Super Skills in Claude Code: mein echter Build-Log

Super Skills in Claude Code: mein echter Build-Log

Letzten Freitag hatte ich 47 Skills in ~/.claude/skills/ installiert. 39 davon habe ich am Sonntagmorgen gelöscht.

Nicht, weil sie kaputt waren. Sie haben genau so gearbeitet, wie es in der Dokumentation angegeben war. Ein Skill namens meeting-summary hat eine Besprechungszusammenfassung erstellt. Ein Skill namens seo-audit hat ein SEO-Audit erstellt. Ein Skill namens linkedin-post hat einen LinkedIn-Beitrag erstellt. Sie haben sich benommen. Sie haben die richtige Form der Ausgabe zurückgegeben. Sie machten nie Fehler.

Sie wurden auch nie besser.

Jeden Montag schrieb ich in derselben Claude Code-Sitzung dieselben Korrekturnotizen. „Verwenden Sie nicht das Wort Hebelwirkung. Hören Sie auf, jeden Absatz mit einer Frage zu eröffnen. Schneiden Sie die Gedankenstriche um die Hälfte.“ Am Dienstagmorgen würde die Fertigkeit alle drei Dinge erneut tun, genau wie in der Woche zuvor. Der Fachmann hatte keine Ahnung, dass Montag passiert war.

Das ist die Lücke, auf die Jack Roberts in der Videozusammenfassung hingewiesen hat, die letzte Woche in meinem Posteingang landete. Er nennt es den Unterschied zwischen einer Utility-Skill und einer Super-Skill, und er formuliert das Ganze anhand der mentalen Modelle von Andrej Karpathy für die Arbeit mit Codierungsagenten. Ich habe es mir zweimal angeschaut und dann vier Tage damit verbracht, mein gesamtes Kompetenzverzeichnis rund um die Idee neu aufzubauen. Dies ist das Build-Protokoll.

Wenn Sie meine [Karpathy Dieser Beitrag ist die nächsthöhere Ebene – was passiert, wenn Sie aufhören, diese Prinzipien auf Ihren Code anzuwenden, und beginnen, sie auf die Fähigkeiten selbst anzuwenden?

Warum 99 % der Claude Skills statisch, vergesslich und still wertlos sind

Öffnen Sie jetzt ~/.claude/skills/ auf dem Computer eines beliebigen Claude Code-Benutzers und Sie werden ungefähr das gleiche Bild vorfinden. Ein Ordner pro Fähigkeit. Eine SKILL.md-Datei in jedem. YAML-Frontmatter oben mit einem Namen und einer Beschreibung. Darunter ein paar hundert Wörter mit Anweisungen. Vielleicht ein templates/-Verzeichnis mit einem Boilerplate.

Das ist das offizielle Format. Die Claude Code Skills-Dokumentation beschreibt es genau so: ein SKILL.md mit Frontmatter, das Claude mitteilt, wann der Skill geladen werden soll, plus Markdown-Inhalt, den Claude liest, wenn der Skill aufgerufen wird. Das Skill-Tool zeigt es an. Der Kabelbaum lädt die Datei. Das Modell liest die Anweisungen. Der Skill läuft.

Es funktioniert. Hier hören auch 99 % der Claude Code-Benutzer mit dem Bauen auf.

Folgendes kann eine statische Fertigkeit nicht leisten: Es kann sich nicht erinnern, was Sie ihm in der letzten Sitzung gesagt haben. Es können keine aktuellen Daten aus einem Gmail-Thread oder einer Figma-Datei oder der Webrecherche der letzten Woche abgerufen werden. Es kann seine eigene Ausgabe nicht bewerten und sich selbst nicht neu schreiben, wenn die Ausgabe immer wieder falsch ausfällt. Es handelt sich um eine eingefrorene Eingabeaufforderung mit einem cleveren Namen. Das darunter laufende Modell wird alle sechs Monate intelligenter. Die Fertigkeit bleibt genauso dumm wie an dem Tag, an dem Sie sie geschrieben haben.

