Der ultimative Leitfaden für Agent Skills: So erstellen Sie Ihre erste Skill

Jeder, der mit KI arbeitet, kennt dieses Problem:

Du bringst ihr etwas bei, startest am nächsten Tag ein neues Gespräch, und alles ist wieder auf Null.

Du feilst drei Tage lang an einem Workflow, diskutierst hin und her mit Claude, um alles richtig hinzubekommen, nur um am nächsten Tag alles wieder von vorne erklären zu müssen.

Du speicherst Prompts in deinen Notizen und fügst sie jedes Mal ein, aber das tägliche Einfügen einer 500-Wörter-Anleitung für einen Monat lässt dich fragen: Sollte KI wirklich so verwendet werden?

Skill wurde genau entwickelt, um dieses Problem zu lösen.

Es wurde von Anthropic im Oktober 2025 veröffentlicht und im Dezember zu einem offenen Standard.

Heute schreit das ganze Internet "Skills verändern die Produktivität", aber die meisten haben nur davon gehört, ohne den Unterschied zwischen Skills, Prompts, Wissensdatenbanken, MCP und Agenten wirklich zu verstehen – geschweige denn, selbst einen zu bauen.

Dieser Artikel erklärt alles auf einmal.

Verstehe zuerst eines: Skills sind an keine bestimmte KI gebunden.

Viele Leute hören "Claude Skills" und denken, es sei eine Claude-exklusive Funktion, ist es aber nicht. Agent Skills ist ein offener Standard von Anthropic; Claude ist lediglich der führende Implementierer.

Derselbe Skill-Ordner kann in ~/.claude/skills/ für Claude Code, ~/.cursor/skills/ für Cursor oder mit OpenAI Codex, Gemini CLI, VS Code Copilot und JetBrains Junie verwendet werden.

Der Skill, den du heute schreibst, kann nahtlos zu einem anderen Agenten von morgen verschoben werden; deine Investition ist nicht an ein Unternehmen gebunden.

Dieser Artikel verwendet hauptsächlich Claude Code als Beispiel (da es der Standardsetzer mit dem vollständigsten Ökosystem ist), aber alle Prinzipien, Schreibmethoden und Problemlösungserfahrungen gelten für alle KI-Tools, die Agent Skills unterstützen.

Wenn du "Claude Skill" siehst, denke "Agent Skill".

1. Was genau ist ein Skill?

Definition in einem Satz:

Ein Skill ist ein Ordner, der sich um eine Markdown-Datei namens SKILL.md dreht und einer KI sagt, wie sie eine bestimmte Art von professioneller Arbeit gemäß einer von dir definierten SOP stabil ausführen soll.

Er kapselt "wie eine bestimmte Art von Aufgabe erledigt werden sollte" in ein wiederverwendbares, automatisch auslösbares Fähigkeitsmodul.

Im Wesentlichen ist es eine "Erweiterung" für allgemeine KI.

Allgemeine KI ist wie eine nackte Maschine – intelligent, aber ohne Fachwissen. Ein Skill ist ein Plug-and-Play-Modul: Installiere einen "Xiaohongshu-Stil Skill", und die KI wird sofort zu einem Redakteur, der deine Marke versteht; installiere einen "Wochenbericht Skill", und die KI generiert sofort Berichte in deinem Firmenformat.

Und diese "Erweiterung" ist nicht wählerisch, was die KI betrifft: Claude Code, Codex, Cursor, Gemini CLI und Junie erkennen alle das gleiche Format.

Du erstellst einen Agent Skill, kein Claude-exklusives Skript.

Abgrenzung zu vier anderen Konzepten:

Viele Leute verwechseln Skills mit Prompts, Wissensdatenbanken, MCP und Agenten, aber sie sind unterschiedlich:

Gängige Analogien:

• Prompt = Eine Nachricht an einen Mitarbeiter senden; er vergisst sie, sobald sie erledigt ist.
• Skill = Ein Handbuch für den Mitarbeiter schreiben und es auf seinen Schreibtisch legen, zusammen mit einem Werkzeugkasten.
• Wissensdatenbank = Eine Bibliothek, die dir sagt, was es auf der Welt gibt.
• MCP = Verschiedene Küchenutensilien, die das Problem lösen, "ob es machbar ist".
• Agent = Das gesamte Mitarbeitersystem mit Gedächtnis und Entscheidungsfindung; ein Skill ist nur ein Teil davon.

