer Zugriff auf deine Notebooks, Quellen und Studio-Outputs von der Kommandozeile, sodass Claude Code deine hochgeladenen PDFs, Dokumente und YouTube-Transkripte abfragen kann, ohne dass du je das Terminal verlassen musst.
Es ist schnell gereift. Das aktuelle Paket verschmilzt die alte nlm-CLI mit dem notebooklm-mcp-Server zu einem installierbaren Python-Modul (via uv, pipx oder pip) und stellt ein breites Set an MCP-Tools bereit: Notebook-Erstellung, Quellenhinzufügung aus URLs und lokalen Dateien, Einzel- und notebookübergreifende Abfragen sowie Erzeugung von Studio-Artefakten inklusive Audio, Folien und Quizzes. Der Setup-Befehl schreibt dir den Claude-Code-Config-Eintrag, statt dass du JSON von Hand editieren müsstest. (Versionsnummern und die exakte Tool-Zahl ändern sich von Release zu Release — schau ins Repo, was beim Installieren aktuell ist.)
Der Grund, warum das für mich die Web-App schlägt: Momentum. Wenn ich tief in einem Build stecke und nachschlagen muss, was drei Quell-PDFs über eine API sagen, frage ich in derselben Session, in der ich code. Kein Tab-Wechsel, kein Copy-Paste, kein Kontextverlust. Ich habe die vollständige Recherche-Schleife in meinem Post zum NotebookLM-plus-Claude-Code-Dev-Workflow auseinandergenommen.
Playwright CLI — Browser-Automatisierung, die skaliert
Playwright lässt einen Agenten einen echten Browser steuern — Buttons klicken, Formulare ausfüllen, Flows navigieren wie ein Mensch. Die CLI-Variante ist für die Arbeit, die ich darauf werfe, token-effizienter und flexibler als der Playwright-MCP-Server: einen Checkout-Flow über Edge Cases hinweg testen, eine repetitive UI-Aufgabe automatisieren, validieren, dass ein Formular tatsächlich abschickt.
Der mentale Shift hier ist, dein Frontend als etwas zu behandeln, das ausgeübt werden soll, nicht nur angesehen. Anstatt nach einer Änderung manuell durch fünfzehn Zustände zu klicken, beschreibst du den Flow einmal und lässt Claude ihn skaliert ausführen, wobei der Edge Case in Schritt zwölf, der bricht, aufgefangen wird. Ich habe Setup und Token-Effizienz-Perspektive im Detail in meinem Playwright-CLI-Browser-Automation-Guide beschrieben.
Codex Plugin — ein zweites Modell im Raum
Das offizielle OpenAI-Codex-Plugin für Claude Code lässt dich GPT-Modelle neben Claude im selben Workflow laufen. Es geht nicht darum, Claude zu ersetzen — es geht darum, eine zweite Meinung auf Abruf zu haben. Das „Codex rescue"-Kommando lagert eine sperrige Aufgabe an GPT aus, wenn Claude in einer Schleife feststeckt, und du kannst adversariales Code-Review betreiben, bei dem ein Modell das Ergebnis des anderen kritisiert.
Ich behandle es wie Pair Programming mit zwei Seniors, die unterschiedlich denken. Wenn Claude und Codex sich einig sind, dass eine Änderung sicher ist, vertraue ich ihr mehr als jedem einzelnen. Wenn sie sich uneinig sind, ist genau diese Uneinigkeit das Signal — das ist genau die Stelle, an der man langsamer werden sollte. Ich habe aufgeschrieben, wie ich sie zusammen betreibe, in dem Claude Code + Codex Dynamic-Duo-Workflow.
Google Workspace CLI — der tiefe Ökosystem-Move
Die GWS CLI ist ein inoffizielles Kommandozeilen-Tool, gebaut von einem Google-Entwickler, das Google Workspace weit über den offiziellen Konnektor hinaus erweitert — E-Mails senden, automatisierte Workflow-Skills wie Wochendigests und Meeting-Vorbereitung bauen, mit Dutzenden vorgeladener Operationen, die einsatzbereit sind.
Klartext: Die Installation ist frickelig. Das ist das komplexeste Setup auf der Liste, und wenn du Workspace nur gelegentlich anfasst, lohnt sich die Reibung nicht. Aber wenn dein ganzer Betrieb in Gmail, Kalender, Docs und Sheets lebt, ist der Payoff real — Claude wird zum Operator innerhalb deines tatsächlichen Workspaces, nicht zum Chatbot, aus dem du Ergebnisse rauskopierst. Passe das Tool dazu, wie viel von deinem Tag Google gehört.
