Claude Code Skills: Erstellen Sie benutzerdefinierte Workflows für Ihren KI-Coding-Assistenten

Wichtigste Erkenntnisse

• Claude Code Skills sind Markdown-Dateien, die Team-Regeln, Konventionen und Befehlsvorlagen direkt in den Kontext des Agents einspeisen.
• Ein Skill kann so einfach sein wie eine einzeilige Anweisung oder so komplex wie ein mehrstufiger Workflow mit Vorlagen, Beispielen und Referenzen auf Umgebungsvariablen.
• Skills ersetzen das ältere Verzeichnis für benutzerdefinierte Befehle und bieten eine einheitliche Methode, um den Agent einmal zu instruieren und dann sitzungsübergreifend wiederzuverwenden.
• Wenn Sie einen Skill an eine bestimmte Modellversion binden, werden Token-Kosten und Ausgabequalität vorhersehbar; vergleichen Sie Modelle im TokenLab-Modellverzeichnis und auf der Preisübersichtsseite von Anthropic, bevor Sie eines für die Produktion auswählen.

---

Claude Code Skills verstehen

Skills sind einfache Markdown-Textdateien, die in .claude/skills/ innerhalb Ihres Projekts (oder global unter ~/.claude/skills/) liegen. Wenn Sie einen Skill aufrufen, fügt Claude Code den Inhalt der Datei direkt in seinen System-Prompt ein und weist den Agent an, diese spezifischen Richtlinien vorrangig zu befolgen.

Diese Einspeisung bedeutet, dass Sie das Verhalten des Agents präzise steuern können. Eine Skill-Datei kann verbotene Muster, erforderliche Bibliotheken, Ausgabeformate oder eine vollständige Architektur-Checkliste enthalten. Da die Anweisungen zusammen mit Ihrem Code versioniert werden, erhält jedes Teammitglied automatisch dieselben Leitplanken.

Häufige Szenarien, die von einem dedizierten Skill profitieren, sind:

• Erzwingen strenger TypeScript-Typen anstelle von generischen Objekten.
• Standardisierung von API-Antwortformaten.
• Automatisierung der Generierung von Datenbank-Migrationen.
• Ausführen von Test-Suiten vor dem Committen von Code.

Indem Sie diese Workflows als Skills definieren, verhindern Sie, dass der Agent Befehle halluziniert oder veraltete Bibliotheken verwendet. Dies ist besonders nützlich bei der Arbeit mit fortschrittlichen Coding-Modellen. Wenn Sie zwischen verschiedenen LLMs für Ihre Entwicklungspipeline wählen, können Sie unseren Leitfaden zu den besten KI-Modellen für das Programmieren im Jahr 2026 lesen, um zu sehen, wie Claude Sonnet 5 im Vergleich zu Alternativen wie Kimi K2.7 Code oder DeepSeek V4 Pro abschneidet.

---

Einen benutzerdefinierten Skill erstellen

Das Erstellen eines Skills ist unkompliziert. Sie schreiben eine Markdown-Datei, speichern sie im richtigen Verzeichnis und referenzieren sie dann während Ihrer Claude Code-Sitzung. Gehen wir den Prozess durch, einen Skill zu erstellen, der eine saubere Architektur erzwingt und Test-Suiten ausführt.

Erstellen Sie zuerst das lokale Verzeichnis in Ihrem Projektstammverzeichnis:

mkdir -p .claude/skills

Erstellen Sie als Nächstes eine Datei namens verify-and-test.md in diesem Verzeichnis. Diese Datei weist Claude Sonnet 5 an, die Codebasis zu überprüfen, einen Unit-Test mit Vitest zu schreiben und die Test-Suite auszuführen, um die Änderungen zu verifizieren.

# Verify and Test Skill

Sie sind ein erfahrener Softwareentwickler. Ihre Aufgabe ist es, die Codeänderungen zu überprüfen, einen umfassenden Unit-Test zu schreiben und die Test-Suite auszuführen.

## Anweisungen

1. Code überprüfen: Analysieren Sie die geänderten Dateien. Stellen Sie sicher, dass keine veralteten APIs verwendet werden.
2. Unit-Test schreiben: Erstellen Sie eine Testdatei im Verzeichnis `tests/`. Verwenden Sie Vitest.
3. Tests ausführen: Führen Sie `npm run test` aus, um sicherzustellen, dass alle Tests bestehen.
4. Bericht: Geben Sie eine Zusammenfassung der Testergebnisse und aller gefundenen Probleme an.

## Beispiele

Wenn der Benutzer Sie bittet, eine neue Hilfsfunktion zu verifizieren:
- Suchen Sie nach `src/utils/math.ts`.
- Erstellen Sie `tests/math.test.ts`.
- Führen Sie `npm run test` aus.

Sobald Sie diese Datei speichern, erkennt Claude Code sie automatisch. Sie können sie aufrufen, indem Sie den Agent bitten, den "verify-and-test-Skill auf die neuesten Änderungen anzuwenden" oder indem Sie den Skill-Namen direkt in Ihrem Prompt referenzieren.

