Melody Cary
OPC-Experte für Positionierung
Du weißt nicht, was du verkaufen kannst oder wie du damit Geld verdienen sollst? Der „Business-Positionierungscoach für Ein-Personen-Unternehmen“ hilft dir mit acht Fragen aus dem Kurs in 10–15 Minuten zu klären: „Wie verdiene ich Geld, warum gerade ich und für wen?“ Du bestimmst deinen Geschäftsquadranten, schärfst den Sweet Spot deiner Stärken, findest deine unternehmerische Superkraft und erhältst schließlich eine einzeilige Business-Positionierungskarte sowie einen vollständigen Bericht. Keine vagen Motivationsratschläge, sondern eine strukturierte Analyse auf Grundlage einer klaren Methodik – ideal für alle, die einen Nebenjob starten möchten, über besondere Fähigkeiten verfügen, aber noch nicht wissen, wie sie diese zu Geld machen können.
砚耕: Grounded-Coding-Mentor
Ein KI-gestützter Mentor für den gesamten Prozess von rohen qualitativen Daten bis zur veröffentlichungsreifen Grounded-Theorie-Arbeit. Basierend auf der systematischen Grounded Theory erkennt der Mentor automatisch Ihre aktuelle Phase und steuert schrittweise die offene/axiale/selektive Kodierung, das Grounded-Theorie-Schreiben, die sechsstufige Verfeinerung und die Senkung der KI-Erkennungsrate. Das Vorgehen ist streng schrittweise (harter Stopp): In jedem Schritt wird nur eine Sache bestätigt und nur eine Arbeitseinheit erledigt – die Forschenden behalten jederzeit die theoretische Entscheidungshoheit. Triggerwörter: Grounded-Kodierung / offene Kodierung / axiale Kodierung / selektive Kodierung / Grounded Theory / qualitative Kodierung / Kernkategorie / Storyline / KI-Erkennung senken.
Roter Partei-PPT-Generator
PPT-Generator im roten Stil des Parteiaufbaus Vollautomatische Engine für die Umwandlung von Inhalten aus der Parteiarbeit in PPTs im Partei-Stil Eingabe: Redetexte / Arbeitsberichte / Lernnotizen / beliebige parteibezogene Texte Ausgabe: Vollständige, lieferbare, professionelle und exzellente PPTs im roten Partei-Stil ↓ ✓ Intelligente Schichtung: Automatische Erkennung von Schwerpunkten, Schwierigkeiten und Highlights → Erzeugung von 6 Standardseiten (Titel, Kapitel, Inhalt, Hinweise, Tabelle, Schlussseite) ✓ Partei-Farbpalette: Dreifarbensystem aus Chinarot, Gold und Cremeweiß, mit über 16 Layout-Optionen ✓ Echtzeit-Bildsuchmaschine: Automatische Suche und Einbettung von echten Beispielbildern zu Parteiaufbau, politischer Bildung, Jugendverband und roten Themen ✓ Szenario-Anpassung: Parteistudium, politische Bildung, Jugendverbandsberichte, Pionierarbeit, politische Auslegung – mit einem Klick wechseln ✓ Batch-Erstellung + automatische Montage: Zu viel Inhalt? Automatische Aufteilung, seitenweise Generierung, nahtlose Zusammenfügung Kopieren Sie den Vortrag → Wählen Sie das Szenario → Bestätigen Sie das Farbschema → Erhalten Sie die PPT In 15 Minuten liefern wir eine PPT, die professionell und auf Unternehmensniveau gestaltet ist.
Lerncoach für Game Design
Professioneller strukturierter Lerncoach für Game Design. Basiert auf einem 5-Phasen-Pfad (Spiele verstehen → Mechaniken und Loops → Papierprototypen und Tests → Systeme, Level und Story → kleines Portfolio-Projekt). Durch Phasendiagnose, Konzepte erklären, Übungen zuweisen, Aufgaben bewerten und Materialien empfehlen, führt es den Nutzer von Null bis zur eigenständigen Erstellung eines spielbaren Prototyps und der Zusammenstellung eines Portfolios. Integriert MDA-Framework, Glossar, autoritative Ressourcen, begleitende Videoliste und Diagnosetools.
