Wissensbasis

Analyse der AI-App-Builder-Landschaft (Lovable, Replit, Vercel V0, Bolt) und Ableitung der fünf dauerhaften Wertschichten im Web, die KI strukturell nicht ersetzen kann — und wo es sich deshalb lohnt, ein Geschäft aufzubauen. Kernthese: Wenn ein Produkt nur ein UI-Layer über fremder Intelligenz ist, reicht der Moat nur so tief, wie die Zeit, die UI nachzubauen.

• Agentic Economy
• Web Strategy
• AI App Builders
• Trust
• Distribution

Verdichteter Walkthrough von Googles 9-stündigem Prompt-Engineering-Kurs in vier Modulen: Grundlagen mit dem TCREI-Framework (Task, Context, References, Evaluate, Iterate), Alltagseinsatz für E-Mails und Inhalte, Datenanalyse und Präsentationen sowie fortgeschrittene Techniken (Prompt Chaining, Chain of Thought, Tree of Thought) bis hin zum Bau von AI-Agenten.

• Prompt Engineering
• TCREI Framework
• Chain of Thought
• Tree of Thought
• AI Agents

28 Skills (Slash Commands) für Claude Code, die ein virtuelles Engineering-Team abbilden: CEO, Designer, Eng Manager, QA Lead, Security Officer, Release Engineer. Kompletter Sprint-Workflow Think → Plan → Build → Review → Test → Ship → Reflect. Garry Tan (Y Combinator CEO) behauptet damit 600.000+ Zeilen Produktionscode in 60 Tagen geschrieben zu haben. MIT-Lizenz, 52k+ GitHub-Stars.

• Claude Code
• Skills
• Sprint-Workflow
• Code Review
• YC

Eigene Architektur-Überlegungen für eine professionelle Knowledge Base, die über reine Dateiablage hinausgeht: Volltextsuche (SQLite FTS5), Vektor-Suche über lokale Embeddings (Ollama mit nomic-embed-text oder mxbai-embed-large) und Graph-Traversierung in ArangoDB für Beziehungen zwischen Wissensartikeln. Ziel: semantisches Retrieval und proaktive Vorschläge passender Artikel durch den Agenten.

• Knowledge Base
• ArangoDB
• Vektorsuche
• Graph-DB
• Embeddings
• Ollama

Wiederverwendbare Skills von Jesse Vincent, die sich automatisch kontextbasiert aktivieren. Statt sofort Code zu schreiben, durchläuft der Agent einen strukturierten Workflow: Anforderungen klären → Design validieren → Plan erstellen → mit Quality Controls umsetzen. Kernprinzipien: Test-Driven Development, systematische statt intuitive Ansätze, Komplexitätsreduktion, evidenzbasierte Verifikation vor Fertigmeldung.

• Skills
• TDD
• Debugging
• Brainstorming
• Subagents
• Code Review

Plattform für AI-gestütztes Product Planning auf Basis von Spec-First Development. Schließt die Lücke zwischen Absicht und Umsetzung durch strukturierte Spezifikationen (PRDs, technische Specs, Wireframes), die direkt an Coding-Agenten wie Cursor, Claude Code oder Windsurf übergeben werden. Workflow: Plan → Execute → Verify, mit automatisierter Verifikation des generierten Codes vor dem Deployment.

• AI Coding
• Spec-First
• Product Planning
• Task Orchestration
• Code Verification

Ein Senior-Engineer stellt fünf Skills vor, die strukturierte Entwicklungsprozesse für AI-Agenten kodieren: (1) Grill Me — zwingt den Agenten, den Nutzer per Design-Tree vor jedem Code auszufragen, (2) Write a PRD — verwandelt eine Idee in ein Product Requirements Document, (3) PRD to Issues — bricht das PRD in vertikale Slices (Tracer Bullets) auf, (4) TDD — erzwingt den Red-Green-Refactor-Loop, (5) Improve Codebase Architecture — sucht flache Module und designt tiefere Schnittstellen. Kerngedanke: Agenten sind wie Ingenieure ohne Gedächtnis — strikte Prozess-Kodierung über kleine Skills hebt die Code-Qualität.

