cc-prompt-builder
Erstellt detaillierte, autonome Claude Code (CC) Prompts mit Self-Fix-Protokoll. Nutze diesen Skill IMMER wenn der User einen CC-Prompt, Claude Code Prompt oder Delegations-Prompt für eine mehrstufige Implementierung braucht. Trigger auch bei: "Prompt für CC", "lass CC das machen", "mach einen Prompt draus", "CC soll das autonom abarbeiten", "delegate an Claude Code", "Sonnet-Prompt", "autonomer Prompt". Der Skill erzeugt token-effiziente Prompts die mit günstigeren Modellen (Sonnet) funktionieren, weil sie präzise genug sind um Rückfrage-Schleifen zu vermeiden.
What this skill does
# CC Prompt Builder
Du erstellst detaillierte Claude Code Prompts die CC autonom abarbeiten kann, inklusive Self-Fix bei Fehlern.
## Warum dieser Skill existiert
Ein gut strukturierter CC-Prompt mit exaktem Code, bekannten Fallstricken und Fix-Anweisungen spart massiv Tokens, weil CC weniger Erkundungs-Runden braucht. Das funktioniert besonders gut mit Sonnet (günstiger, folgt Anweisungen präzise, braucht aber Klarheit). Opus denkt besser selbstständig, kostet aber ein Vielfaches. Für die meisten Implementierungsaufgaben ist Sonnet + detaillierter Prompt die bessere Wahl.
## Wann NICHT verwenden
- Einzelne kleine Änderungen (1 Datei, <20 Zeilen) brauchen keinen Prompt, mach es direkt
- Reine Recherche-Aufgaben - CC braucht keinen Self-Fix-Loop für Recherche
- Der User will interaktiv mit CC arbeiten statt delegieren
## Prompt-Erstellung: Schritt für Schritt
### 1. Kontext sammeln (vor dem Schreiben)
Bevor du den Prompt schreibst, lies die relevanten Dateien im Projekt:
- Bestehenden Code der geändert wird (Importe, Exports, Konventionen)
- Config-Dateien (package.json, tsconfig, .env.example, CI-Workflows)
- Bestehende Tests als Referenz für Stil und Patterns
Das ist entscheidend: Der Prompt muss die richtigen Dateinamen, Imports, Selektoren und Konventionen enthalten. Sonnet rät nicht gut, es braucht exakte Angaben.
### 2. Prompt-Struktur (diese Reihenfolge einhalten)
Die Grundstruktur jedes CC-Prompts:
# [Aufgabe] - CC-Prompt für autonome Ausführung
## Kontext
- Was ist das Projekt (1-2 Sätze)
- Was wurde bereits gemacht (vorherige Phasen, Commits)
- Referenz-Dokumente die CC lesen soll
## Self-Fix-Protokoll (PFLICHT)
[Immer einfügen - siehe Template unten]
## Kritische Regeln
[Projektspezifische Fallen die CC kennen muss]
## Phase N: [Name]
### Datei: pfad/zur/datei.ts (NEU | ERWEITERN)
[Exakter Code oder präzise Änderungsanweisungen]
### Ausführen und Fixen
[Konkreter Befehl + typische Fehler mit Lösungen]
## Abschluss: Commit
[git add + commit Befehl mit allen Dateien]
## Erwartete Ergebnisse
[Tabelle: Phase | Datei | Erwartung]
### 3. Self-Fix-Protokoll (immer einfügen)
Dieses Protokoll ist der Kern des Prompts. Es macht CC autonom:
## Self-Fix-Protokoll (PFLICHT für jede Phase)
Für JEDE Phase gilt dieser Loop:
1. Datei(en) erstellen/ändern
2. Ergebnis prüfen: [projektspezifischer Befehl, z.B. npm run build, pytest, npx playwright test]
3. WENN Fehler:
a. Fehlerausgabe lesen und analysieren
b. [projektspezifische Debug-Schritte]
c. Fix anwenden
d. Zurück zu Schritt 2
e. Max. 3 Fix-Versuche pro Teilaufgabe. Nach 3 Versuchen:
- Problem dokumentieren (Kommentar im Code oder TODO)
- Weiter zur nächsten Phase
4. WENN grün: Weiter zur nächsten Phase
Typische Fixes:
- [Liste projektspezifischer Fehler + Lösungen]
Am Ende ALLER Phasen: Zusammenfassung aller Ergebnisse zeigen.
