Test Data Factory (Grade A)Sicherheitstestete Entwicklerfähigkeit für Claude AI. Klasse A. Erstelle typo-sichere Testdatengeneratoren und Fixtures für Einheits- und Integrations-tests. Verwende es, wenn der Benutzer aufgefordert wird, Fiktionsdaten zu erstellen, Testfixtures oder Datenfabriken.

Warum sollte man das benutzen?

| Zielgruppe | Wesentliche Vorteile | | ---------- | -------------------- | | Einzelperson | 30 %+ Token‑Einsparungen, Wiederholung von Standards vermeiden, Sicherheitsrichtlinien, sofortiges Scaffolden | | Teams | Konsistentes KI

Asked by Greta Nowak · May 15, 2026

Was kann man anpassen?

| Abschnitt | Was es steuert | Beispiel | | --------- | -------------- | -------- | | project | Projektidentität | Name, Beschreibung, Repo-URL | | techStack | Sprache, Framework, Werkzeuge | TypeScript + Express oder Python + FastAPI | | paths | Verzeichnisstruktur | Wo Handler, Services und gemeinsamer Code liegen | | domain | Geschäftsobjekte | Order, Product, Customer + Lifecycle-Status | | patterns | Code‑Muster | 7‑Schritte‑Handler‑Flow, Fehlerbehandlungs‑Strategie | | testing | Qualitäts‑Gates | 90 % Abdeckung, Test/Lint/Typ‑Check Befehle | | database | DB‑Konventionen | Soft‑Delete‑Feld, Zeitstempel‑Spalten, Benennung | | packages | Interne Pakete | @your-org‑Scope, Registrierungs‑URL | | conventions | Git und Workflow | Branch‑Präfixe, Commit‑Format, PR‑Templates |

Asked by Daniel Schmidt · May 3, 2026

Was erkennt es?

| Kategorie | Signale | | ------------------ | ------------------------------------------------------------------------------------------ | | 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, Migrations‑Ordner | | Testing | 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 Victor Nguyen · May 3, 2026

Was steckt darin?

| Ebene | Anzahl | Was sie tut | Wie sie ausgelöst wird | | ----- | ------ | ------------ | --------------------- | | Regeln | 47 | Erzwingt Coding‑Standards bei jeder KI‑Interaktion | Automatisch — immer aktiv | | Agenten | 62 | Spezial‑Assistenten für komplexe Aufgaben | Auf Abruf — /agent-name | | Skills | 50 | Schritt‑für‑Schritt‑Workflows mit Checklisten | Kontextbezogen — wenn Muster passen | | Befehle | 37 | Leichte, token‑effiziente Schnellaktionen | Auf Abruf — /command | | Hooks | 12 | Automatisierungsskripte im KI‑Loop | Ereignisgesteuert — vor/nach Aktionen | | Vorlagen | 9 | Gerüst für Handler, Komponenten, Tests usw. | Referenziert von Skills und Agenten |

Asked by Qiu Yan · Apr 10, 2026

Wie funktioniert das?

Ebene 1 — Vorverarbeitung: Hooks injizieren den Projektkontext und blockieren gefährliche Befehle, bevor Ihre Eingabe die KI erreicht. Ebene 2 — Regel-Engine: 47 ständig aktive Regeln sorgen für Token‑Effizienz, Sicherheit, Architektur, Code‑Standards, Datenbank‑Konventionen und Test‑Schwellenwerte. Ebene 3 — Spezialisierte Verarbeitung: Die passende Komponente wird aktiviert — ein Agent, Skill oder Befehl — basierend auf Ihrer Eingabe. Ebene 4 — Nachverarbeitung: Hooks prüfen die Ausgabe, formatieren automatisch, scannen nach Secrets und verifizieren die Abdeckung.

Asked by Sanjay Gupta · Apr 7, 2026