Die Rahmung von Roberts war es, die bei mir endlich Klick gemacht hat. Ein statischer Skill ist ein Dienstprogramm – er löst eine Aufgabe jedes Mal auf die gleiche Weise, wie ein Bitly-URL-Shortener, der eine lange URL nimmt und eine kurze ausspuckt. Nützlich. Vorhersehbar. Unvergesslich. Eine Superfähigkeit ist etwas anderes. Es verfügt über ein Gedächtnis, das es abrufen kann. Es zieht die richtigen Tools und die richtigen Datenquellen für die konkrete Aufgabe heran. Und es bewertet seine eigene Ausgabe und verfeinert sich anhand Ihres Feedbacks.

Drei Eigenschaften. Erinnerung. Werkzeuge. Selbstverbesserung. Ohne diese geben Sie Eingabeaufforderungen mit zusätzlichen Schritten ein.

Die meisten meiner 47 Fähigkeiten hatten keine der drei.

Der Karpathy-Rahmen, der verändert hat, wie ich jede SKILL.md schrieb

Bevor ich eine einzelne Fertigkeitsdatei berührte, musste ich die Schrift selbst korrigieren. Denn der zweite Fehler, den ich gemacht hatte – der unter dem Gedächtnis- und Werkzeugproblem – bestand darin, dass sich meine Fertigkeitsanweisungen wie übereifrige Praktikanten lasen, die versuchen, einen Manager zu beeindrucken. Lang. Spekulativ. Vollgepackt mit „Auch in Betracht ziehen“-Zweigen und „Vielleicht möchten Sie“-Vorschlägen. Jede Fertigkeit bestand aus 800 Wörtern abgesicherter Anleitung.

Die öffentlichen Beobachtungen von Karpathy zu LLM-Codierungsagenten bewegen sich seit über einem Jahr um Die vier Prinzipien:

1. Denken Sie vor dem Codieren. Klären Sie Annahmen. Nennen Sie das Ziel. Benennen Sie die Einschränkungen. Beginnen Sie erst mit dem Tippen, wenn Sie artikulieren können, wie Erfolg aussieht.
2. Einfachheit zuerst. Minimaler Code, der das Problem löst. Nichts Spekulatives. Keine Funktionen, die über das hinausgehen, was gefragt wurde.
3. Chirurgische Bearbeitungen. Berühren Sie nur das, was Sie müssen. „Verbessern“ Sie keinen angrenzenden Code, Kommentare oder Formatierungen. Jede geänderte Zeile wird auf die Anfrage zurückgeführt.
4. Zielorientierte Umsetzung. Definieren Sie die Erfolgskriterien im Voraus. Schleife bis zur Überprüfung. Hören Sie auf, wenn Sie fertig sind.

Ich habe diese als Regeln für die Code Claude-Schreibvorgänge behandelt. Der Rahmen von Roberts hat das umgedreht. Sie sind auch Regeln für die Fähigkeit selbst.

Jeder SKILL.md, den ich neu geschrieben habe, wurde kürzer. Die Fertigkeit „meeting-summary“ stieg von 612 Wörtern auf 184. Die Fertigkeit „seo-audit“ stieg von 891 Wörtern auf 240. Ich habe spekulative Zweige ausgeschnitten. Ich schneide „falls du es auch willst“ ab. Die Erfolgskriterien habe ich oben in jeder Datei explizit genannt. Die Fertigkeitsdateien selbst folgen jetzt der chirurgischen Bearbeitungsdisziplin – sie sagen, was sie sagen müssen, und nicht mehr.

Die Leistung wurde in derselben Woche messbar besser. Nicht, weil das Modell intelligenter geworden wäre. Weil das Modell endlich weniger mehrdeutige Anweisungen zum Parsen hatte.

Das war die Grundlage. Jetzt könnten wir die drei Superskill-Eigenschaften darauf aufbauen.

