Agent Project Development
Beslutningstræ-metodologi til scoping af LLM pipeline-projekter: task-model fit, trinvis arkitektur, omkostningsberegning.
Testet · Virker
Hvad det gør
En reference-metodologi til at beslutte, om en opgave egner sig til LLM-behandling versus traditionel kode, strukturering af arbejdet som en diskret acquire/prepare/process/parse/render pipeline med filsystem-tilstand, og estimering af token-omkostninger før byggeri. Udløses, når brugeren ønsker at starte et LLM-projekt, designe en batch-pipeline, evaluere task-model fit eller vælge mellem enkelt- og multi-agent arkitekturer; ekskluderer eksplicit evaluerings-rubrik og multi-agent-handoff spørgsmål, som hører til søskende-skills.
Testrapport
Anvendt på en 'summarize 50 weekly GitHub issues' planlægningsopgave, producerede skill-guidet svar en konkret acquire/prepare/process/parse/render pipeline med en reel omkostningsformel og filsystem-tilstandslayout, versus et baseline-svar, der vagt foreslog multi-agent 'hvis det bliver komplekst' - præcis anti-mønsteret, som skillens egen beslutningstræ advarer imod for uafhængige elementer.
Testet: 2026-07-16 · Claude Code 2.x (agent harness)
Installation
git clone https://github.com/viktorbezdek/skillstack mkdir -p ~/.claude/skills cp -r skillstack/agent-project-development/skills/agent-project-development ~/.claude/skills/agent-project-development
Kommandoer og eksempelprompter
/agent-project-developmentBeslutningstræ-metodologi til scoping af LLM pipeline-projekter: task-model fit, trinvis arkitektur, omkostningsberegning.
Skills udløses af almindelige forespørgsler — ingen kommandoer at huske. Efter installationen aktiverer prompter som disse skillen (på engelsk):
Should I use an LLM or plain code to summarize these issues?Help me scope a pipeline for processing fifty weekly GitHub issuesEstimate the token cost before I build this batch LLM pipeline