Agent Skills & Custom Workflows

1. Konzeptüberblick und systemisches Problem

Mit zunehmender Komplexität von Agentensystemen versuchen Entwickler oft, dem Agenten sofort Expertise in allen Bereichen zu verleihen: Sie schreiben riesige Regeln für Code-Formatierung, Sicherheits-Checklisten für Server, Anforderungen an die UI-Zugänglichkeit, Syntaxregeln für SQL-Dialekte und Dokumentationsvorlagen.

Der Versuch, all dies in einen einzigen statischen system prompt zu pressen, führt zu drei kritischen systemischen Problemen:

1. Katastrophaler Token-Budget-Verbrauch: Selbst bei einer banalen Anfrage wie „Rechtschreibfehler korrigieren" muss das Modell jedes Mal 40.000 Tokens irrelevanter Dokumentation lesen.
2. Kontextverwischung und Degradation der Anweisungsbefolgung (Instruction Drift): Je mehr widersprüchliche oder heterogene Regeln im Kontext vorhanden sind, desto höher ist die Wahrscheinlichkeit, dass das Modell spezifische Anweisungen ignoriert.
3. Unmöglichkeit modularer Updates: Eine Änderung einer einzelnen Regel in einer monolithischen Datei kann das Verhalten des Agenten bei völlig anderen Aufgaben unvorhersehbar verändern.

Agent Skills lösen dieses Problem durch das Prinzip der prozeduralen Kontext-Trennung: Wissen wird als isolierte Module auf der Festplatte gespeichert und nur dann in den Arbeitsspeicher des Agenten geladen, wenn ein entsprechendes ingenieurtechnisches Bedürfnis entsteht.

2. Architektonische Taxonomie und mentales Modell

Die moderne Architektur eines Agent Skill ist als autonomes Paket prozeduralen Wissens standardisiert:

• 1. Manifest und Aktivierungs-Trigger (Frontmatter Metadata): Metadaten im YAML-Format am Anfang der Datei SKILL.md. Sie definieren den Namen, die Kompetenzbeschreibung und eine Liste natürlichsprachlicher Trigger (z. B.: „VPS gekauft", „Firewall konfigurieren", „check accessibility").
• 2. Algorithmischer Handlungsleitfaden (Workflow Blueprint): Ein klarer, schrittweiser Algorithmus, unterteilt in Phasen: Diagnose -> Planerstellung -> schrittweise Ausführung -> obligatorische finale Verifizierung des Ergebnisses.
• 3. Ausführbare Skripte und Utilities (scripts/): Deterministische Python-, Bash- oder Node.js-Skripte, die der Agent aufruft, um routinemäßige Berechnungen oder Prüfungen auszuführen, anstatt sie langsam und fehleranfällig von Grund auf neu zu generieren.
• 4. Referenzen und Musterbeispiele (references/): Goldene Beispiele für Architekturen, Konfigurationsschemata (Nginx, Docker Compose, TypeScript Interfaces), die der Agent als Vorlage zur Nachahmung nutzt.

3. Technischer Pipeline und interne Mechanik

Der Lebenszyklus der Skill-Aktivierung durch den Agenten durchläuft vier Stufen:

1. Lightweight Index Discovery (Katalog-Erkennung): Bei der Initialisierung erhält der Agent nur einen kompakten Index der verfügbaren Skills (2–3 Sätze Beschreibung pro Skill). Dies verbraucht weniger als 500 Tokens.
2. Intent Matching & Trigger Interception (Absichtsabgleich): Der Benutzer stellt eine Aufgabe. Der Agent gleicht die Semantik der Anfrage mit den Skill-Manifesten ab. Bei Übereinstimmung trifft der Agent die interne Entscheidung, das Fachwissen nachzuladen.
3. Lazy File Ingestion (Faules Laden der Anleitung): Der Agent ruft ein Dateitool auf (z. B. view_file für skills/<skill_name>/SKILL.md) und lädt die vollständige Spezifikation direkt in den Arbeitskontext.
4. Execution & Context Retirement (Ausführung und Freigabe): Der Agent führt die Aufgabe aus und folgt dabei strikt den Anweisungen des Skills. Nach Abschluss der Aufgabe und Fixierung des Ergebnisses werden folgende Sitzungen nicht mit veralteten Details überladen.

4. Praktische Ingenieurs-Szenarien im Produktionsbetrieb

01. Prozedurale Härtung und Schutz von Linux VPS

Der Agent verfügt über den Skill vps-hardening. Wenn der Benutzer den Kauf eines neuen Servers meldet, lädt der Agent eine klare 7-stufige Checkliste herunter: Generierung von SSH-Schlüsseln, Konfiguration von UFW, Einrichtung von fail2ban, Tuning von sysctl sowie Deaktivierung des Passwortzugriffs erst nach erfolgreicher Prüfung des Key-basierten Logins.

02. Spezialisiertes Design-Audit für Zugänglichkeit (WCAG 2.2)

Der Benutzer bittet um eine Bewertung des Formular-Layouts. Der Agent aktiviert den Skill better-accessibility: Er prüft Farbkontraste gemäß APCA/WCAG, die Vorhandensein von aria-labels, Tastaturnavigation (focus-visible) und die Barrierefreiheit für Screen Reader.

03. Automatisierte Datenbankmigration auf Drizzle ORM

Der Skill enthält präzise Regeln für die Schema-Generierung: snake_case-Namenskonventionen, korrekte Definition von Indizes, Verbot roher Enums und Erstellung sicherer Migrationsdateien ohne Tabellensperren.

5. Fallstricke, typische Fehler und Sicherheit

• Konflikt der Trigger (Trigger Overlap): Wenn zwei verschiedene Skills zu breite oder ähnliche Beschreibungen haben (z. B. code-review und security-audit), könnte der Agent beide laden und den Kontext aufblähen oder zögern bei der Auswahl. Sorgen Sie dafür, dass Trigger-Beschreibungen sich gegenseitig ausschließen und kontrastreich sind.
• Veraltete Utility-Skripte (Stale Tooling): Änderungen an APIs externer Bibliotheken können Hilfs-Skripte innerhalb von scripts/ brechen. Tests müssen regelmäßig ausgeführt werden, um die Funktionsfähigkeit des Skill-Codes zu validieren.
• Fehlende Sicherheitsvalidierung (Prompt Injection via Untrusted Skills): Das Laden fremder Skills aus unsicheren Repositories kann versteckte Anweisungen zum Diebstahl privater Schlüssel enthalten. Vertrauen Sie nur geprüften Wissensmodulen.