Eigenschaft eins: Memory, das wirklich erinnert

Eine Fähigkeit ohne Gedächtnis ist ein Goldfisch im Goldfischglas. Jeden Montag trifft es Sie zum ersten Mal. Jeden Dienstag werden Ihnen dieselben Kontextfragen gestellt. Jeden Mittwoch macht es die gleichen Fehler, die Sie am Montag korrigiert haben.

Roberts' Memory OS ist die Architektur, die ich umgebaut habe, und es ist die einzige Änderung, die am meisten dazu beigetragen hat. Drei Eimer. Jeder Bucket hat eine klare Aufgabe, einen klaren Lebenszyklus und eine klare Regel für den Inhalt.

Bucket Eins: Sitzungsspeicher

Dabei handelt es sich um das Gesprächsprotokoll selbst, das am Ende jeder Arbeitssitzung archiviert wird. Der Mechanismus ist ein einfacher Skill – Roberts nennt ihn einen „Wrap-up“-Skill – der am Ende jeder Claude Code-Sitzung ausgeführt wird und drei Dinge ausführt. Die Konversationszusammenfassung wird in eine datierte Markdown-Datei geschrieben. Es ruft die Korrekturen ab, die Sie am Modell vorgenommen haben, und speichert sie als beschriftete Beispiele. Es aktualisiert die Anzahl laufender Sitzungen.

Ich habe meinen so verdrahtet, dass er am Ende jedes Arbeitsblocks auf /wrap ausgelöst wird. Die Ausgabe geht an ~/Documents/claude-memory/sessions/2026-04-28-skills-rebuild.md. Das Ganze dauert etwa 40 Sekunden. Wenn ich am nächsten Morgen eine neue Sitzung beginne, liest mein Profil-Skill (mehr dazu weiter unten) die neueste Sitzungsdatei, bevor er etwas anderes tut. Das Model kommt herein und weiß bereits, was wir gestern gemacht haben.

Das ist der Eimer, den ich ein Jahr lang völlig vermisst hatte. Jedes andere Speicherexperiment, das ich durchgeführt habe – Obsidian-Tresore, Notion-Datenbanken, das Pinecone-System mit unbegrenztem Speicher, das ich vor drei Wochen gebaut habe – alle lösten den Langzeitabruf. Keiner von ihnen löste „Erinnern Sie sich daran, worüber wir gerade gesprochen haben“. Das Sitzungsgedächtnis schließt diese Lücke mit einer Abschlussfähigkeit und einem Ordner.

Bucket Two: Wissensdatenbank

Dies ist der unveränderliche Eimer. Lange Form, langlebig, verändert sich nicht. Meine Wissensbasis umfasst: meine eigenen Texte (jeder Blog-Beitrag auf dieser Website, jeder Newsletter), Transkripte aller von mir veröffentlichten Videos und Podcasts, die Bücher, die ich kommentiert habe, und ein paar hundert technische Referenzen, auf die ich immer wieder zurückgreife. Es enthält keine Notizzettel. Es gibt keine Halbgedanken. Wenn es in die Wissensdatenbank gelangt, bleibt es dort.

Ich habe zwei Speicher-Backends direkt getestet. Obsidian über das Obsidian-Claude Code persistente Speicher-Setup und Pinecone serverlos. Das Urteil war das, was die meisten Menschen nicht hören wollen: Obsidian ist großartig, wenn Ihre Wissensdatenbank auf einen Bildschirm passt. Sobald Sie ein paar Hundert lange Markdown-Dateien durchqueren, werden die Token-Kosten für das Scannen von Tresorinhalten durch Claude bei jeder relevanten Abfrage schnell hässlich. Ich habe eine Woche lang Dual-Logging durchgeführt und der Obsidian-Pfad kostete mich ungefähr das Vierfache der Tokens des Pinecone-Pfads für dieselben Fragen, da der Obsidian-Abruf am Ende ganze Dateien lädt, in denen Pinecone nach Rang eingestufte Blöcke zurückgibt.

