Agent Project Development
Entscheidungsbaum-Methodik für die Projektierung von LLM-Pipeline-Projekten: Task-Modell-Passung, gestaffelte Architektur, Kostenkalkulation.
Getestet · Funktioniert
Was es kann
Eine Referenzmethodik zur Entscheidung, ob eine Aufgabe für die LLM-Verarbeitung oder traditionellen Code geeignet ist, zur Strukturierung der Arbeit als diskrete Acquire/Prepare/Process/Parse/Render-Pipeline mit Dateisystem-Status und zur Schätzung der Token-Kosten vor dem Aufbau. Wird ausgelöst, wenn ein Benutzer ein LLM-Projekt starten, eine Batch-Pipeline entwerfen, die Task-Modell-Passung bewerten oder zwischen Single- und Multi-Agenten-Architekturen wählen möchte; schließt explizit Fragen zur Bewertungsrubrik und zu Multi-Agenten-Übergaben aus, die zu Geschwister-Skills gehören.
Testbericht
Angewendet auf eine Planungsaufgabe 'wöchentliche GitHub-Issues zusammenfassen', erzeugte die von der Skill geführte Antwort eine konkrete Acquire/Prepare/Process/Parse/Render-Pipeline mit einer echten Kostenformel und einem Dateisystem-Statuslayout, im Gegensatz zu einer Basislinien-Antwort, die vage Multi-Agenten vorschlug 'wenn es komplex wird' - genau das Anti-Muster, vor dem die Skill-eigene Entscheidungsbaum-Warnung für unabhängige Elemente warnt.
Getestet am: 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
Befehle & Beispiel-Prompts
/agent-project-developmentEntscheidungsbaum-Methodik für die Projektierung von LLM-Pipeline-Projekten: Task-Modell-Passung, gestaffelte Architektur, Kostenkalkulation.
Skills reagieren auf normale Anfragen — keine Slash-Befehle nötig. Nach der Installation aktivieren Prompts wie diese den Skill (auf Englisch):
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