Wie du eine sich wiederholende Aufgabe in eine wiederverwendbare Skill für deinen KI-Coding-Agenten verwandelst

Wenn du ständig dieselbe Checkliste in deinen KI-Coding-Agenten einfügst — "schreibe einen Conventional Commit, dann führe die Tests aus, dann aktualisiere das Changelog" — erledigst du Arbeit, die sich der Agent für dich merken könnte. Die meisten modernen Agenten erlauben es dir, eine wiederkehrende Vorgehensweise in eine kleine, wiederverwendbare Datei zu packen. In Claude Code heißen diese Skills; dieselbe Datei treibt auch Slash-Befehle wie /deploy an. Diese Anleitung führt durch das Erstellen einer Skill von Grund auf und erklärt dann die Prinzipien, die sich auf andere Tools übertragen lassen.

Was eine Skill ist

Eine Skill ist ein Ordner mit einer einzigen SKILL.md-Datei darin. Diese Datei hat zwei Teile: ein YAML-Frontmatter, das dem Agenten sagt, wann die Skill zu verwenden ist, und einen Markdown-Body mit den Anweisungen, denen er folgt, wenn die Skill ausgeführt wird. Der entscheidende Vorteil gegenüber dem Hineinstopfen von allem in eine CLAUDE.md- (oder AGENTS.md-) Datei ist progressive disclosure: Der Body wird nur geladen, wenn die Skill tatsächlich aufgerufen wird, sodass langes Referenzmaterial fast nichts kostet, bis du es brauchst.

Du rufst eine Skill auf zwei Arten auf: direkt, indem du /skill-name eingibst, oder automatisch — der Agent liest deine Anfrage, gleicht sie mit der description der Skill ab und lädt sie, wenn sie relevant ist.

Wo Skills leben

Wo du den Ordner ablegst, entscheidet, wer ihn nutzen kann. In Claude Code, laut der offiziellen Dokumentation:

• ~/.claude/skills/<name>/SKILL.md — persönlich, in all deinen Projekten verfügbar.
• .claude/skills/<name>/SKILL.md — projektbezogen, in das Repo eingecheckt, sodass alle im Team denselben Befehl bekommen.

Der Ordnername wird zum Befehl. Ein Ordner namens summarize-changes gibt dir /summarize-changes.

Ein konkretes Beispiel

Bauen wir eine Skill, die deine nicht committeten Änderungen zusammenfasst und alles Riskante markiert, bevor du committest. Erstelle das Verzeichnis:

mkdir -p ~/.claude/skills/summarize-changes

Speichere dann dies als ~/.claude/skills/summarize-changes/SKILL.md:

---
description: Summarizes uncommitted changes and flags anything risky. Use when the user asks what changed, wants a commit message, or asks to review their diff.
---

## Current changes

!`git diff HEAD`

## Instructions

Summarize the changes above in two or three bullet points, then list any
risks you notice such as missing error handling, hardcoded values, or tests
that need updating. If the diff is empty, say there are no uncommitted changes.

Zwei Dinge machen das funktionsfähig. Erstens ist die description für den Agenten geschrieben, nicht für dich — sie benennt die Auslöser ("what changed", "wants a commit message", "review their diff"), damit der Agent weiß, wann er auf sie zurückgreifen soll. Zweitens ist die Zeile !`git diff HEAD` eine dynamische Kontext-Injektion: Claude Code führt diesen Befehl aus und fügt seine Ausgabe in den Prompt ein, bevor der Agent die Skill liest. Die Anweisungen kommen mit deinem tatsächlichen Diff bereits eingebettet an, sodass die Antwort in deinem realen Arbeitsbaum verankert ist statt in Vermutungen.

Mache eine kleine Änderung an einer beliebigen Datei, starte deinen Agenten und probiere beide Wege aus — frage "was habe ich geändert?", um sie automatisch auszulösen, oder tippe /summarize-changes, um sie direkt auszuführen.

Argumente übergeben

Skills können Eingaben entgegennehmen. Ein $ARGUMENTS-Platzhalter im Body wird durch das ersetzt, was du nach dem Befehl eintippst, und indizierte Varianten ($0, $1) greifen bestimmte Wörter heraus. Eine Skill, die als /fix-issue 4821 aufgerufen wird, kann die Issue-Nummer direkt referenzieren, sodass eine Datei jedes Issue abdeckt statt eine pro Ticket.

Fünf Prinzipien für Skills, die Bestand haben

Diese gelten, egal ob du eine Claude-Code-Skill, einen Cursor-Befehl schreibst oder — seit OpenAIs Record-&-Replay-Funktion vom Juni 2026 — eine Automatisierung bearbeitest, die der Agent für dich aufgezeichnet hat:

1. Schreibe die Beschreibung für das Modell. Stelle konkrete Auslöser-Phrasen nach vorne. Eine vage Beschreibung bedeutet, dass der Agent die Skill nie automatisch lädt, und du bist wieder dabei, / zu tippen und dir Namen zu merken.
2. Beschränke jede Skill auf eine Aufgabe. Eine Skill, die deployt und Migrationen ausführt und in Slack postet, ist schwer zu vertrauen und noch schwerer zu debuggen. Kleine, zweckgebundene Skills lassen sich besser kombinieren.
3. Injiziere Live-Kontext, statt ihn zu beschreiben. Einen echten Diff, ein Testergebnis oder eine Dateiauflistung einzubinden, ist besser, als dem Agenten zu sagen "prüfe den aktuellen Zustand" — es entfernt einen Schritt, bei dem der Agent falsch raten kann.
4. Sichere alles ab, was Nebenwirkungen hat. Bei Skills, die deployen, migrieren oder löschen, verlange einen expliziten Aufruf, statt den Agenten sie automatisch auslösen zu lassen. Du willst einen Menschen im Loop, bevor unumkehrbare Aktionen passieren.
5. Committe Team-Skills ins Repo. Projekt-Skills in .claude/skills/ abzulegen und einzuchecken bedeutet, dass jeder Entwickler — und jeder Agent-Lauf in CI — derselben Vorgehensweise folgt. Deine Konventionen leben nicht länger nur im Kopf einer einzelnen Person.

Wann du zu einer Skill greifen solltest

Die Faustregel: In dem Moment, in dem du dieselben mehrstufigen Anweisungen zum dritten Mal einfügst oder ein Abschnitt deiner CLAUDE.md sich von einer Tatsache in eine Vorgehensweise verwandelt, verschiebe ihn in eine Skill. Du bekommst einen wiederverwendbaren Befehl, deine Kontextdatei bleibt schlank, und die Anweisungen laden nur, wenn sie tatsächlich gebraucht werden — was sowohl dich als auch den Agenten auf die Aufgabe vor dir konzentriert hält.