Um zu verstehen, wie verschiedene Modelle mit diesen komplexen, mehrstufigen agentischen Workflows umgehen, können Sie unseren OpenRouter-Vergleich lesen, um Latenz und Zuverlässigkeit über verschiedene API-Anbieter hinweg zu bewerten.

---

Verwaltung von Token-Kosten und Modellauswahl

Wenn Sie Claude Code ausführen, trägt jeder Skill, den Sie einspeisen, zu Ihrer Anzahl an Eingabe-Token bei. Da Skills an den System-Prompt angehängt werden, können lange Skill-Dateien mit umfangreichen Beispielen Ihre API-Rechnung schnell in die Höhe treiben.

Laut der Preisübersichtsseite von Anthropic (Stand 07.07.2026) haben Eingabe-Token und Ausgabe-Token unterschiedliche Kostenstrukturen. Zum Beispiel hat Claude Sonnet 5 eine spezifische Rate pro Million Eingabe-Token und eine höhere Rate pro Million Ausgabe-Token. Wenn Sie bei jedem Prompt einen Skill ausführen, summieren sich diese Eingabe-Token.

Um Ihre Entwicklungskosten überschaubar zu halten, sollten Sie diese Strategien in Betracht ziehen:

• Halten Sie Skills prägnant: Vermeiden Sie es, riesige Codebasen als Beispiele in die Skill-Datei einzufügen. Verwenden Sie stattdessen kurze, repräsentative Schnipsel.
• Verwenden Sie globale vs. lokale Skills: Bewahren Sie projektspezifische Regeln in .claude/skills/ und allgemeine Präferenzen in ~/.claude/skills/ auf, um Ihren Kontext nicht zu überladen.
• Vergleichen Sie alternative Modelle: Während Claude Sonnet 5 hervorragend für komplexe Programmieraufgaben geeignet ist, möchten Sie vielleicht einfachere Aufgaben an kostengünstigere Modelle weiterleiten. Sie können den Preisvergleichs-Leitfaden lesen, um zu sehen, wie verschiedene Anbieter ihre Eingabe- und Ausgabe-Token bepreisen.

---

Best Practices für Claude Code Skills

Um das Beste aus Ihren benutzerdefinierten Workflows herauszuholen, befolgen Sie diese praktischen Richtlinien.

Praxis	Beschreibung	Vorteil
Versionskontrolle	Committen Sie .claude/skills/ in Ihr Git-Repository.	Stellt sicher, dass das gesamte Team dieselben Codierungsstandards verwendet.
Eingaben definieren	Geben Sie an, welche Variablen oder Dateien der Skill erwartet.	Reduziert Mehrdeutigkeit und verhindert, dass der Agent raten muss.
Negative Beispiele bereitstellen	Fügen Sie "Was man nicht tun sollte"-Abschnitte in Ihr Markdown ein.	Verhindert, dass das Modell häufige Fehler aus der Vergangenheit wiederholt.
Inkrementelle Änderungen testen	Führen Sie den Skill zuerst bei kleinen Codeänderungen aus.	Macht das Debuggen der Skill-Anweisungen wesentlich einfacher.

Behandeln Sie Skills beim Schreiben wie Code. Wenn ein Skill nicht das gewünschte Ergebnis liefert, verfeinern Sie den Prompt, fügen Sie klarere Beispiele hinzu oder schränken Sie den Umfang der Anweisungen ein. Wenn Ihr Workflow die Generierung von Assets jenseits von Code erfordert, wie z. B. UI-Mockups oder Werbemedien, können Sie die beste KI-Bildmodell-API im Jahr 2026 oder die beste KI-Videomodell-API im Jahr 2026 erkunden, um die richtigen APIs für diese Aufgaben zu finden.

---

Häufig gestellte Fragen

Wo sollte ich meine Claude Code Skills speichern?

Sie können sie lokal in Ihrem Projektstammverzeichnis unter .claude/skills/ für projektspezifische Regeln speichern oder global unter ~/.claude/skills/ für Regeln, die Sie auf alle Ihre Projekte auf Ihrem Rechner anwenden möchten.

Kann ich andere Modelle mit Claude Code verwenden?

Claude Code wurde von Anthropic primär für die eigenen Modelle entwickelt, wie z. B. Claude Sonnet 5. Sie können jedoch die Fähigkeiten und Preise verschiedener Modelle im TokenLab-Modellverzeichnis vergleichen, um zu sehen, wie sie bei Coding-Benchmarks abschneiden.

Wie deaktiviere ich einen Skill während einer Sitzung?

Wenn Sie nicht möchten, dass Claude Code einen bestimmten Skill verwendet, können Sie die Markdown-Datei aus dem .claude/skills/-Verzeichnis verschieben oder die Dateiendung umbenennen, damit der Agent sie nicht als aktiven Skill erkennt.

---

Starten Sie mit TokenLab

Bereit, Ihren KI-Entwicklungs-Workflow zu optimieren? Das richtige Modell mit dem besten Preis-Leistungs-Verhältnis zu finden, ist entscheidend für die Skalierung Ihrer Anwendungen. Erkunden Sie die TokenLab-Kategorie für Code-Modelle, um die neuesten Modelle zu vergleichen, Token-Preise zu analysieren und das perfekte LLM für Ihre Coding-Agents zu finden.