Pinecone gewinnt aufgrund seiner Größe. Auf der öffentlichen Preisseite von Pinecone wird die Starter-Stufe als kostenlos mit 5 Indizes, 2 GB Speicher, 2 Mio. Schreibeinheiten und 1 Mio. Leseeinheiten pro Monat und die Standard-Stufe für 50 $/month mit Multi-Cloud- und Produktionsfunktionen aufgeführt. Ich verwende Standard. Für eine Wissensdatenbank mit weniger als 500 Dokumenten können Sie bei Starter bleiben. Das serverlose Modell bedeutet, dass keine Leerlauf-Rechengebühren anfallen, was wichtig ist, weil der Großteil meines Abrufdatenverkehrs stoßartig ist – eine Flut von Abfragen am Dienstagmorgen, fast Null am Samstagnachmittag.

Wenn Sie weniger als 200 lange Dateien haben und Ihnen die höheren Token-Ausgaben nichts ausmachen, bleiben Sie bei Obsidian. Ab 200 spart Pinecone Serverless echtes Geld.

Eimer drei: Profil und Strategie

Das ist der veränderliche Eimer – und den habe ich unterschätzt. Eine Markdown-Datei. Wohnt bei ~/.claude/profile.md. Wird am Ende jeder Sitzung aktualisiert. Enthält: meinen aktuellen Fokus (das Projekt, an dem ich diese Woche arbeite), die aktiven Ziele (was ich zu versenden versuche), die Einschränkungen (was mich blockiert) und die jüngsten Entscheidungen (worauf wir uns gestern geeinigt haben, damit wir es heute nicht wieder auf den Kopf stellen).

Diese Datei ist das, was meine Superkräfte zuerst lesen. Vor jeder Aufgabe überprüft der Skill das Profil, weiß, woran ich gerade arbeite, und überspringt die „Was versuchst du zu tun?“-Fragen. Der Wandel im Tempo ist enorm. Ein LinkedIn-Post-Skill, der früher drei Setup-Fragen gestellt hat, erstellt jetzt in der ersten Runde einen Entwurf, weil er bereits weiß, dass ich diese Woche über Claude Code-Skills schreibe.

Die Dashboard-Ansicht all dessen – Roberts zeigt es in seinem Video – sorgt dafür, dass sich das Memory OS wie ein Betriebssystem und nicht wie ein Stapel Ordner anfühlt. Sitzung zählt. Aus dem Sitzungsspeicher aggregierte Kundeneinblicke. Hinweise zum Abonnentenwachstum. Heatmaps der Themen, an denen ich am meisten arbeite. Ich habe eine abgespeckte Version mit einem dashboard-Skill erstellt, der nur die drei Buckets liest und eine Markdown-Zusammenfassung rendert. Nicht schön, aber genug, um die Form meiner eigenen Arbeitswoche zu erkennen.

Eigenschaft zwei: die richtigen Tools und Datenquellen pro Aufgabe

Erinnerung ist die halbe Miete. Die andere Hälfte ist die Fähigkeit, zu wissen, was man für die konkrete Aufgabe, die vor ihm liegt, einsetzen muss.

Ein statischer Skill wirkt sich auf alles aus, was Sie gerade in die Eingabeaufforderung einfügen. Ein Superskill weiß: Diese Aufgabe benötigt Gmail, diese Aufgabe benötigt die Datei Figma, diese Aufgabe benötigt die neueste Preisseite von der Website eines Mitbewerbers. Es zieht diese Dinge selbst.

Die integrierten Anschlüsse der Claude-Desktop-App bewältigen die meisten einfachen Fälle. Gmail, Google Kalender, Google Drive, Notion, Slack, Figma – alle als Tools im MCP-Stil verfügbar, die der Skill als benötigt angeben kann. Wenn der Connector vorhanden ist, verbinden Sie den Skill direkt damit und die Daten werden zur Laufzeit angezeigt.