ForschungAuto. Lehrpreis-Antragssystem
Lehrpreis-Antrag · Automatisiertes Beratungssystem für den gesamten Prozess 🎯 Adaptive Erkennung der Abdeckungsebenen: Bildungstyp: Allgemeinbildung / Berufsbildung / Hochschulbildung → automatische Anpassung des Antragssystems Preisebene: national / regional / auf Institutionsebene → automatische Erkennung von Wettbewerbsschwierigkeit und Schwerpunkten 📊 Vier Lieferphasen (phasenweise abgeschlossen): Tabelle Phase Ausgabe Kernwert 1. Diagnose und Profilerstellung Intelligenter Fragebogen (7-8 Fragen) + Ergebnisorientierungsbericht Finden Sie die richtige Antragsebene und vermeiden Sie Über- oder Unterbewertung 2. Themenauswahl Matrix für Themenauswahl + 3-5 ähnliche erfolgreiche Fälle Wissen, in welche Richtung geändert werden soll, um am besten gesehen zu werden 3. Titelentwicklung 5-8 alternative Titel (SCPAR-Benennung) Wenn der Titel richtig ist, ist der Antrag zur Hälfte gewonnen 4. Verfassen des Haupttexts Vollständige Version des Antrags mit strenger Einhaltung der Zeichenzahl Wie viele Zeichen für Innovation, Ergebnisse und Verbreitungswert – genau pro Absatz 5. Diagnose und Bewertung Dreidimensionale Innovationsbewertung + Expertenprüfliste Nach eigenen Korrekturen durchgehen, entspricht einer professionellen Überprüfung 🔧 Integrierte standardisierte Toolbibliothek: ✓ SCPAR-Benennungsregel – Unsichtbare Bewertungstabelle für Lehrpreis-Titel ✓ Harte Zeichenzahlprüfung – Automatische Einhaltung eines Bereichs von 5000-12000 Zeichen ✓ Dreidimensionales Innovationsbewertungsmodell – Vollständige Nachbildung der Bewertungslogik der Juroren für Lehrpreise ✓ Vorlagenbibliothek für Titel – Referenzvorlagen für nationale/regionale/institutionelle Ergebnisse ✓ Expertenprüfliste – Selbstüberprüfung des fertigen Antrags Punkt für Punkt 📈 Erwartete Ergebnisse: Erfolgsquote bei Anträgen von zufälligen 30% auf gezielte 70%+ Vorbereitungszeit von 2-3 Monaten auf 2-3 Wochen Höhere Trefferquote beim ersten Einreichen (genauere Themenausrichtung)
AFP Themenwahl-Assistent
Systematisierte Themenauswahl für geistes- und sozialwissenschaftliche Forschungsprojekte 🎯 Adaptives Abdeckungssystem: Tabelle Projekttyp Systemanpassung Schwierigkeitsgrad der Bewilligung Nationaler Sozialwissenschaftsfonds ✅ Kernanwendungsszenario ★★★★★ Planung des Bildungsministeriums für Geistes- und Sozialwissenschaften ✅ Vollständig angepasst ★★★★☆ Nationale Schlüsselprojekte der Bildungswissenschaftsplanung ✅ Vollständig angepasst ★★★★☆ Provinzielle Sozialwissenschaftsplanung ✅ Vollständig angepasst ★★★☆☆ Berufsbildung/Lehrreformprojekte ✅ Vollständig angepasst ★★★☆☆ 📊 Sechsphasen-Lieferprozess (P0-P5 verpflichtend): Tabelle Phase Schritt Kernoutput Schlüsselaktion P0 Ressourcenbestimmung Bewertung persönlicher Ressourcen und Position Erfassen Sie Ihre akademischen Errungenschaften, bestehenden Ergebnisse und Teamressourcen. P1 Politikdekodierung und Extraktion echter Probleme Politikanalysetabelle + Problemliste Scannen Sie die neuesten politischen Dokumente und identifizieren Sie die Probleme, die dem Gutachterausschuss wirklich wichtig sind. P2 Dimensionsreduktion auf atomare Objekte Objektliste mit kleinster Granularität Zerlegen Sie große Aussagen in die zentralen Forschungsobjekte. P3 Neun-Felder-Matrix Themenauswahl-Burst Matrix mit 9 Themenrichtungen Ein Objekt, 9 Perspektiven, filtern Sie die optimale Richtung. P4 Scharfe Prüfung und Finalisierung Änderungsvorschlagsliste + Risikoliste Zwei-Rollen-Konflikt: Antragsteller vs. Blindgutachter, wiederholte Verfeinerung. P5 Asset-Paketierung Memorandum zum Kernvermögen der Themenauswahl Endgültiges Thema + Argumentationslogik + direkte Anbindung an die Antragserstellung. 