Veröffentlicht am 3. Juni 2026 im Blog von Anthropic von Thariq Shihipar (Claude Code-Team), destilliert dieser Artikel die interne Erfahrung des Unternehmens im Umgang mit Skills. Die einleitende Rahmung korrigiert eine reduktive Sichtweise: Ein Skill ist keine isolierte Markdown-Datei, sondern ein Ordner, der Anweisungen, Skripte, Ressourcen, Konfiguration und Hooks zusammenführt, den der Agent erkundet und bearbeitet. Die strukturierende Maxime: « Man sollte das gesamte Dateisystem als eine Form von Context Engineering und progressiver Offenlegung betrachten. »
Der Artikel bietet zunächst eine Taxonomie von neun Kategorien von bei Anthropic beobachteten Skills, illustriert mit echten Namen: (1) Library/API Reference (Dokumentation für interne Bibliotheken/CLIs mit Gotchas); (2) Product Verification (Testing via Playwright/tmux); (3) Data Fetching & Analysis (grafana, datadog, Standardabfragen); (4) Business Process Automation (Standups, Recaps, Tickets); (5) Code Scaffolding (Boilerplate, Migrationen); (6) Code Quality & Review (adversarial-review, code-style); (7) CI/CD & Deployment (babysit-pr, Deploy); (8) Runbooks (Multi-Tool-Diagnosen nach Symptom); (9) Infrastructure Operations (Wartung mit Schutzmechanismen).
das Beschreibungsfeld ist keine Zusammenfassung, sondern eine Beschreibung, wann dieser Skill ausgelöst werden soll.
— **Thariq Shihipar** , claude.com
Anschließend folgt ein Korpus an Best Practices. Die erste ist die Anti-Redundanz: « Claude weiß bereits, wie man programmiert, und kann die Codebasis lesen » — man muss dokumentieren, was dem Standardverhalten widerspricht, nicht das Offensichtliche. Der wertvollste Inhalt ist der Gotchas-Abschnitt (« der Inhalt mit dem höchsten Signalwert in jedem Skill »), gespeist von tatsächlich angetroffenen Fehlerquellen. Die progressive Offenlegung erfolgt über den Dateibaum: Claude wird je nach Situation auf die passende Referenzdatei verwiesen. Beschreibungen müssen für das Modell geschrieben werden, nicht für den Menschen: « das Beschreibungsfeld ist keine Zusammenfassung, sondern eine Beschreibung, wann dieser Skill ausgelöst werden soll. » Für die Konfiguration speichert ein Setup-Ablauf die Parameter (config.json) oder fragt den Nutzer über AskUserQuestion ab. Persistenter Speicher erfolgt über Append-only-/JSON-Logs im stabilen Verzeichnis ${CLAUDE_PLUGIN_DATA}. Hilfsskripte entlasten die Denkressourcen des Modells: « erlaubt es Claude, seine Turns auf Komposition zu verwenden … statt Boilerplate neu zu konstruieren. » Schließlich sind hooks conditionnels (z. B. das Blockieren destruktiver Befehle) nur für die Dauer des Skills aktiviert.
Auf der Seite der Verbreitung speichert Anthropic seine Skills in ./.claude/skills; sie entstehen in einem über Slack geteilten Sandbox-Ordner, gewinnen an Zugkraft und werden dann per PR in einen internen Marketplace überführt. Die Nutzung wird gemessen durch einen hook PreToolUse, der Aufrufe protokolliert und so populäre sowie überarbeitungsbedürftige Skills sichtbar macht. Ein operativer Leitfaden, der unmittelbar für das Schreiben, Verteilen und Messen von Skills im organisatorischen Maßstab wiederverwendbar ist.
Kernpunkte
Datum / Quelle.3. Juni 2026, Blog claude.com (Anthropic). Autor: Thariq Shihipar (Claude Code-Team, @trq212). Direkte Fortsetzung seiner Fiche [[shihipar-claude-code-html-unreasonable-effectiveness-markdown-2026-05-10]].