Interessant wird es bei den Fällen, die die Steckverbinder nicht abdecken. Webrecherche ist das große Thema. Wenn Ihr Skill die aktuelle Preisseite für ein Tool, die Versionshinweise des letzten Monats von einem Anbieter oder die Top-5-Blogbeiträge von Mitbewerbern zu einem Thema benötigt, handelt es sich um Scraping. Und das Scraping mit Raw Fetch verschlingt Token – jede Seite wird als 30 KB HTML, Navigation, Fußzeilen und Inline-Skripte zurückgegeben. Das Modell muss 80 % Rauschen durchqueren, um 20 % Signal zu finden.

Firecrawl ist der für AI optimierte Scraper, auf den ich umgestiegen bin. Es gibt einen sauberen Abschlag zurück. Es entfernt Navigation und Werbung. Der Scrape, der früher ein 30-KB-HTML-Blob war, wird als tatsächlicher Inhalt mit 4 KB zurückgegeben, was ungefähr 7x weniger Token pro Seite für Web-Rechercheaufgaben bedeutet. Ihre öffentlichen Preise lauten im April 2026: „Kostenlos“ für 500 einmalige Credits, „Hobby“ für 16 /month für 3.000 Credits, „Standard“ für 83 /month für 100.000 Credits und „Growth“ für 333 /month für 500.000 Credits. Standard-Scraping kostet 1 Credit pro Seite. Die Suche kostet 1 Credit pro Ergebnis. Durch die JSON-Extraktion kommen zusätzlich 4 Credits pro Seite hinzu.

Ich bin auf Hobby. 3.000 Credits pro Monat reichen für einen persönlichen Recherche-Workflow mit ein paar täglichen Web-Pull-Kenntnissen. Wenn Sie ein Content-Team einer Agentur leiten, ist Standard die realistische Grundlage.

Für die Anschlüsse, die es nicht direkt gibt, ist Zapier die universelle Brücke. Alles, was Sie mit einem Zap verbinden können, können Sie per Webhook mit einem Claude-Skill verbinden. Ich habe einen Skill „Mit Bild auf Einrichtung in zwei Schritten. Funktioniert.

Der in Claude integrierte Skill-Ersteller ist der schnellste Weg, einen neuen Skill zu erstellen – er führt Sie durch die Erklärung der Absicht, des erwarteten Ergebnisses, der erforderlichen Tools, Datenquellen und des Ausgabeformats. Die Testseite davon habe ich in meiner exemplarischen Vorgehensweise zum Testen von Fähigkeiten behandelt, und die gleiche Testdisziplin ist für Superfähigkeiten noch wichtiger, denn sobald man einer Fähigkeit Gedächtnis und Werkzeuge gibt, verdreifacht sich die Oberfläche für Überraschungsverhalten.

Eigenschaft drei: der Refinement Loop, der sich verstärkt

Dies ist die Eigenschaft, die eine Fertigkeit in etwas verwandelt, das mit der Zeit tatsächlich besser wird. Und es ist das, was die meisten Leute überspringen, weil es sich wie Überentwicklung anfühlt, bis man ohne es gelebt hat.

Die Verfeinerungsschleife ist vom Konzept her einfach. Nachdem der Skill eine Ausgabe erzeugt hat, bewertet er sich selbst anhand der Erfolgskriterien, die Sie in SKILL.md definiert haben. Wenn die Note unter dem Schwellenwert liegt, werden Sie nach der spezifischen Korrektur gefragt. Die Korrektur wird protokolliert. In regelmäßigen Abständen – wöchentlich ist es das, was ich ausführe – liest der Skill sein eigenes Korrekturprotokoll und schreibt die relevanten Abschnitte seines SKILL.md neu, um die Lektion zu kodieren.

In der Praxis handelt es sich bei meiner Version um einen refine-Skill, den ich explizit am Freitagnachmittag auslöse. Es liest die Korrekturen aus dem Sitzungsspeicher der letzten Woche, gruppiert sie nach der Fähigkeit, auf die sie angewendet wurden, und schlägt einen Unterschied für jeden betroffenen SKILL.md vor. Ich überprüfe die Unterschiede. Ich akzeptiere diejenigen, die meinen eigentlichen Wünschen entsprechen. Die Fähigkeit schreibt sich neu. Am nächsten Montag kommt der Skill herein und erinnert sich an die Korrektur.

