Claude Skills im Detail: Vom Prompt bis zur Praxis, ein von einem Entwickler analysierter KI-Workflow

Dieser Beitrag seziert die interne Struktur von Claude Skills, der KI-Agenten-Funktion von Anthropic. Skills stellen einen praxisnahen Ansatz dar, um komplexe Aufgaben zu automatisieren und dabei die Kontrolle beim Nutzer zu behalten, indem das Verhalten von Claude AI über Prompteeinspeisung statt Codeausführung verändert wird.

Wichtige Inhalte:

1. Kernkonzept: Skills sind Prompt-Templates

• Skills nutzen keine ausführbaren Skripte wie Python/JS, sondern injizieren domänenspezifische Anweisungen (z. B. eine PDF-Verarbeitungsanleitung) in den Gesprächskontext.
• Anders als Standardwerkzeuge (Read, Write, Bash usw.) werden sie nicht sofort ausgeführt, sondern helfen Claude dabei, „bereit“ zu sein. Beispiel: Beim Aufruf eines PDF-Skills wird ein detaillierter Prompt mit 500–5.000 Wörtern als versteckte Nachricht gesendet.

2. Meta-Tool-Architektur

• Das Meta-Tool „Skill“ verwaltet alle einzelnen Skills (PDF, skill-creator usw.) und gleicht Nutzerabsichten allein mit LLM-Inferenz ab (ohne Embeddings oder Klassifikator).
• Bei der Ausführung werden zwei Nachrichten eingespeist: ein kompaktes XML-Status-Update im UI (z. B. „PDF-Skill wird geladen“) und der vollständige, verborgene Leitfaden.

3. Aufbau von SKILL.md und Ressourcen

• Frontmatter (YAML): name, description (Signal für die Skill-Auswahl durch Claude), allowed-tools (automatisch genehmigte Tools, Sicherheitsaspekte), model.
• Markdown-Inhalt: Workflows, Reihenfolge der Tool-Nutzung, Anweisungen zum Ausgabeformat (bis zu 5.000 Wörter).
• Unterstützte Verzeichnisse: scripts (Automatisierungsskripte), references (Referenzdokumente), assets (Vorlagen/Bilder, Tokeneinsparung).

4. Anpassung des Ausführungskontexts und Muster

• Beim Skill-Aufruf ist eine automatische Anpassung der Tool-Berechtigungen (vorläufige Freigabe) und ein möglicher Modellwechsel über die Funktion contextModifier möglich.
• Praxismuster:
  • Skriptautomatisierung: Ausführung mehrstufiger Skriptabläufe.
  • Read-Process-Write: Datenkonvertierung/-bereinigung.
  • Suche-Analyse-Bericht: Codebase-Analyse (unter Einsatz von Grep).
  • Wizard-Workflow: Schrittweise Nutzerbestätigung.

5. Grenzen und Bedeutung

• Nachteile: keine Nebenläufigkeit, Token-Overhead (1.500+), Abhängigkeit von Prompts.
• Vorteile: Betonung von Flexibilität und Sicherheit. Es wird ein Kooperationsmodell vorgeschlagen, nach dem wichtige Entscheidungen beim Menschen, wiederkehrende Vorgänge bei KI liegen. Als Ausrichtung für die Zukunft von KI-Agenten zeigt der Beitrag, dass eine promptbasierte Implementierung der zentrale Punkt ist.

(Originalquelle: leehanchung.github.io, veröffentlicht am 26.10.2025)