Diese vier schließen sich nicht gegenseitig aus.

In der Praxis werden sie oft kombiniert: MCP lässt Claude sich mit Reddit verbinden, um Daten zu scrapen, ein Skill lehrt ihn, wie man diese Daten filtert/klassifiziert/empfiehlt, eine Wissensdatenbank liefert Markenmaterial, und der Agent ist das gesamte System, das den Prozess ausführt.

2. Architektur und Funktionsweise

Dateistruktur

Jedes Unterverzeichnis löst ein anderes Problem, dient aber dem gleichen Ziel – Kontext zu sparen und die Qualität zu stabilisieren:

• scripts/: Genaue Berechnungen, ohne Kontext zu verbrauchen.
• references/: Bei Bedarf geladen, um Platz zu sparen.
• assets/: Standardisiert Ausgabeformate.

Dreischichtiges progressives Laden – Die Seele des Skill-Designs

Der Kernmechanismus eines Skills ist das dreischichtige Laden, weshalb ein Dutzend Skills koexistieren können, ohne den Kontext zu sprengen:

Zum Beispiel:

Wenn Claude startet, blättert er nur durch die "Cover" aller Skills, um zu entscheiden, welchen er verwenden soll; erst wenn es an die Arbeit geht, öffnet er den Haupttext; und nur wenn er einen Anhang überprüfen muss, blättert er zu den Referenzen.

Dieser Mechanismus ermöglicht es dir, 17 Skills gleichzeitig aktiv zu haben, ohne das 200K-Kontextfenster zu verstopfen.

YAML-Metadaten

Feldbeschreibungen:

Beschreibung entscheidet über Erfolg oder Misserfolg

In der dreischichtigen Architektur ist die L1-Beschreibung am wichtigsten – sie bestimmt, ob dein Skill ausgelöst wird.

Wichtige Fakten:

1. Claude liest nur die Beschreibungen aller Skills beim Start.
2. Er trifft semantische Entscheidungen basierend auf der Beschreibung, nicht auf Schlüsselwortübereinstimmung.
3. Claude neigt zur Zurückhaltung: Wenn er sich nicht sicher ist, löst er nicht aus. In Tests hatten vage Beschreibungen nur eine Auslösegenauigkeit von 55 %.

Negativbeispiel (wird nie ausgelöst):

[Vage Beschreibung]

Positivbeispiel (Anthropics empfohlener "aufdringlicher" Stil):

[Spezifische Beschreibung]

Drei goldene Regeln zum Schreiben von Beschreibungen:

1. Schreibe WAS + WANN zusammen: Sage, was es tut und wann es verwendet werden soll.
2. Liste Triggerwörter auf Deutsch und Englisch auf: Passe auf, was auch immer der Benutzer sagt.
3. Sei lieber aufdringlich als zurückhaltend: Anthropic stellt klar, dass das Hauptproblem die zu geringe Auslösung ist.

3. Kernprinzipien für das Schreiben guter Skills

Drei Hauptprinzipien

Wie man mit Freiheit umgeht:

Fünf Designmuster

Anthropic hat aus frühen Nutzern fünf Skill-Designmuster zusammengefasst:

Nützliche Skills mischen oft mehrere Muster. Du musst sie nicht strikt befolgen, aber zu wissen, dass es sie gibt, hilft dir, strukturierter zu entwerfen.

Goldene Regel: Verwende "Warum" anstelle von "Muss"

Dies ist ein Zitat aus dem Quellcode von skill-creator (Anthropics offizieller Meta-Skill zur Erstellung von Skills):

"Versuche, dem Modell zu erklären, warum Dinge wichtig sind, anstelle von schwerfälligen, gebieterischen MÜSSEN."

Negativbeispiel:

[Strenge MUSS-Regeln]

Positivbeispiel:

[Erklärung des Grundes]

Im ersten Fall wird Claude nur diese beiden Regeln befolgen. In Situationen, die nicht von den Regeln abgedeckt werden (wie ein scheinbar sicheres, aber riskantes Kommando), kommt er nicht weiter. Im zweiten Fall versteht Claude, "warum Sicherheit wichtig ist", und wird auch in Grauzonen zur Vorsicht neigen.

