
Dependency Remediation (Grade A)Sicherheitsgetestete Entwicklungsfähigkeit für Claude AI. Grade A. Schritt-für-Schritt-Workflow zur Behebung von npm/pnpm/yarn-Schwachstellen und Überprüfung von Dependabot-PRs mit Semver- und CI-Sicherheit.
Übersicht
Hauptfunktionen
- Schwachstellenbewertung
- Automatisierte nicht-ändernde Fixes
- Dependabot PR-Überprüfung
- Handhabung von Major-Upgrades
- Dokumentation von Restrisiken
Preise
- Modell
- Free
- Kategorie
- Fähigkeiten
- Bewertung
- Noch keine Bewertungen
Anwendungsfälle
Behebung von npm-Schwachstellen
Verwenden von Dependency Remediation zur Behebung von Schwachstellen, die von npm audit identifiziert wurden.
Überprüfung von Dependabot PRs
Verwenden von Dependency Remediation zur sicheren Überprüfung und Zusammenführung von Dependabot PRs.
Pro & Contra
Pro
- Wiederholbarer Überprüfungsprozess
- CI-Sicherheitsintegration
- Semver-Versionierung
Contra
- Manuelle Überprüfung erforderlich
- Potenzial für Breaking-Changes
Bewertungen
Melde dich an, um eine Bewertung abzugeben.
Noch keine Bewertungen. Sei die/der Erste!
Fragen & Antworten
Why You Should Use This?
Individuell: 30%+ Token‑Sparnis, keine Wiederholung von Standards, Sicherheitsgräben, sofortiges Scaffolding. Teams: Konsistentes AI‑Verhalten, On‑boarding am ersten Tag, codierte Muster, kumulative Kosteneinsparungen. Organisationen: Immer‑an-Online Compliance, dieselben Standards über 1.000 Projekte, zentrale Governance, messbarer ROI.
Asked by Kalinda Reddy · Nov 12, 2025
What You Can Customize?
Projektidentität (Name, Beschreibung, Repo-URL). Tech‑Stack (Sprache, Framework, Tools). Pfade (Verzeichnisstruktur für Handler, Services, gemeinsamen Code). Domain (Geschäftseinheiten und Lebenszykluszustände). Muster (Code‑Muster wie Handler‑Flow, Fehlerbehandlung). Tests (Qualitätsgates wie Coverage‑Schwellen, Test/Lint/Type‑Check Befehle). Datenbank (Konventionen wie Soft‑Delete‑Felder, Zeitstempel, Benennung). Pakete (interne Paket‑Scopes und Registry‑URLs). Konventionen (Git‑Workflow, Branch‑Präfixe, Commit‑Format, PR‑Templates).
Asked by Grace Okafor · Nov 4, 2025
What it detects?
Erkennt: Sprache: tsconfig.json, go.mod, Cargo.toml, requirements.txt, pom.xml, Dateierweiterungen. Framework: Abhängigkeiten in package.json / requirements.txt (React, Express, Django, Spring, etc.). Datenbank: ORM-Konfigurationen (prisma/, sequelize, typeorm), .sql-Dateien, Migrationsordner. Tests: jest.config., vitest, pytest, cypress/, playwright.config. Infrastruktur: Dockerfile, terraform/, cdk.json, serverless.yml, Cloud‑SDK-Abhängigkeiten. CI/CD: .github/workflows/, .gitlab-ci.yml, Jenkinsfile.
Asked by Anders Lindgren · Oct 15, 2025
Was steckt drin?
Regeln (47): Erzwingen von Coding‑Standards bei jeder KI-Interaktion, immer aktiv. Agenten (62): Spezialisierte Assistenten für komplexe Aufgaben, bei Bedarf über /agent-name. Fähigkeiten (50): Schritt‑für‑Schritt geführte Workflows mit Checklisten, kontextuell ausgelöst. Befehle (37): Leichtgewichtig, token‑effizient, schnelle Aktionen, bei Bedarf über /command. Hooks (12): Automatisierungsskripte im KI‑Loop, ereignisgesteuerte Aktionen vor/nach. Vorlagen (9): Grundgerüst für Handler, Komponenten, Tests usw., von Fähigkeiten und Agenten referenziert.
Asked by Zain Malik · Sep 30, 2025
Wie funktioniert es?
Schicht 1 — Vorverarbeitung: Hooks fügen Projektkontext hinzu und blockieren gefährliche Befehle, bevor dein Prompt die KI erreicht. Schicht 2 — Regel-Engine: 47 stets aktive Regeln sorgen für Token-Effizienz, Sicherheit, Architektur, Code‑Standards, Datenbankkonventionen und Test‑Schwellenwerte. Schicht 3 — Spezialverarbeitung: Das passende Modul – ein Agent, eine Fähigkeit oder ein Befehl – wird je nach Prompt aktiviert. Schicht 4 — Nachverarbeitung: Hooks validieren die Ausgabe, formatieren automatisch, scannen nach Geheimnissen und prüfen die Abdeckung.
Asked by Grzegorz Lewandowski · Sep 22, 2025
Frage stellen
Alternativen zu Fähigkeiten

Sicherheitsgetesteter Daten- und KI-Workflows für Claude AI. Klasse A. Verwenden, wenn Sie Feature-Arbeiten starten, die von der aktuellen Arbeitsumgebung isoliert werden müssen, oder bevor Sie Implementierungspläne ausführen - erstellt isolated Git Worktrees

Sicherheitsgetestete Daten-AI-Fähigkeit für Claude AI. (Grade A). GA4 BigQuery Export-Schema-Referenz — vollständiger Feldbezug, verknüpfte Strukturen, Abfragemuster und Leistungs-Tipps

Sicherheitsgeprüfte data-ai-Fähigkeit für Claude AI. Grade A.

Sicherheitstests für die Entwicklung von Claude AI. Note: A. Aufrufgraph der direkten Aufrufe auflisten

Sicherheitsgetestete daten-AI-Fähigkeit für Claude AI. Grade A. Benenne Haskell-Testmodule nach dem zu testenden Modul mit einem Spec-Suffix im gleichen Namespace.

Erforscht-geprüftes Datenspiel für AI. Bester Ruf. Simuliere eine Diskussion einer 5-köpfigen Expertenjury für wichtige Entscheidungen. Verwendung für die Bewertung von Plänen, Architekturauswahl, Funktionsdesigns oder jeder Entscheidung.

Sicherheitsgeprüfte Entwicklungsfertigkeit für Claude AI. Grade A. Fortgeschrittenes MVC über PE (Punkte des Eingangs) – benutzerdefinierte Grids zu Standard-MVC-Bildschirmen hinzufügen (CNTA300/MATA070/MATA440/MATA460/FINA040 via *STRU)
Sicherheitsgetestete Workflow-Fähigkeit für Claude AI. Klasse A. **WORKFLOW-SKILL** — Gewährleistung der Genauigkeit und Aktualität der Repository-Dokumentation auf allen Seiten: Dokumentationsseite, Agenten-Dateien und Changelog. WANN: 'update docs'
Trending now

Genaue Hilfe bei Hausaufgaben mit ausführlichen Erklärungen

Intelligenter Dokument API zur Analyse, Trennung, OCR-Analyse und Strukturierung von komplexen PDFs, Präsentationen und Tabellenkalkulationen.

Offenes multimodales 12B-Modell, das ineinander verschachtelte Bilder und Text mit einem Kontextfenster von 128 K verarbeitet.

Gepflichtete Antworten mit Provision pro Klick.
