Skills erstellen

Schritt-für-Schritt-Anleitung zum Hinzufügen neuer Expertise zu deinem Arc OS-Projekt.

Was ist ein Skill

Ein Skill ist ein portabler Instruktionssatz, der deinem AI-Bot eine bestimmte Fähigkeit beibringt. Skills liegen im Verzeichnis skills/ und bestehen aus:

skill.md — die Instruktionsdatei (erforderlich)
<name>.evals.json — automatische Qualitätsvalidierungsregeln (optional, aber empfohlen)
references/ — unterstützende Dokumente, Schemas, Beispiele (optional)

skills/
├── _registry.json              ← Central registry
├── my-new-skill/
│   ├── skill.md                ← What the AI should do
│   ├── my-new-skill.evals.json ← How to validate the output
│   └── references/             ← Context documents
└── library/
    └── domain-expert.md        ← Simple single-file skills

Schritt 1: skill.md schreiben

Das ist die zentrale Instruktion. Claude liest diese, wenn der Skill aktiviert wird.

Vorlage

# Skill Name

## Purpose
What this skill accomplishes in one sentence.

## When to Use
- Trigger condition 1
- Trigger condition 2

## Protocol
1. First action
2. Second action
3. Third action

## Output Format
What the response should look like.

## Constraints
- What NOT to do
- Safety boundaries

Richtlinien

Unter 500 Wörter — längere Skills verwässern den Kontext
Imperativform — „Check the repository" statt „You should check"
Konkrete Beispiele — zeige erwartete Input/Output-Paare
Spezifische Tool-Referenzen — nenne die Befehle, APIs oder Muster, die verwendet werden sollen

Beispiel: Odoo Expert

# Odoo Expert

## Purpose
Odoo ERP module development: models, views, security, QWeb templates.

## When to Use
- Building or modifying Odoo modules
- Writing QWeb templates
- Configuring access rules and record rules
- Working with the ORM (create, write, search, browse)

## Protocol
1. Check if modifying an existing module or creating new
2. Follow Odoo 17 conventions (manifest, models/, views/, security/)
3. Use self.env['model.name'] for ORM operations
4. Always use _t() or t-call for translatable strings
5. Test with --test-tags after changes

## Constraints
- Never use cr.execute() for direct SQL — use ORM
- Never use sudo() unless security context explicitly requires it
- No inline JavaScript in QWeb templates

Schritt 2: Evals schreiben (Qualitätsregeln)

Evals sind deklarative Regeln, die jede Antwort automatisch validieren. Sie laufen nach der Ausgabe von Claude und fügen Warnungshinweise hinzu, wenn Regeln nicht erfüllt werden.

Dateinamenskonvention

skills/<name>/<name>.evals.json

Schema

{
  "version": 1,
  "skill": "my-new-skill",
  "rules": [
    {
      "id": "ms-001",
      "name": "Human-readable rule description",
      "type": "rule_type",
      "value": "for string/length types",
      "pattern": "for regex types",
      "severity": "warning"
    }
  ]
}

Verfügbare Regeltypen

Typ	Was geprüft wird	Verwendet Feld
`string_contains`	Antwort enthält literalen Text	`value` (string)
`string_not_contains`	Antwort enthält Text NICHT	`value` (string)
`regex_match`	Antwort stimmt mit Regex überein	`pattern` (string)
`regex_not_match`	Antwort stimmt mit Regex NICHT überein	`pattern` (string)
`max_length`	Antwortlänge <= N Zeichen	`value` (number)
`min_length`	Antwortlänge >= N Zeichen	`value` (number)

Schweregrade

warning — Weist auf ein Qualitätsproblem hin. Wird als ⚠️ angezeigt.
info — Hinweis. Wird als ℹ️ angezeigt.

Beispiel

{
  "version": 1,
  "skill": "odoo-expert",
  "rules": [
    {
      "id": "oe-001",
      "name": "Must use ORM, not raw SQL",
      "type": "string_not_contains",
      "value": "cr.execute",
      "severity": "warning"
    },
    {
      "id": "oe-002",
      "name": "Must use translation helpers",
      "type": "regex_match",
      "pattern": "_t\\(|t-call|t-esc",
      "severity": "warning"
    },
    {
      "id": "oe-003",
      "name": "Response under 5000 chars",
      "type": "max_length",
      "value": 5000,
      "severity": "info"
    }
  ]
}

Tipps

Beginne mit 2–3 Regeln. Füge weitere hinzu, sobald du Muster aus Korrekturen erkennst.
Sicherheit zuerst: string_not_contains für gefährliche Befehle, regex_not_match für Credential-Muster.
ID-Konvention: <skill-prefix>-<number> (z. B. oe-001, gm-002).
Testen: Sende eine Nachricht, die den Skill auslösen soll, und prüfe, ob Warnungen korrekt erscheinen.

Schritt 3: In _registry.json registrieren

Die Registry informiert den Context Router über deinen Skill, damit er für relevante Nachrichten empfohlen werden kann.

Eintrag hinzufügen

{
  "name": "my-new-skill",
  "description": "One sentence (shown in SKILLS_HINT, max 80 chars).",
  "triggers": ["direct-command", "explicit-request", "пряма команда"],
  "keywords": ["broader", "semantic", "related-term"],
  "agents": ["rick"],
  "category": ["complex"],
  "phase": "21.5"
}

Triggers vs. Keywords

Triggers (je 2 Punkte): Direkte Aufruf-Signale. Der Nutzer möchte diesen Skill explizit.

„deploy", „review", „scaffold", „odoo", „audit"

Keywords (je 1 Punkt): Breitere Begriffe, die Relevanz andeuten, ohne direkte Befehle zu sein.

„OWASP", „Docker", „CI/CD", „production", „module"

Richtlinien

Ukrainische Entsprechungen in Triggers aufnehmen für zweisprachige Teams
Beschreibungen unter 80 Zeichen halten (werden in SKILLS_HINT abgeschnitten)
5–8 Triggers pro Skill (mehr = unschärfes Matching)
Keywords sind optional, verbessern das Routing aber deutlich

Schritt 4: Library Skills (einfaches Format)

Für Domain-Expertise, die weder Evals noch ein eigenes Verzeichnis benötigt, verwende skills/library/:

skills/library/
├── docker-ops.md
├── postgres-pro.md
└── react-patterns.md

Das sind einzelne .md-Dateien. Kein Verzeichnis, keine Evals, keine Referenzen. Gut geeignet für wissensintensive Skills mit wenig Validierungsbedarf.

Checkliste

skills/<name>/skill.md — Instruktion mit Purpose, Protocol, Constraints
skills/<name>/<name>.evals.json — mindestens 2 Validierungsregeln
Eintrag in skills/_registry.json — mit Triggers und Keywords
Name überall konsistent — Verzeichnisname = Eval-Skill-Name = Registry-Name
Testen: Trigger-Nachricht senden → SKILLS_HINT in Logs prüfen
Testen: Eval-Fehler absichtlich auslösen → Warnung prüfen

Was zur Laufzeit passiert

1. Bot starts → loadRegistry() reads _registry.json
                 loadEvals() reads all .evals.json files
                 loadLearnings() reads learnings.md

2. Message arrives → routeContext() scores skills → SKILLS_HINT injected
                     formatForPrompt() adds LEARNINGS block

3. Claude responds → checkOutput() runs eval rules
                     formatEvalWarnings() appends footnotes

4. Fix It / thumbs-down → addLearning() writes to learnings.md
                          qualityTracker logs feedback

5. Nightly → findUnderperformingSkills() checks metrics
             Proposals sent to CEO for approval