### 4. Kritische Regeln formulieren
Sammle Fallen die CC in die Irre führen würden. Typische Kategorien:
- **Namenskollisionen**: Welche Funktion statt welcher verwenden
- **Mock-Grenzen**: Was Mocks können und was nicht
- **Selektoren/Pfade**: Tatsächliche Selektoren aus dem Code, nicht aus der Doku
- **Env-Variablen**: Welche nötig sind und wie Tests ohne sie übersprungen werden
- **Bestehender Code**: "ERWEITERN, nicht duplizieren" wenn Dateien existieren
### 5. Exakter Code vs. Prosa
Die Faustregel:
- **Neue Dateien**: Exakten, lauffähigen Code liefern. CC kopiert und passt an
- **Erweiterte Dateien**: Beschreibe WO der Code eingefügt wird und liefere den Code-Block
- **Config-Änderungen**: Zeige das Diff (vorher -> nachher) statt "ändere X"
Prosa-Beschreibungen wie "erstelle einen Test der X tut" funktionieren mit Opus, aber Sonnet braucht den konkreten Code.
### 6. Troubleshooting-Blöcke
Nach jeder Phase einen "Ausführen und Fixen"-Block mit dem exakten Testbefehl und projektspezifischen Symptomen + Lösungen:
- Selektor nicht gefunden -> DOM inspizieren, bestehende Tests als Referenz
- Timeout -> waitForLoadState statt waitForTimeout, Timeout erhöhen
- Import-Fehler -> exports prüfen, Pfade prüfen mit ls
- Feature existiert nicht -> graceful skip mit Begründung
- Build-Fehler -> TypeScript-Errors einzeln fixen, tsc --noEmit
- API-Fehler -> Mock prüfen, Route-Pattern vergleichen
### 7. Abschluss-Block
Immer einen Commit-Befehl mit allen Dateien und eine Ergebnis-Tabelle.
## Qualitätskriterien für den fertigen Prompt
Prüfe deinen Prompt gegen diese Checkliste:
- [ ] Kontext: Projekt und bisheriger Stand klar beschrieben?
- [ ] Self-Fix-Loop: Enthalten mit max. Versuchen und Skip-Fallback?
- [ ] Kritische Regeln: Alle bekannten Fallen dokumentiert?
- [ ] Jede Phase hat exakten Code ODER präzise Änderungsanweisungen?
- [ ] Jede Phase hat einen Ausführungsbefehl?
- [ ] Jede Phase hat Troubleshooting für wahrscheinliche Fehler?
- [ ] Bestehende Dateien werden erweitert, nicht dupliziert?
- [ ] Imports und Pfade stimmen mit dem tatsächlichen Code überein?
- [ ] Commit-Befehl am Ende mit allen Dateien?
- [ ] Ergebnis-Tabelle am Ende?
## Token-Effizienz-Hinweise
- Ein 4.000-Wörter-Prompt kostet ~5.000 Input-Tokens. Eine vermiedene Rückfrage-Schleife spart 10.000-50.000 Tokens
- Sonnet kostet ~80% weniger als Opus bei vergleichbarem Ergebnis wenn der Prompt präzise ist
- Exakter Code im Prompt vermeidet Trial-and-Error - das ist der grösste Token-Spar-Hebel
- Phasen-weise Struktur hilft CC den Kontext zu managen statt alles gleichzeitig im Kopf zu haben
## Ausgabeformat
Den fertigen Prompt als Markdown-Datei speichern (z.B. docs/CC_PROMPT_[aufgabe].md), damit der User ihn kopieren und in CC einfügen kann. Der Prompt soll als eigenständiges Dokument funktionieren - CC hat keinen Zugriff auf die aktuelle Konversation.