GitHub CLI — das, das niemand auslassen sollte
gh ist unglamourös und nicht verhandelbar. Es ist der Weg, wie Projekte von deiner Maschine zu GitHub kommen, ohne Claude Code zu verlassen — Repos anlegen, Pull Requests öffnen, Branches pushen, Issues verwalten, alles aus derselben Session, in der du baust.
Es gibt hier keinen cleveren Winkel. Wenn du mit Claude Code Code ausrollst und die GitHub CLI nicht angebunden hast, wechselst du für Arbeit in den Browser, die ein einziger Befehl sein sollte. Installiere sie zuerst, danke dir später.
Das deckt die Tools ab, die Zeit bei Arbeit sparen, die du ohnehin machst. Der Skill Creator ist anders — er verbessert die Tools selbst.
Skill Creator — messen, ob ein Skill tatsächlich hilft
Skill Creator ist Anthropics offizieller Skill zum Bauen, Modifizieren und A/B-Testen deiner eigenen Skills innerhalb von Claude Code. Das Killer-Feature ist objektive Messung: Er führt deine Aufgabe mit und ohne einen gegebenen Skill aus und vergleicht die Performance, damit du herausfindest, ob der Skill, den du installiert hast, wirklich hilft oder nur Overhead hinzufügt.
Das ist das Gegenmittel gegen mein Fat-.claude-Folder-Problem. Anstatt Skills nach Bauchgefühl zu horten, bekommst du eine Zahl. Ich lasse jetzt alles, bei dem ich unsicher bin, durch den Skill Creator laufen, bevor es einen dauerhaften Platz verdient — so hätte ich die vergessenen Skills Monate früher enttarnt. Installation ist der einfache Typ: im Plugin-Marketplace suchen und hinzufügen. Ich habe mich in meinem Skill-Creator-Testing-und-Optimization-Post in seinen A/B-Testing-Flow eingegraben.
Wenn du bis hierher gekommen bist, hast du schon einen schärferen Stack als die meisten Claude-Code-Nutzer heute im Einsatz. Der letzte Bucket ist der, in dem die echte Hebelwirkung versteckt liegt — denn der Flaschenhals bei den meisten Projekten ist nicht das Schreiben von Code, sondern das Wissen darum, was gebaut werden soll.
Die Daten- und Recherche-Tools, die die Wahrheit finden
Code ist inzwischen der einfache Teil. Der schwere Teil ist, das, was du baust, in der Realität zu verankern — echtes Nutzer-Sentiment, echte gescrapte Daten, echtes persistentes Gedächtnis. Diese sieben Tools erledigen die Teile des Jobs, die früher manuelles Schuften erforderten.
Last 30 Days — Recherche jenseits des Knowledge Cutoffs
Jedes Modell hat einen Knowledge Cutoff. Der Last-30-Days-Skill fegt ihn hinweg, indem er live über Reddit, X, YouTube, Hacker News, Polymarket, TikTok, Bluesky und das offene Web recherchiert — und dann in einem gerankten Briefing mit echten Zitaten aus tatsächlich aktueller Diskussion synthetisiert.
Es wurde zu einem der am schnellsten kletternden Repos im Claude Code Ökosystem — Stand Mitte 2026 hatte es laut den öffentlichen Repo-Statistiken des Projekts über 40.000 GitHub-Sterne überschritten (eine bewegliche Zahl, also lies sie als Momentaufnahme). Der Grund, warum es sticht: Es bewertet Ergebnisse danach, mit was echte Menschen tatsächlich interagieren, nicht nur nach Keyword-Match. Wenn ich validiere, ob eine Produktidee echte Nachfrage hat oder nur meinen eigenen Enthusiasmus, findet das Tool die ungefilterten Konversationen, die eine Standard-Websuche begräbt. Installation ist marketplace-einfach: /plugin marketplace add mvanhorn/last30days-skill.
Firecrawl CLI — Scraping, das an Bot-Wänden vorbeikommt
Standard-Web-Fetching stirbt in dem Moment, in dem eine Seite Bot-Schutz hat. Firecrawl ist der Scraper, der genau dafür gebaut wurde — er entdeckt, crawlt und interagiert mit URLs auf einer Seite, einschließlich Seiten, die naive Requests blockieren. Es wurde zu einem offiziellen Claude-Plugin, was etwas über Zuverlässigkeit aussagt.