Zentrale Rahmung. Ein Skill = ein Ordner (Anweisungen + Skripte + Ressourcen + Konfiguration + Hooks), keine einzelne .md-Datei. « Das gesamte Dateisystem als eine Form von Context Engineering und progressiver Offenlegung. » ### Die 9 Skill-Kategorien (Anthropic-Taxonomie) | # | Kategorie | Zweck | Genannte Beispiele | |---|-----------|----------|----------------| | 1 | Library/API Reference | Dokumentation für interne Bibliotheken/CLIs + Gotchas | billing-lib, internal-platform-cli, sandbox-proxy | | 2 | Product Verification | Testing/Verifikation (Playwright, tmux) | signup-flow-driver, checkout-verifier, tmux-cli-driver | | 3 | Data Fetching & Analysis | Zugriff auf Daten/Monitoring + Abfragemuster | funnel-query, cohort-compare, grafana, datadog | | 4 | Business Process Automation | Wiederkehrende Workflows | standup-post, weekly-recap, create-<ticket>-ticket | | 5 | Code Scaffolding | Framework-Boilerplate | new-migration, create-app, new-<framework>-workflow | | 6 | Code Quality & Review | Stil + Review | adversarial-review, code-style, testing-practices | | 7 | CI/CD & Deployment | Build / Push / Deploy | babysit-pr, deploy-<service>, cherry-pick-prod | | 8 | Runbooks | Multi-Tool-Diagnosen nach Symptom | <service>-debugging, oncall-runner, log-correlator | | 9 | Infrastructure Operations | Wartung + Schutzmechanismen | <resource>-orphans, dependency-management, cost-investigation | ### Best Practices (Checkliste)
Anti-Redundanz.« Claude weiß bereits, wie man programmiert » → nur dokumentieren, was dem Standardansatz des Modells widerspricht.
Gotchas-Abschnitt. = Inhalt mit dem höchsten Signalwert; er wird aus tatsächlichen Fehlerquellen aufgebaut (z. B. uneinheitliche Feldbenennungen, Append-only-Tabellen).
Progressive Offenlegung. Claude je nach Situation auf Referenzdateien verweisen, statt alles im Voraus zu laden.
Flexibilität. die nötigen Informationen liefern, ohne zu stark einzuschränken — dem Agenten Anpassung ermöglichen.
Setup-Ablauf. die Konfiguration speichern (config.json); falls nicht vorhanden, den Nutzer über AskUserQuestion befragen.
Beschreibung = Auslöser. für das Modell-Routing schreiben, mit Aktivierungsformulierungen — « keine Zusammenfassung, sondern eine Beschreibung, wann dieser Skill ausgelöst werden soll ».
Speicher. Append-only-/JSON-Logs, stabiles Verzeichnis über ${CLAUDE_PLUGIN_DATA} → der Agent erinnert sich an frühere Durchläufe.
Hilfsskripte. Bibliotheken/Funktionen bereitstellen → der Agent verwendet seine Turns für die Komposition, nicht für den Neuaufbau von Boilerplate.
hooks conditionnels.nur während des Aufrufs des Skills und für die Dauer der Sitzung aktiviert (z. B. ein Hook, der destruktive Befehle blockiert) — im Kontext nützlich, aber unerwünscht, wenn dauerhaft aktiv. ### Verbreitung & Messung (bei Anthropic)
Skills gespeichert in ./.claude/skills (Repo) oder über einen internen Plugin-Marketplace.
Organischer Zyklus. Sandbox-Ordner → informelle Slack-Weitergabe → Zugkraft → PR in den Marketplace.
Nutzungsmessung.hook PreToolUse, der Aufrufe protokolliert → identifiziert populäre gegenüber wenig genutzten Skills. ### Für Einsätze / Präsentationen nutzbar
Sofort einsetzbares Mapping-Raster. Die Skills eines Teams anhand der 9 Kategorien auditieren (deckt Dev + Daten + Ops + Prozess ab), Lücken aufspüren.
Das Triptychon Gotchas / progressive Offenlegung / Beschreibung-als-Auslöser = goldene Regeln für das Schreiben von Skills, die in eine firmeninterne Skill-Writing-Guideline integriert werden sollten.
Konvergiert mit Harness Engineering (Böckeler, Stufe 5 der Every-Skala [[taylor-entis-every-eight-levels-ai-adoption-2026-06-02]]) und mit den Skills-Fiches (Anthropic Agent Skills, Willison, Vincent Superpowers, Lattice). Spezifischer Beitrag: Nutzungsrückmeldung im Unternehmensmaßstab + die Mechanik von Verbreitung/Messung.
Zugeschriebene Aussagen
Der Abschnitt Gotchas ist der Inhalt mit dem stärksten Signal einer Skill
— Thariq Shihipar
Der aus dieser Fiche extrahierte Wissensgraph — 12 Entitäten, 15 Relationen.
In diesem Graphen :Thariq Shihipar · Anthropic · Lessons from building Claude Code: How we use skills · Skill · taxonomie 9 catégories de skills · section Gotchas · progressive disclosure · champ description · CLAUDE_PLUGIN_DATA · hooks conditionnels · hook PreToolUse · marketplace interne Anthropic