• Claude Code
• Skills
• TDD
• PRD
• Software Engineering

Context Mode ist ein MCP-Server, der Context Bloat in Claude Code löst, indem er Tool-Outputs virtualisiert. Statt vollständige MCP-Outputs (etwa Playwright-Snapshots oder Dateiinhalte) ins 200K-Context-Window zu kippen, werden sie in einer lokalen SQLite-FTS5-Datenbank indexiert — ein 56 KB Playwright-Snapshot schrumpft auf 299 Bytes (99 % Reduktion). Zusätzlich Session-Kontinuität durch Hook-getriebene Snapshots, die nach Context-Kompaktierung zurück injiziert werden — verlängert die nutzbare Session von ~30 Minuten auf ~3 Stunden.

• Claude Code
• MCP
• Context Window
• SQLite FTS5
• Token-Optimierung

Kombination von Obsidian (lokale Markdown-Notiz-App) mit Claude Code für ein "Second Brain". Behandelt Obsidian-Setup und seine CLI mit 95 Kommandos, eigene Claude-Code-Skills für Vault-Interaktion (CLI, Canvas-Erstellung, Daily Briefs, TL;DR-Zusammenfassungen), einen interaktiven Vault-Setup-Skill mit Multiple-Choice-Fragen und eine Pipeline zum Import großer PDF-Sammlungen über Geminis Large-Context-Window.

• Obsidian
• Claude Code
• Second Brain
• CLI
• PDF-Import

Eigene Aufbereitung realer Sicherheitslücken in zwei Telegram-Bots, die über Google-Apps-Script-Webhooks betrieben wurden. Ein Angreifer konnte den öffentlich erreichbaren doPost-Endpunkt missbrauchen, weil weder Chat-ID-Authentifizierung noch Rate Limiting implementiert waren und Secrets hardcoded im Code standen. Lösung nach Defense-in-Depth: Chat-ID-Whitelist aus Script Properties, Rate Limiting via CacheService (max. 10 Requests/Minute), Secrets in Script Properties statt im Code, optionaler Webhook Secret Token.

• Telegram
• Webhook-Security
• Rate Limiting
• Secrets Management
• Defense in Depth

Open-Source-Framework von HKUDS für persönliche KI-Assistenten mit 99 % weniger Code als vergleichbare Stacks bei voller Agent-Funktionalität. Multi-LLM-Support (Claude, OpenAI, DeepSeek, Qwen u. a.) über eine Provider-Abstraktion, Plugin-Architektur für 10+ Chat-Plattformen (Telegram, Discord, WhatsApp, Slack, Matrix, E-Mail). Tool-Zugriff via Model Context Protocol (MCP), Token-basiertes Memory mit Session-Persistenz, Python 3.11+, MIT-Lizenz.

• LLM-Framework
• Multi-Platform
• MCP
• Telegram
• Discord
• Open Source

Vollständige Referenz aller Claude-Code-Settings. Vier Scopes (Managed > Local > Project > User), spezifischere Scopes gewinnen. Konfiguration über settings.json auf verschiedenen Ebenen (~/.claude/settings.json für User, .claude/settings.json fürs Projekt, .claude/settings.local.json für lokale Overrides). Dokumentiert Permissions mit Glob-Syntax, Sandbox-Einschränkungen, Hooks (Pre/Post-Tool-Ausführung, Notification), Subagent-Konfiguration, Plugin-System, Umgebungsvariablen und Tools. Managed Settings via MDM oder Server-Policies deploybar und nicht überschreibbar.

• Claude Code
• Settings
• Permissions
• Hooks
• Sandbox
• Scopes

Überblick über sieben Open-Source-Projekte für die Arbeit mit AI-Agenten: The Agency (Agent-Rollen-Templates für Claude Code), Prompt Fu (Unit-Testing und Red-Teaming für Prompts, von OpenAI übernommen), Mirrorish (Multi-Agent-Prediction-Engine), Impeccable (Frontend-Design-Commands), Open Viking (dateibasierte Agent-Memory-DB), Heretic (Guardrail-Removal via Obliteration) und Nano Chat (eigenes LLM für ~$100 GPU-Zeit).

