Podcast
Podcaster
Beschreibung
vor 4 Monaten
Wie oft habt ihr schon denselben Prompt in einen anderen
Chat-Fenster kopiert, nur weil die KI sich "vergessen" hat, wie sie
sich verhalten soll? Mark und Jens nehmen sich diesmal ohne Gast,
aber mit viel Redefluss ein Thema vor, das gerade quer durch alle
großen Anbieter geht: Agent Skills. Ihre These für die Folge: Wer
Skills richtig einsetzt, muss deutlich weniger prompten und bekommt
trotzdem bessere, konsistentere Ergebnisse. Ganz konkret geht es um
den Aufbau einer Skill.md-Datei: ein simples Markdown-File mit
Titel, Beschreibung und Verhaltensanweisung, das bei Claude in eine
gezippte `.skill`-Datei verpackt wird (ja, wirklich: umbenennen in
`.zip` und entpacken funktioniert). Am Beispiel eines
Senior-Code-Reviewer-Skills und eines PowerPoint-Vorlagen-Skills
zeigen die beiden, wie ein Skill Governance und Verhalten festlegt
statt nur Antworten zu liefern, und warum das etwas grundsätzlich
anderes ist als ein Tool, ein Plugin oder ein API-Key. Portabilität
ist dabei ein zentraler Punkt: Ein einmal geschriebener Skill lässt
sich in ChatGPT, Gemini oder andere Modelle einfach reinkopieren,
auch wenn nur Claude aktuell die vollständige Skill-Infrastruktur
inklusive Ressourcen und automatischem Nachladen bietet. Ein
Running Gag der Folge: die Abgrenzung zwischen Skills und
Memory-Files. Skills beschreiben eine wiederholbare Spezialisierung
("verhalte dich wie ein Senior Code Reviewer"), Memory-Files merken
sich generalistisch Kontext über die Person hinweg. Ein
Unterschied, den Mark und Jens explizit an OpenClaw
durchdeklinieren, wo genau diese Vermischung schnell zum Problem
wird. Dazu kommt ein Architektur-Dreisprung, den die beiden live
entwickeln: eine Verhaltens-Schicht (Skills), eine
Tool-/MCP-Schicht und eine Runtime-Schicht, auf der Modell oder
Agent tatsächlich arbeiten. Praktisch wird es beim Vorschlag, die
eigene Arbeit mit Zettel und Stift zu protokollieren, um nervige
Wiederholungsaufgaben zu identifizieren und daraus Skills zu bauen,
vom Kontoauszug-Sortieren bis zum Advisory-Board-Skill, den Mark
einst mit N8N gebaut hat und der als Orchestrator-Skill
selbstständig die passenden "Experten" befragt. Wer schon mit
Skill-Bibliotheken arbeitet, bekommt außerdem den nötigen
Security-Reminder: fremde Skills vor dem Einsatz reviewen, denn ein
Skill ist im Zweifel nichts anderes als eine Verhaltensanweisung,
der man blind vertraut. Zum Schluss gibt's noch einen Ausblick auf
die nächste Folge zu Gaming-UIs für die Orchestrierung mehrerer
KI-Agenten gleichzeitig.
Chat-Fenster kopiert, nur weil die KI sich "vergessen" hat, wie sie
sich verhalten soll? Mark und Jens nehmen sich diesmal ohne Gast,
aber mit viel Redefluss ein Thema vor, das gerade quer durch alle
großen Anbieter geht: Agent Skills. Ihre These für die Folge: Wer
Skills richtig einsetzt, muss deutlich weniger prompten und bekommt
trotzdem bessere, konsistentere Ergebnisse. Ganz konkret geht es um
den Aufbau einer Skill.md-Datei: ein simples Markdown-File mit
Titel, Beschreibung und Verhaltensanweisung, das bei Claude in eine
gezippte `.skill`-Datei verpackt wird (ja, wirklich: umbenennen in
`.zip` und entpacken funktioniert). Am Beispiel eines
Senior-Code-Reviewer-Skills und eines PowerPoint-Vorlagen-Skills
zeigen die beiden, wie ein Skill Governance und Verhalten festlegt
statt nur Antworten zu liefern, und warum das etwas grundsätzlich
anderes ist als ein Tool, ein Plugin oder ein API-Key. Portabilität
ist dabei ein zentraler Punkt: Ein einmal geschriebener Skill lässt
sich in ChatGPT, Gemini oder andere Modelle einfach reinkopieren,
auch wenn nur Claude aktuell die vollständige Skill-Infrastruktur
inklusive Ressourcen und automatischem Nachladen bietet. Ein
Running Gag der Folge: die Abgrenzung zwischen Skills und
Memory-Files. Skills beschreiben eine wiederholbare Spezialisierung
("verhalte dich wie ein Senior Code Reviewer"), Memory-Files merken
sich generalistisch Kontext über die Person hinweg. Ein
Unterschied, den Mark und Jens explizit an OpenClaw
durchdeklinieren, wo genau diese Vermischung schnell zum Problem
wird. Dazu kommt ein Architektur-Dreisprung, den die beiden live
entwickeln: eine Verhaltens-Schicht (Skills), eine
Tool-/MCP-Schicht und eine Runtime-Schicht, auf der Modell oder
Agent tatsächlich arbeiten. Praktisch wird es beim Vorschlag, die
eigene Arbeit mit Zettel und Stift zu protokollieren, um nervige
Wiederholungsaufgaben zu identifizieren und daraus Skills zu bauen,
vom Kontoauszug-Sortieren bis zum Advisory-Board-Skill, den Mark
einst mit N8N gebaut hat und der als Orchestrator-Skill
selbstständig die passenden "Experten" befragt. Wer schon mit
Skill-Bibliotheken arbeitet, bekommt außerdem den nötigen
Security-Reminder: fremde Skills vor dem Einsatz reviewen, denn ein
Skill ist im Zweifel nichts anderes als eine Verhaltensanweisung,
der man blind vertraut. Zum Schluss gibt's noch einen Ausblick auf
die nächste Folge zu Gaming-UIs für die Orchestrierung mehrerer
KI-Agenten gleichzeitig.
Weitere Episoden
46 Minuten
vor 5 Tagen
52 Minuten
vor 1 Woche
48 Minuten
vor 2 Wochen
1 Stunde 4 Minuten
vor 3 Wochen
37 Minuten
vor 1 Monat
Kommentare (0)
Melde Dich an, um einen Kommentar zu schreiben.