Zum Pricing, weil das immer gefragt wird: Der Free Tier gibt 1.000 Seiten pro Monat (1.000 Credits, ein Credit pro Seite für Scrape, Crawl, Map und Monitor), mit Rate Limits von 10 Scrapes pro Minute und 1 Crawl pro Minute, keine Kreditkarte nötig für den Start. Beachte, dass schwerere Features wie JSON-Extraktion zusätzliche Credits pro Seite kosten und Credits nicht in den nächsten Monat übertragen werden. Es gibt auch eine Open-Source-Self-Host-Route. Für die Art kompetitiver Recherche und Datenerhebung, die ich betreibe, deckt das kostenlose Monatskontingent die meisten Wochen ab, bevor ich einen kostenpflichtigen Plan brauche. (Preise ändern sich — überprüfe die Firecrawl-eigene Pricing-Seite, bevor du skalierst.)
Auto Research — Karpathys Optimierungsschleife
Auto Research, von Andrej Karpathy, automatisiert ML-Experimente, indem es Tests gegen eine einzelne Erfolgsmetrik iteriert — Laufzeit, Genauigkeit, was auch immer du definierst — und jeden Schritt der Optimierungsschleife detailliert loggt. Du setzt das Ziel; es fährt die Experimente und meldet, was die Zahl bewegt hat.
Der Constraint, den man respektieren muss: Das glänzt nur, wenn dein Erfolgskriterium objektiv und numerisch ist. „Mach das Modell schneller" funktioniert. „Sorge dafür, dass sich der Output besser anfühlt" nicht — es gibt nichts, wogegen die Schleife optimieren könnte. In seiner Spur eingesetzt, automatisiert es die mühsame Experiment-Tuning-Schleifschleife, die Forschungszeit auffrisst. Ich habe die Strategie und ihren Platz in meiner Auto-Research-mit-Claude-Code-Analyse aufgeschlüsselt.
Supabase CLI — ein Backend, indem du damit sprichst
In dem Moment, in dem ein Projekt etwas speichern muss — Formular-Einreichungen, User-Logins, irgendetwas Zustandsbehaftetes — brauchst du eine Datenbank. Die Supabase CLI lässt dich Datenbanken anlegen, Auth einrichten und alles davon per natürlicher Sprache in Claude Code verwalten, über Cloud- und lokale Setups hinweg.
Das ist der Unlock, der aus einem statischen Prototyp eine echte App macht, ohne dass du in eine Datenbank-Konsole umschalten musst. „Füge eine users-Tabelle mit E-Mail-Auth und eine submissions-Tabelle hinzu, die daran hängt" wird zu einem Satz statt zu einem Nachmittag. Für alle, die SaaS oder Tools bauen, die Daten persistieren, entfernt es den häufigsten Blocker zwischen Prototyp und Produkt.
Obsidian Integration — gib Claude ein echtes Gedächtnis
Das Kontextfenster von Claude Code ist mächtig, aber es vergisst zwischen Sessions. Die Obsidian-Integration behebt das, indem sie Claude mit deinem Obsidian-Vault verbindet — deine organisierten Notizen werden zu einem verbundenen Wissensgraphen, den der Agent abfragen kann, sodass kontextreiche Antworten aus deinem angesammelten Wissen kommen, nicht nur aus dem aktuellen Chat.
Das ist der Unterschied zwischen einem Assistenten, der jeden Morgen kalt startet, und einem, der sich an die Geschichte, Entscheidungen und Eigenheiten deines Projekts erinnert. Ich betreibe einen Vault als Claudes Langzeitgedächtnis, und der Qualitätssprung ist real — weniger Neu-Erklärungen, mehr Kontinuität. Ich habe das Setup in meinem Obsidian + Claude Code Persistent-Memory-Post beschrieben.
LightRAG — Retrieval auf echten Knowledge Graphs
LightRAG ist Retrieval-Augmented Generation mit echten Embeddings und echten Knowledge Graphs, statt der synthetischen, herbeigewedelten Karten, die viele RAG-Setups vortäuschen. Es ist leichtgewichtig und schnell, unterstützt multimodale Daten — Text, Bilder, Charts — und funktioniert als Sprungbrett zu schwereren RAG-Systemen, ohne die Vorab-Komplexität.