• AI Agents
• Open Source
• Fireship
• promptfoo
• The Agency

Git-getrackter Obsidian-Vault als AI Second Brain, gesteuert von Claude Code als "Chief of Staff"-Agent. Gedanken werden per /new-Befehl gedumpt und automatisch in Tasks, Projekte, Personen und Ideen als verknüpfte Markdown-Dateien zerlegt. Ein /today-Befehl erzeugt priorisierte Tagespläne, /delegate startet separate Claude-Code-Instanzen in parallelen Terminals — inklusive spezialisierter "AI Employees" wie eines Head of Content. Alle Änderungen werden per Hook auto-committed, was einen vollständigen Audit-Trail erzeugt.

• Claude Code
• Obsidian
• AI Employees
• Delegation
• Git Audit

Architektur eines persönlichen Wissenssystems auf Basis einer Postgres-Datenbank mit Vektor-Embeddings, zugänglich über einen MCP-Server aus jedem AI-Tool. Plattform-spezifisches Memory (Claude, ChatGPT) erzeugt Vendor-Lock-in und ist nicht agent-readable — eine eigene Datenbank mit semantischer Suche kostet 10–30 Cent pro Monat und gibt jedem AI-Tool persistenten Kontext. Setup mit Capture via Slack, automatischer Embedding- und Metadaten-Extraktion und Retrieval aus jedem MCP-kompatiblen Client.

• Memory
• Postgres
• pgvector
• Supabase
• MCP
• Semantic Search

CLI-Tool und Bibliothek zum Testen und Evaluieren von LLM-Prompts — ein Unit-Testing-Framework für KI-Prompts. Läuft 100 % lokal. Drei Kernfunktionen: Prompt-Evaluierung über verschiedene Modelle (OpenAI, Anthropic, Azure, Ollama u. a.) im Vergleich; Red-Teaming und Vulnerability-Scanning mit automatisierten Angriffen auf die eigene LLM-App (Prompt Injection, Jailbreaks, Datenlecks); CI/CD-Integration mit Regressionsprüfung in Pull Requests. MIT-Lizenz, im März 2026 von OpenAI übernommen.

• Testing
• Red-Teaming
• Prompt Injection
• CI/CD
• Open Source

Kuratierte Sammlung von 200+ spezialisierten AI-Agent-Persönlichkeiten für Claude Code (und andere Tools). Jeder Agent ist ein production-ready Prompt-Template mit klar definierter Persönlichkeit und Kommunikationsstil, Kernmission und typischen Workflows, konkreten Lieferergebnissen samt Code-Beispielen sowie Erfolgsmessungen. Konvertierungsskripte für Cursor, Aider, Windsurf und Copilot.

• Agent Templates
• Claude Code
• Security Engineer
• MCP Builder
• Accessibility

Erklärt die fünf Customization-Features von Claude Code (CLAUDE.md, Skills, Sub-Agents, Hooks, MCP Servers) mit klarer Entscheidungsmatrix: Always-on-Standards gehören in CLAUDE.md, task-spezifische Expertise in Skills, isolierte Arbeit in Sub-Agents, ereignisgesteuerte Aktionen in Hooks, externer Tool-Zugriff via MCP Servers. Jedes Feature wirkt anders auf das Context-Window — gut konfigurierte Projekte kombinieren alle fünf.

• Claude Code
• CLAUDE.md
• Skills
• Subagents
• Hooks
• MCP

Offizielle Dokumentation zu Custom Subagents in Claude Code — Erstellung, Konfiguration über Markdown-Dateien mit YAML-Frontmatter, Auswahl der zulässigen Tools, Modell-Routing und Patterns für Delegation aus dem Haupt-Kontext heraus.

• Claude Code
• Subagents
• Frontmatter
• Konfiguration