Gründe ermöglichen es dem Modell, zu verallgemeinern; Regeln decken nur Szenarien ab, die du dir vorstellen kannst. Die einzige Ausnahme ist das Ausgabeformat: Mechanische Anforderungen wie "die Ausgabe muss diese Vorlage verwenden" haben kein "Warum", das erklärt werden müsste, also kodiere sie einfach fest.

Informationsbesitz: Wiederhole dich nicht

skill-creator hat auch eine eiserne Regel:

"Informationen sollten entweder in SKILL.md oder in references/ vorhanden sein – nicht in beiden."

SKILL.md sollte nur grundlegende Verfahren enthalten; verschiebe Details in references/. Doppelte Speicherung führt zu Inkonsistenzen, wenn du eine Stelle aktualisierst, aber die andere vergisst.

Zu vermeidende Dateien

Skills sind für KI, nicht für Menschen. Füge keine README.md, INSTALLATION_GUIDE.md, QUICK_REFERENCE.md oder CHANGELOG.md hinzu. Diese menschlichen Dokumente verschwenden nur Kontext.

4. Deinen ersten Skill erstellen

Anthropics offizielle sechs Schritte

Der Standardprozess, der in skill-creator definiert ist:

1. Absicht erfassen: Klären, was zu tun ist / wann ausgelöst werden soll / Ausgabeformat / Testanforderungen.
2. Interview & Recherche: Randfälle / Ein-/Ausgabeformate / Beispieldateien / Abhängigkeiten.
3. SKILL.md schreiben: Den Entwurf schreiben.
4. Testfälle: 2-3 echte Testfälle schreiben.
5. Ausführen & Bewerten: Mit-Skill und Baseline (ohne Skill) nebeneinander für einen Benchmark ausführen.
6. Iterieren: Basierend auf Feedback modifizieren und erneut ausführen, bis zufriedenstellend.

Vier schnelle Wege für normale Benutzer

skill-creator: Der Meta-Skill zum Schreiben von Skills

Ich empfehle dringend, zuerst Anthropics offiziellen skill-creator zu installieren. Es ist ein Skill, der dir hilft, Skills zu erstellen. Nach dem Start wird Claude dich interviewen – nach deinem Workflow, Auslösebedingungen und Grenzen fragen – und dann automatisch die SKILL.md und Ordnerstruktur generieren.

Installationsbefehl:

[Befehl]

Er produziert nicht nur eine Ausgabe; er hilft dir auch:

• Eval: Automatisch Testfälle generieren, um zu überprüfen, ob der Skill korrekt auslöst.
• Verbessern: Automatisch Beschreibungen und Anweisungen basierend auf Testergebnissen optimieren, mit einer 60/40-Trainings-/Testaufteilung, um Überanpassung zu vermeiden.
• Benchmark: Erfolgsquoten und Token-Nutzung verfolgen, sogar A/B-Tests zwischen zwei Versionen durchführen.

Ein minimalistisches Beispiel

Angenommen, du bist ein Xiaohongshu-Food-Blogger, der normale Rezepte in den Xiaohongshu-Stil umschreiben möchte:

Lege es in ~/.claude/skills/xiaohongshu-recipe/SKILL.md ab. Wenn du in Zukunft sagst "in Xiaohongshu-Version konvertieren", wird es automatisch ausgelöst.

Vom Erstellen der Datei bis zur Verwendung dauert es weniger als 20 Minuten.

5. Installation, Speicherung und toolübergreifende Nutzung

Ladepriorität (4 Ebenen)

Claude Code sucht in der folgenden Reihenfolge; spezifischere Orte haben höhere Priorität:

Tipp: Sofern nicht projektspezifisch, bewahre sie im persönlichen Verzeichnis ~/.claude/skills/ für eine einheitliche Verwaltung auf.

Drei Installationsmethoden:

Denke daran, Claude Code nach der Installation neu zu starten.

Toolübergreifende Kompatibilität (nochmals betont)

Wie erwähnt, sind Skills nicht an Claude gebunden. Hier sind die Pfadvergleiche:

Praktische Bedeutung: Du kannst denselben SKILL.md-Ordner mit verschiedenen Tool-Verzeichnissen verknüpfen. Dies ist der größte Vorteil von Agent Skills als offenem Standard.