Dies ist der Teil des Systems, in dem die Aufzinsung auftritt. Nach drei Wochen der Verfeinerung öffnete mein LinkedIn-Post-Skill nicht mehr jeden Beitrag mit einer Frage. Nach zwei Wochen hörten meine SEO-Audit-Fähigkeiten auf, den Bericht mit zusammenfassenden Abschnitten zu füllen, die ich nie gelesen hatte. Nach einer Woche hat mein meeting-summary-Skill aufgehört, Aktionselemente ganz oben zu platzieren, weil ich ihm gesagt habe, dass ich sie zuletzt lese und sie zuletzt haben möchte. Bei keiner dieser Änderungen musste ich den SKILL.md direkt berühren. Ich habe die Korrektur einmal im Gespräch gegeben. Die Abschlussfähigkeit hat es eingefangen. Die Fertigkeit „Verfeinern“ hat es kodiert. Der Skill verhielt sich in der nächsten Sitzung anders.

Das ist es, was Roberts meint, wenn er von „Super Skills Compound“ spricht. Der statische Skill ist an Tag 1 und Tag 90 derselbe. Der Super-Skill an Tag 90 ist deutlich besser als derselbe Skill an Tag 1 – nicht weil das Modell intelligenter geworden ist, sondern weil der Skill drei Monate Ihrer Korrekturen aufgefressen hat.

Wenn Sie dieses Muster ohne die Speicherschicht in Aktion sehen möchten, durchläuft mein älterer Bericht über sich selbst verbessernde Claude Code-Systeme eine kleinere Version derselben Schleife. Das Memory OS verwandelt es von einem Single-Skill-Trick in eine Systemeigenschaft.

Was ich beim ersten Build falsch gemacht habe

Nach drei Tagen musste ich das meiste abreißen und neu starten. Es lohnt sich, die Fehler zu kennzeichnen, falls Sie auf dieselben Probleme stoßen.

Fehler eins: Ich habe den Zusammenfassungs-Skill zu intelligent gemacht. Die erste Version versuchte, in einem einzigen Durchgang zusammenzufassen, Korrekturen zu extrahieren, das Profil zu aktualisieren und das Dashboard zu aktualisieren. Es dauerte 4 Minuten pro Sitzungsende und in den Zusammenfassungen fehlten immer wieder Dinge, weil das Model mit vier Jobs jonglierte. Ich habe es in drei kleinere Fähigkeiten unterteilt: wrap (nur das Konversationsarchiv), extract-corrections (nur der Korrektur-Pull), update-profile (nur der Profilunterschied). Jeder läuft in 30-50 Sekunden. Keiner von ihnen lässt Informationen fallen.

Fehler zwei: Ich habe alles in die Wissensdatenbank geladen. Die ersten beiden Tage habe ich Chat-Notizen, halbfertige Entwürfe und zufällige Slack-Snippets indiziert. Bei der Bergung der Tannenzapfen kam es zu Lärm, weil die Einbettungen mit minderwertigem Material verunreinigt waren. Ich habe es am dritten Tag bereinigt und jetzt gibt es eine strenge Regel: Nichts gelangt in die Wissensdatenbank, es sei denn, es ist etwas, mit dem ich einen Fremden verknüpfen würde. Die Abrufqualität stieg sofort an.

Fehler drei: Ich habe versucht, die Verfeinerungsschleife zu überspringen, weil „ich den SKILL.md einfach direkt bearbeite, wenn ich Probleme bemerke.“ Ich habe mir das gesagt und bin dann dazu übergegangen, einen SKILL.md eine ganze Woche lang nie direkt zu bearbeiten, weil ich jedes Mal, wenn ich ein Problem bemerkte, mitten in der Aufgabe war und nicht in der Stimmung war, durch Kontextwechsel in die Bearbeitung von Eingabeaufforderungsdateien zu wechseln. Die Fertigkeit „Verfeinern“ funktioniert, weil sie die Bearbeitung in einer einzigen Freitagssitzung zusammenfasst. Ohne diesen Batch-Mechanismus werden die Fähigkeiten nicht besser. Sie sammeln nur Beschwerden.