Wenn die Obsidian-Integration Gedächtnis für deine Notizen ist, ist LightRAG strukturiertes Gedächtnis für einen echten Korpus — Dokumentation, Recherche-Bibliotheken, gemischte Medien-Wissensbasen. Wenn Standard-Retrieval immer wieder flache oder unzusammenhängende Antworten liefert, ist die Graphenstruktur das, was die Beziehungen zwischen Fakten wiederherstellt. Es paart sich natürlich mit dem Wissensbasis-Denken in Karpathys Obsidian-RAG-Ansatz.
Stripe CLI — Payments ohne Dashboard-Labyrinth
Wenn deine App Geld annimmt, wirst du irgendwann gegen das Stripe-Dashboard kämpfen. Die Stripe CLI vereinfacht die Payment-Verwaltung über Terminal-Kommandos und natürliche Sprache — Produkte anlegen, Webhooks testen, die Commerce-Schicht verwalten — sodass Claude die Integration übernimmt, statt dass du dich durch ein Einstellungslabyrinth klickst.
Für monetarisierte Projekte ist das das Last-Mile-Tool. Die App zu bauen ist eine Sache; Payments sauber zu verdrahten ist der Teil, der ein Demo von einem Business trennt. Das aus derselben Session heraus zu tun, in der du die App gebaut hast, hält den ganzen Flow kohärent.
Siebzehn Tools. Aber ein Stack ist nur so gut wie die Art, wie du ihn zusammensetzt — und genau da machen die meisten Leute den Fehler.
Was ich beim Aufbau dieses Stacks falsch gemacht habe
Mein erster Fehler war der, mit dem ich eröffnet habe: Skills sammeln wie Sammelkarten. Mehr installierte Skills sind nicht mehr Fähigkeit — ab einem gewissen Punkt sind sie Rauschen, widersprüchliche Anleitung und Overhead. Der fette .claude-Ordner hat Claude schlechter gemacht, nicht besser, weil Skills in entgegengesetzte Richtungen ziehen können und ich keine Möglichkeit hatte, zu sehen, welche halfen.
Der Fix war öde Disziplin: Installiere ein Tool, lass es eine Woche lang auf echter Arbeit laufen, dann behalte es nur, wenn ich den konkreten Moment benennen kann, in dem es sich seinen Platz verdient hat. Skill Creator hat das messbar gemacht statt Bauchgefühl-basiert. Wenn du eine Sache aus dieser Liste mitnimmst, nimm diese Schleife — nicht die Liste selbst.
Mein zweiter Fehler war, Benchmark-Zahlen als Versprechen zu vertrauen. Als ich zum ersten Mal Ponytails 54-%-Zahl sah, erwartete ich das bei jedem Projekt. Sie ist echt, aber sie ist deren Zahl bei deren Testaufgaben und schwankt stark mit dem Kontext. Die öffentliche Kritik an diesen Benchmarks hat mich etwas Nützliches gelehrt: Eine Metrik ohne ihre Bedingungen ist Marketing. Jetzt lese ich jede „X-%-Verbesserung"-Behauptung — inklusive derer in diesem Artikel — als „unter ihren spezifischen Bedingungen" und verifiziere sie an meiner eigenen Arbeit, bevor ich sie glaube. Du solltest dasselbe mit allem tun, was ich hier berichtet habe, das nicht ausdrücklich meine eigene Erfahrung ist.
Die ehrliche Grenze dieser ganzen Kategorie: Skills bringen Wartung mit. Sie updaten, sie brechen gelegentlich, sie müssen ausgemistet werden. Ein Stack von siebzehn Tools ist siebzehn Dinge, die driften können. Ich re-auditiere meinen ungefähr monatlich. Wenn du sie nicht pflegst, installiere weniger.
Also, wie fängst du an?
Installiere nicht alle siebzehn. Das ist genau der Fehler, den ich gemacht habe, neu verpackt.
Wähle den einen Bucket, in dem dein aktueller Schmerz am lautesten ist. Wenn dein Output aussieht, als hätte KI ihn gemacht, fang mit Impeccable und Taste an. Wenn deine Token-Rechnung oder dein überkonstruierter Code das Problem ist, fang mit Ponytail und der GitHub CLI an. Wenn du ständig Dinge baust, die niemand will, fang mit Last 30 Days und Firecrawl an. Fahre diesen einen Bucket eine Woche lang auf echter Arbeit. Dann, und nur wenn er sich den Platz verdient hat, füge den nächsten hinzu.