Schwachstellen für deutsche Nutzer

• Offizielles Claude ist teuer: Verwende Proxy-APIs für ein besseres Preis-Leistungs-Verhältnis.
• CC Switch: Ein Open-Source-Tool zur Verwaltung und zum Wechseln mehrerer API-Konfigurationen (github.com/farion1231/cc-switch).
• Native Installation ist stabiler als npm: curl -fsSL https://claude.ai/install.sh | bash.

6. Fortgeschritten – Multi-Skill-Kollaborationsarchitektur

Granularität

Kernprinzip: Eine klare Aufgabe pro Skill. Erstelle keinen "Universalskill".

Wenn die Granularität zu grob ist, wird die Beschreibung unklar und die Auslösung ungenau. Ist sie zu fein, steigen die Verwaltungskosten. Eine angemessene Granularität ist ein Skill pro Problemkategorie, mit einem SKILL.md-Hauptteil von etwa 200-500 Zeilen.

Fallstudie: Blog-Schreib-Skill-Suite

Erstelle keinen "All-in-One-Schreibskill". Teile ihn in 5 zusammenarbeitende Skills auf:

Kollaborationsmodus: Der Hauptskill ruft andere Skills explizit im Abschnitt ## Steps auf.

Vorteile dieser Aufteilung:

Fünf technische Erfahrungen

1. Feine Granularität: Eine klare Aufgabe pro Skill.
2. Explizite Zusammenarbeit: Verwende ## Steps im Hauptskill, um andere aufzurufen.
3. Skripte für Berechnungen: Verwende Skripte für SEO-Zeichenzahlen oder Link-Statistiken; lass das Modell nicht schätzen.
4. Unabhängige Styleguides: Lege stabiles Wissen (Schreibstil/Markenangaben) in references/ ab, sodass du nur eine Datei ändern musst, um den Stil zu aktualisieren.
5. Vorlagen-Fallback: Vorlagen bieten eine Baseline-Garantie, damit die Ausgabe nicht zu weit daneben liegt.

7. Professionelle Bewertung und Iteration

Eval-System:

Der Standardprozess von skill-creator:

1. Schreibe Test-Prompts in evals/evals.json.
2. Führe with_skill und baseline (ohne Skill) gleichzeitig für einen Doppelblindvergleich aus.
3. Bewerte jede Behauptung mit agents/grader.md.
4. Verwende aggregate_benchmark, um einen Bericht über pass_rate / time / tokens auszugeben.

Automatische Beschreibungsoptimierung

Der wertvollste Teil von skill-creator ist die Beschreibungsoptimierung:

• Schreibe 20 Trigger-Eval-Abfragen (8-10 sollten auslösen + 8-10 sollten nicht).
• Schwierigkeit: "Beinahe-Treffer" für Nicht-Trigger – Abfragen, die Schlüsselwörter teilen, aber andere Tools benötigen.
• Optimierungsskript: 60 % Training + 40 % zurückgehaltener Test, um Überanpassung zu vermeiden.
• Führe 5 Runden durch und wähle die Beschreibung mit der höchsten Testpunktzahl aus.

Gute Beispiele für Trigger: Schreibe nicht nur "PDF-Tabelle extrahieren"; schreibe wie ein echter Benutzer:

"okay, mein Chef hat mir gerade diese xlsx-Datei geschickt (sie ist in meinen Downloads, heißt so etwas wie 'Q4 sales final ENDGÜLTIG v2.xlsx') und sie möchte, dass ich eine Spalte hinzufüge, die die Gewinnspanne als Prozentsatz anzeigt."

Dies beinhaltet Dateipfade, persönlichen Kontext, Spaltennamen, lockere Sprache und potenzielle Tippfehler.

Iterations-Denkweise

Vier Punkte von skill-creator:

1. Verallgemeinere aus Feedback: Füge keine kleinkarierten Regeln für einen Einzelfall hinzu. Wenn ein Problem wiederholt auftritt, versuche eine andere Metapher oder einen anderen Workflow.
2. Halte es schlank: Überprüfe Transkripte auf zeitraubende Anweisungen und lösche Teile, die nicht helfen.
3. Erkläre das Warum: LLMs haben eine Theory of Mind und können verallgemeinern.
4. Finde redundante Arbeit: Wenn jeder Sub-Agent unabhängig create_docx.py schreibt, bündle es in scripts/.