Fehler vier: Ich habe die Profildrift unterschätzt. Die Profildatei veraltet schnell, wenn Sie sie nicht aktualisieren. Nach einer Woche ohne Update begann das Modell, mir Ratschläge für das Projekt der letzten Woche statt für das dieser Woche zu geben. Ich habe jetzt eine Automatisierung, die mich mit einer Benachrichtigung benachrichtigt, wenn das Profil 48 Stunden lang nicht berührt wurde. Ohne den Anstoß verfällt das gesamte System langsam wieder in den Bereich der statischen Fähigkeiten.

Wenn Sie möchten, dass jemand ein solches System für Ihr Team von Grund auf baut, anstatt es selbst zu bauen, übernehme ich Claude Code-Aufträge über meinen Fiverr. Fähigkeiten, Speicherbetriebssystem, Pinecone-Verkabelung, die Verfeinerungsschleife – derselbe Stack, den ich für meine eigene Arbeit ausführe, konfiguriert für Ihre.

Was Roberts’ Kurs ergänzt, was Selbstlernen verpasst

Kurzer Kontext, woher das alles kommt. Roberts führt einen Claude Code-Kurs durch, der von den Grundlagen bis zur Monetarisierung reicht, und der Abschnitt über Superkompetenzen liegt ungefähr in der Mitte. Ich habe nicht den gesamten Kurs belegt. Ich habe den Super-Skills-Rahmen aus seinem öffentlichen Video übernommen und ihn von dort aus neu aufgebaut. Was ich ganz ehrlich sagen würde: Der Rahmen ist der wertvolle Teil. Sobald Sie über die drei genannten Eigenschaften (Speicher, Tools, Selbstverbesserung) und die Memory OS-Architektur (Sitzung, Wissensdatenbank, Profil) verfügen, ist der Rest nur noch eine Frage der Arbeit.

If you are the kind of builder who likes a guided sequence with feedback loops baked in, a paid course is going to save you the four days I spent thrashing on the wrap-up skill design. Wenn Sie lieber ein Build-Protokoll lesen, sich mit dem Rahmen vertraut machen und die Implementierung selbst durcharbeiten möchten, ist dieser Beitrag genau das Richtige für Sie.

Jeder Weg führt Sie dorthin. Es geht darum, mit dem Ausführen von 47 Utility-Skills, die alle vergessen, dass man zwischen Montag existiert, aufzuhören.

Der eine Schritt, der alles verändert hat

Wenn Sie genau eines aus diesem Beitrag mitnehmen, dann nehmen Sie Folgendes:

Bauen Sie zunächst die Abschlussfähigkeit auf. Vor der Pinecone-Integration. Vor der Firecrawl-Verkabelung. Vor dem Armaturenbrett. Bevor Sie eine einzelne vorhandene Fertigkeit neu schreiben.

Die Abschlussfähigkeit ist die günstigste Sache auf dieser Liste und sie ist auch die Grundlage, auf der alles andere ruht. Ohne sie fließen Ihre Sitzungen in nichts ein. Ihre Korrekturen verflüchtigen sich. Ihr Profil wird veraltet. Die Verfeinerungsschleife hat nichts zu verfeinern. Das Speicherbetriebssystem verfügt über Sitzungsspeicher, da dieser vom Wrap-up-Skill geschrieben wird.

Es sind 50 Zeilen SKILL.md. Es läuft auf /wrap. Es schreibt eine Markdown-Datei pro Sitzung in einen Ordner. Das ist der gesamte MVP. Baue das diese Woche. Lassen Sie es zwei Wochen lang laufen. Anschließend die Profildatei einschichten. Fügen Sie dann die Wissensdatenbank hinzu. Dann in der Verfeinerungsschleife schichten. Jede Schicht wird möglich, weil die vorherige Schicht sie nährt.