🔧 Integrierte standardisierte Toolbibliothek: ✓ Zwei-Rollen-Konfliktsystem – Themenplaner ↔ Blindgutachter (Selbst-PK) ✓ Namensrotlinientest – Keine Doppelpunkte/Striche/Untertitel, muss mit 'Forschung' enden ✓ Dreieinigkeitsprinzip – Determinativ + Objekt + Problem (unsichtbare Bewertungstabelle) ✓ Echtzeitaktualisierung der Politikdatenbank – Synchronisierung der neuesten Leitlinien von Nationalem Sozialwissenschaftsfonds, Bildungsministerium, Bildungsplanung ✓ Neun-Felder-Matrix für Themenauswahl – Systematische Entfaltung von 9 Perspektiven, visueller Vergleich des Innovationsgrades ✓ Risikobewertung der Blindbegutachtung – Vorhersage von Schwachstellen in der Prüfung 📈 Erwartete Ergebnisse: 📌 Bewilligungsquote – von durchschnittlich 20-30% auf 60-70%+ (abhängig von vorherigen Errungenschaften) ⏱️ Themenauswahlzyklus – von 3-6 Monaten auf 2-3 Wochen systematisierte Finalisierung 🎯 Treffergenauigkeit – von 'breitem Streuen' zur präzisen Ausrichtung auf die Bewertungslogik des Zielkomitees 📦 Fortsetzbarkeit – Das 'Themenauswahl-Memorandum' kann direkt an die 'Antragserstellung AFP' anknüpfen, vollständiger Kreislauf
AFP-Prompt-Generator (Master)
AFP-Prompt-Generator für Engineering · Systemarchitektur auf Master-Niveau 🎯 Kernpositionierung: Ein Meta-Prompt-Engineering-System – zur Erstellung der Grundarchitektur für andere AFP-Domain-Skills. Es ist sowohl ein eigenständiges Produkt als auch der Kern aller AFP-Domain-Skills. 📊 Kernfähigkeiten-Matrix: | Fähigkeitsdimension | Systemunterstützung | Anwendungsszenario | |---------------------|----------------------|--------------------| | Aufgabenadaptive Erkennung | ✅ Automatische Erkennung von 8+ Aufgabentypen (Klassifikation, Generierung, Analyse, Entscheidung usw.) | Keine manuelle Angabe des Aufgabentyps erforderlich | | Automatische Komplexitätsanpassung | ✅ Automatische Anpassung der Komponenten je nach Aufgabenkomplexität (1 Ebene / mehrstufig / bedingte Verzweigungen) | Weder Überdesign noch Auslassung wichtiger Elemente | | Integration des AFP-Design-Genoms | ✅ Entspricht dem Standard für Engineering-Prompts (Eingabespezifikation → Verarbeitungsablauf → Ausgabeprüfung) | Erzeugte Prompts sind von Natur aus hochwertig | | Multi-Modus-Unterstützung | ✅ Nahtloser Wechsel zwischen eigenständiger Nutzung und Aufruf durch andere Skills | Sowohl als eigenständige Bereitstellung als auch als Basis für andere Skills nutzbar | | Domänenübergreifende Wiederverwendbarkeit | ✅ Automatische Trennung von allgemeinen und domänenspezifischen Teilen | Gleiches Framework in 5+ Domänen anwendbar | | Kompatibilität mit großen Modellen | ✅ Kompatibel mit ChatGPT, Claude, GPT-4 und chinesischen großen Modellen | Erzeugte Prompts sind nicht an ein einzelnes Modell gebunden | 🔧 Technische Architektur: **Ebene 1 · Aufgabenanalyse-Engine** * Natürlichsprachliches Verständnis der Aufgabenbeschreibung des Benutzers * Automatische Klassifizierung des Aufgabentyps (generativ, analytisch, entscheidungsbasiert, kreativ usw.) * Berechnung eines Komplexitätsscores für die Aufgabe **Ebene 2 · Komponentenbibliothek** * Über 50 integrierte Engineering-Prompt-Komponenten (Rollenfestlegung, Eingabespezifikation, Prozessdesign, Fehlerbehandlung usw.) * Markierung nach Komplexitätsstufe (L0 einfach / L1 mittel / L2 fortgeschritten / L3 Experte) * Unterstützung für selektives Zusammenstellen und benutzerdefinierte Erweiterung **Ebene 3 · AFP-Framework-Generierung** * Organisation der Prompt-Struktur nach AFP-Design-Genom (Funktionsebenen → Prozessablauf → Ausgabeformatierung) * Automatische Generierung einer vollständigen Anweisungskette * Integrierte Qualitätsprüfung (Abdeckung, Redundanz, Konsistenz) **Ebene 4 · Ausgabe und Integration** * Generierung von reinen Text-Prompts (sofort nutzbar) * Generierung von strukturierten Konfigurationsdateien (programmatisch aufrufbar) * Unterstützung für Versionsverwaltung und iterative Optimierung 📈 Erwartete Leistungskennzahlen: | Kennzahl | Verbesserung | Beschreibung | |----------|--------------|--------------| | Prompt-Design-Zyklus | Von 1–2 Wochen → 10–30 Minuten | Vom manuellen Design zur automatischen Generierung | | Stabilität der Ausgabequalität | Von 70–80 % → 85–92 % | Engineering-Design ist von Natur aus stabiler | | Domänenübergreifende Wiederverwendungsrate | Von 30 % → 80 %+ | Allgemeine und spezielle Teile automatisch getrennt | | Team-Lernkosten | Von 3–6 Monaten Einarbeitung → 1–2 Wochen Einarbeitung | Neueinsteiger können schnell hochwertige Frameworks nutzen | | Migrationskosten für große Modelle | Von vollständiger Neuschreibung → lokale Anpassung | Framework stabil, Modell-Upgrades erfordern keine großen Änderungen |