Related in AI Agents
skill-development
IncludedComprehensive meta-skill for creating, managing, validating, auditing, and distributing Claude Code skills and slash commands (unified in v2.1.3+). Provides skill templates, creation workflows, validation patterns, audit checklists, naming conventions, YAML frontmatter guidance, progressive disclosure examples, and best practices lookup. Use when creating new skills, validating existing skills, auditing skill quality, understanding skill architecture, needing skill templates, learning about YAML frontmatter requirements, progressive disclosure patterns, tool restrictions (allowed-tools), skill composition, skill naming conventions, troubleshooting skill activation issues, creating custom slash commands, configuring command frontmatter, using command arguments ($ARGUMENTS, $1, $2), bash execution in commands, file references in commands, command namespacing, plugin commands, MCP slash commands, Skill tool configuration, or deciding between skills vs slash commands. Delegates to docs-management skill for official documentation.
reprompter
IncludedTransform messy prompts into well-structured, effective prompts — single or multi-agent. Use when: "reprompt", "reprompt this", "clean up this prompt", "structure my prompt", rough text needing XML tags and best practices, "reprompter teams", "repromptception", "run with quality", "smart run", "smart agents", multi-agent tasks, audits, parallel work, anything going to agent teams. Don't use when: simple Q&A, pure chat, immediate execution-only tasks. See "Don't Use When" section for details. Outputs: Structured XML/Markdown prompt, quality score (before/after), optional team brief + per-agent sub-prompts, agent team output files. Success criteria: Single mode quality score ≥ 7/10; Repromptception per-agent prompt quality score 8+/10; all required sections present, actionable and specific.
adaptive-compaction
IncludedAdaptive add-on policy and recovery layer that decides WHEN to compact, prune, snapshot, or fork -- replacing fixed-percent auto-compaction across Claude Code, Codex, and MCP-capable hosts. Trigger on auto-compact timing or damage: "when should I compact", "is it safe to compact now or start a fresh session", "auto-compact fires too early/mid-task", "switching to an unrelated task but the window still has space", "context rot", "answers get worse the longer the session runs", "the agent forgot the plan or my decisions after it summarized", "add a layer on top that manages context without changing the agent", raising autoCompactWindow to give the policy room, or installing/tuning a cross-tool compaction policy or PreCompact hook -- even when "compaction" is never said but the problem is context-window pressure or post-summarization memory loss. Do NOT use to summarize a conversation, build RAG, write a summarization prompt (decides WHEN not HOW), or answer max-context-length trivia.
agent-skill-creator
IncludedCreate cross-platform agent skills from workflow descriptions. Activates when users ask to create an agent, automate a repetitive workflow, create a custom skill, or need advanced agent creation. Triggers on phrases like create agent for, automate workflow, create skill for, every day I have to, daily I need to, turn process into agent, need to automate, create a cross-platform skill, validate this skill, export this skill, migrate this skill. Supports single skills, multi-agent suites, transcript processing, template-based creation, interactive configuration, cross-platform export, and spec validation.
llm-wiki
IncludedUse when building or maintaining a persistent personal knowledge base (second brain) in Obsidian where an LLM incrementally ingests sources, updates entity/concept pages, maintains cross-references, and keeps a synthesis current. Triggers include "second brain", "Obsidian wiki", "personal knowledge management", "ingest this paper/article/book", "build a research wiki", "compound knowledge", "Memex", or whenever the user wants knowledge to accumulate across sessions instead of being re-derived by RAG on every query.
skill-master
IncludedAgent Skills authoring, evaluation, and optimization. Create, edit, validate, benchmark, and improve skills following the agentskills.io specification. Use when designing SKILL.md files, structuring skill folders (references, scripts, assets), ingesting external documentation into skills, running trigger evals, benchmarking skill quality, optimizing descriptions, or performing blind A/B comparisons. Keywords: agentskills.io, SKILL.md, skill authoring, eval, benchmark, trigger optimization.