Die erste Version ist nie perfekt.

Ein realer Iterationsfall: Ein /daily-Skill eines Autors brauchte 6 Versionen, um stabil zu werden.

• v1: Unklare Schritte, falsche Pfade.
• v2: Integration eines Content-Discovery-Systems hinzugefügt.
• v3: Fehler bei der wöchentlichen Fortschrittsberechnung behoben.
• v4: Automatische Auslöser hinzugefügt (Dienstag-Erinnerungen, Monatsende-Archivierung).
• v5: iPhone-Light-Mode hinzugefügt (Überspringen von Python-Schritten auf dem Handy).
• v6: Endlich "gut zu verwenden".

Ein Skill ist keine einmal eingerichtete Konfigurationsdatei; es ist ein lebendiges Dokument deines Workflows.

8. Wann solltest du einen Skill erstellen?

Nicht alles ist einen Skill wert. Handle nur, wenn eines dieser drei Signale auftritt:

Umgekehrt: Wann man KEINEN erstellen sollte

• Einmalige Aufgaben: Verwende einfach einen Prompt.
• Überkapselung: Skills nach nur drei Benutzungen aufteilen; Wartungskosten überwiegen den Nutzen.
• Perfektionismus: Versuchen, v1 perfekt zu machen; du wirst feststellen, dass die Anforderungen imaginär waren, sobald du es tatsächlich verwendest.

9. Fallstrick-Checkliste

10. Ökosystem und Must-Have-Liste

Skill-Ressourcenkarte

Must-Have-Skill-Liste

11. Kommerzielles Potenzial von Skills

Skills sind mehr als persönliche Effizienztools; sie definieren neu, wie KI-Anwendungen produziert werden.

In der Vergangenheit erforderte die Entwicklung einer vertikalen KI-App lange Zyklen, hohe Kosten und technische Teams. Jetzt:

• Null-Code-Schwelle: Baue vertikale Agenten ohne Programmierung.
• Schnelle Validierung: Entwicklungszyklen von Wochen auf Minuten verkürzt.
• API-Dienst: Verpacke einen Skill als API, um bestehende Produkte zu erweitern.
• Skills als Produkte: Ähnlich wie der Verkauf von Prompt-Sammlungen, aber mit höherem Wert.

Reale Fälle:

• Article-Copilot: Ein einziger Skill für die gesamte Kette von der Materialbereinigung bis zum Schreiben.
• AI-Partner-Skill: Gibt allgemeinen Agenten ein tiefes Gedächtnis, um echte Begleiter zu werden.
• Interview-Vorbereitungs-Skill: Generiert vollständige Berichte basierend auf Unternehmen/Job/Lebenslauf. Jemand nutzte dies, um ein Vorstellungsgespräch bei Hithink RoyalFlush zu bekommen.
• Super Huangs Methode: Dutzende von Skills + Cron-Jobs, die stündliche Berichte ausführen, während er schläft.

Jeder, der tief in einer Branche steckt, kann seine Erfahrung in einem Skill destillieren, um Zeit zu sparen oder als Produkt zu verkaufen.

Fazit

Wenn ein Agent der Körper der KI-Welt ist, dann ist ein Skill die Seele, die in ihn eingespritzt wird.

Es ist wie die Beziehung zwischen Steam und dem Workshop; eine erweiterbare Architektur verleiht Spielen unendliches Leben.

Skills sind nicht schwer – es ist nur Markdown mit etwas Struktur. Aber der Trend, den sie repräsentieren, ist entscheidend: KI bewegt sich von "du musst ihr jedes Mal alles beibringen" zu "du bringst ihr nur einmal etwas bei".

Und der Standard ist offen. Der Skill, den du heute für Claude Code schreibst, kann morgen zu Cursor oder Gemini verschoben werden.

An die, die noch zuschauen:

Skills werden nicht entworfen; sie wachsen aus wiederholter Arbeit heraus.

Führe zuerst eine Sache aus, kapsle sie dann ein. Gute Workflows werden iteriert, nicht geplant.

Öffne dein Terminal, installiere skill-creator und verwandle den Absatz, den du heute dreimal wiederholt hast, in dein erstes SKILL.md.