Für die vollständige Landschaft dessen, was sich dieses Jahr zu installieren lohnt, führe ich eine laufende Liste in meiner Übersicht der Top-GitHub-Repos für Claude Code in 2026 — dieser Artikel ist der kuratierte, kampferprobte Ausschnitt aus diesem breiteren Feld.
Hier ist die Neurahmung, die ich dir mitgebe. Das Modell ist nicht mehr der Burggraben — jeder hat Zugang zu ungefähr derselben Frontier-Fähigkeit. Der Burggraben ist das Urteilsvermögen, das du drumherum wickelst: der Design-Geschmack, die Code-Zurückhaltung, die Recherche-Tiefe, das Gedächtnis. Genau dieses Urteilsvermögen encodieren diese Skills. Der Entwickler, der 2026 gewinnt, ist nicht der mit dem größten Modell. Es ist der, dessen Stack ein gutes Modell dazu bringt, sich wie ein großartiges Team zu benehmen.
Öffne deinen .claude-Ordner. Wenn du dich nicht erinnern kannst, was die Hälfte dessen, was drin ist, tut, hast du dasselbe Problem, das ich hatte. Fang heute Abend mit dem Ausmisten an.
Häufig gestellte Fragen
Was ist der Unterschied zwischen einem Claude Code Plugin und einem Skill?
Ein Skill ist strukturierte Anleitung — Prinzipien, Referenzen und Kommandos, die formen, wie der Agent über eine Aufgabe nachdenkt, wie zum Beispiel Impeccables Design-Regeln. Ein Plugin bündelt typischerweise einen Skill plus Tooling oder eine externe Integration, die über den Marketplace installiert wird. In der Praxis überlappen sich die Begriffe, und beide erweitern das Default-Verhalten von Claude Code hin zu einem bestimmten Job.
Wie installiere ich Claude Code Skills und Plugins?
Die meisten werden über den Marketplace installiert — führe /plugin innerhalb von Claude Code aus, suche das Tool und füge es hinzu, oder nutze /plugin marketplace add <repo> für ein spezifisches GitHub-Projekt. CLIs wie NotebookLMs nlm werden per uv, pipx oder pip installiert und tragen sich dann selbst in deine Claude-Code-Config ein. Siehe den Abschnitt zu jedem Tool oben für den exakten Weg.
Verlangsamen zu viele Claude Code Skills das System?
Ja — ab einem gewissen Punkt fügen mehr installierte Skills Rauschen, widersprüchliche Anleitung und Overhead statt Fähigkeit hinzu. Installiere ein Tool, lass es eine Woche lang auf echter Arbeit laufen und behalte es nur, wenn du benennen kannst, wo es geholfen hat. Anthropics Skill Creator kann einen Skill objektiv A/B-testen, sodass du die entfernst, die sich ihren Platz nicht verdienen.
Sind diese Claude Code Plugins und Skills kostenlos?
Die meisten auf dieser Liste sind Open Source und kostenlos, darunter Taste, Impeccable, Ponytail und die NotebookLM CLI. Ein paar wrappen kostenpflichtige Dienste: Firecrawl gibt 1.000 kostenlose Seiten pro Monat, bevor kostenpflichtige Tiers greifen, und Supabase und Stripe haben eigene Free Tiers und nutzungsbasierte Preise. Prüfe immer die aktuellen Limits des zugrundeliegenden Dienstes, bevor du skalierst.
Mach dich an deinen eigenen Stack
Wenn es eine Gewohnheit gibt, die es wert ist, aus alldem zu klauen, dann die Audit-Schleife, nicht die Liste selbst: Installiere ein Tool, lass es eine Woche lang auf echter Arbeit laufen und behalte es nur, wenn du den Moment benennen kannst, in dem es sich seinen Platz verdient hat. Ich halte meinen bewusst schlank und re-auditiere monatlich, denn der Stack ist jetzt der Burggraben — nicht das Modell. Wenn du die Verdrahtung eines schlanken, verifizierten Claude Code Setups lieber jemandem übergibst, der das täglich tut, kannst du auf Fiverr mit mir arbeiten.