Das Problem der 47 Fertigkeiten, die vergessen, dass sie existieren, wird nicht durch das Schreiben von Fertigkeit Nr. 48 gelöst. Dies lässt sich dadurch lösen, dass Sie die Fähigkeiten, über die Sie bereits verfügen, am Montag auf Dienstag übertragen.

Das ist der Unterschied zwischen einem Utility- und einem Super-Skill. Und es beginnt mit einer Abschlussdatei, die Sie heute schreiben.

Häufig gestellte Fragen

Wo befinden sich Claude Code-Fähigkeiten auf meinem Computer?

Claude Code-Fähigkeiten befinden sich an zwei Standorten: ~/.claude/skills/ für persönliche Fähigkeiten, die in jedem Projekt verfügbar sind, und .claude/skills/ in einem Repo für projektbezogene Fähigkeiten, die Git gewidmet sind. Bei jedem Skill handelt es sich um einen Ordner, der eine SKILL.md-Datei mit YAML-Frontmatter- und Markdown-Anweisungen enthält. Der Claude Code-Kabelbaum lädt sie bei Bedarf automatisch.

Was unterscheidet einen Super-Skill von einem regulären Claude-Skill?

Ein Super-Skill hat drei Eigenschaften, die einem normalen Skill fehlen: einen indizierten Speicher, den er sitzungsübergreifend abrufen kann, die Fähigkeit, pro Aufgabe die richtigen Tools und Datenquellen einzubinden, und eine Selbstverbesserungsschleife, die seine eigene Ausgabe bewertet und seine eigenen Anweisungen im Laufe der Zeit verfeinert. Bei regulären Fertigkeiten handelt es sich um statische Abschläge, die an Tag 1 und Tag 90 die gleiche Leistung erbringen.

Benötige ich Pinecone oder kann ich Obsidian für die Wissensdatenbank verwenden?

Obsidian funktioniert gut für Wissensdatenbanken mit weniger als etwa 200 langen Markdown-Dateien. Darüber hinaus spart Pinecone Serverless erhebliche Token-Kosten, da es nach Rang sortierte Blöcke zurückgibt, anstatt ganze Dateien zu laden. Pinecone Starter ist für kleine Arbeitslasten kostenlos; Der Standardpreis beträgt 50 /month für den Produktionsgebrauch. Einzelheiten zum Pinecone-Setup finden Sie in meinem unbegrenzten AI-Speicherbericht.

Wie viel kostet Firecrawl für einen persönlichen Claude Code-Workflow?

Firecrawl Hobby kostet 16/month für 3.000 Credits und reicht für einen persönlichen Arbeitsablauf mit ein paar täglichen Web-Recherchefähigkeiten. Der Standardwert beträgt 83/month für 100.000 Credits. Standard-Scraping kostet 1 Credit pro Seite, Suche 1 Credit pro Ergebnis, JSON-Extraktion fügt 4 Credits pro Seite hinzu.

Welches ist die wichtigste Superskill-Komponente, die Sie zuerst erstellen müssen?

Die Abschlussfähigkeit. Es wird am Ende jeder Sitzung ausgeführt, archiviert die Konversation, extrahiert Ihre Korrekturen und aktualisiert die Profildatei. Ohne sie verfügt kein anderer Teil des Memory OS über Daten, mit denen er arbeiten kann. Bauen Sie es vor Pinecone, Firecrawl oder der Verfeinerungsschleife.

Lassen Sie uns zusammenarbeiten

Möchten Sie AI-Systeme aufbauen, Arbeitsabläufe automatisieren oder Ihre technische Infrastruktur skalieren? Ich würde gerne helfen.

• Fiverr (benutzerdefinierte Builds und Integrationen): fiverr.com/s/EgxYmWD
• Portfolio: mejba.me
• Ramlit Limited (Unternehmenslösungen): ramlit.com
• ColorPark (Design & Branding): colorpark.io
• xCyberSecurity (Sicherheitsdienste): xcybersecurity.io