Beste Fähigkeiten (2026)

1

Manage Headers (Grade A)

Sicherheitsgeprüfte Entwicklungsfähigkeit für Claude AI. Grad A. Prüft und konfiguriert die Sicherheitsheader, die eine Power Pages-Seite an Browser sendet – Content Security Policy, frame und clickjacking Schutz

Noch keine Bewertungen· free

Volle Rezension

Manage Headers (Grade A) ist eine sicherheitsgeprüfte Entwicklungskompetenz für Claude AI. Es ist darauf ausgelegt, die Sicherheitsheader einer Power Pages-Website zu prüfen und zu konfigurieren, die an Browser gesendet werden, einschließlich Content Security Policy, frame und clickjacking Schutz, Cross-Origin Sharing, Cookie-Verhalten und verwandte Seiteneinstellungen. Die Fähigkeit erkennt Lücken und führt den Benutzer Schritt für Schritt zu Lösungen, was sie nützlich für Aufgaben wie das Prüfen von Headern, das Beheben von CSP-Fehlern, die Kontrolle des Cross-Origin-Zugriffs, das Härten von Cookie-Einstellungen oder die Überprüfung, ob Browsereinstellungen sicher sind, macht. Sie kann verwendet werden, wenn der Benutzer verschiedene sicherheitsbezogene Ziele erreichen möchte, ohne explizit "Sicherheitsheader" zu erwähnen.

• Prüft aktuelle Sicherheitsheader
• Konfiguriert Content Security Policy
• Aktiviert frame und clickjacking Schutz
• Verwalten von cross-origin sharing und Cookie-Verhalten

2

Using Git Worktrees (Grade A)

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

Noch keine Bewertungen· free

Volle Rezension

Verwenden Sie dies, wenn Sie mit der Arbeit an einer neuen Funktion beginnen, die von der aktuellen Arbeitsumgebung isoliert werden muss, oder bevor Sie Implementierungspläne ausführen. Diese Fähigkeit erstellt isolierte Git Worktrees mit intelligenter Verzeichniswahl und Sicherheitsüberprüfung. Git Worktrees erstellen isolierte Arbeitsumgebungen, die dasselbe Repository teilen, und ermöglichen die Arbeit an mehreren Branches gleichzeitig, ohne zwischen ihnen wechseln zu müssen. Das Kernprinzip besteht in der systematischen Verzeichniswahl plus Sicherheitsüberprüfung, was zu einer zuverlässigen Isolation führt. Der Verzeichniswahlprozess folgt diesen Schritten: 1. Überprüfen Sie die Existenz von Verzeichnissen in der Prioritätsreihenfolge: verstecktes Verzeichnis ".worktrees Der Sicherheitüberprüfungsschritt ist kritisch und beinhaltet die Überprüfung, ob das gewählte Verzeichnis von Git ignoriert wird. Wenn es nicht ignoriert wird, fügt das Tool das Verzeichnis zur Datei ".gitignore" hinzu und commitet die Änderungen. Die Erstellungsschritte umfassen: 1. Erkennen des Projektnamens und Erstellen eines vollständigen Pfads für das Worktree. 2. Erstellen des Worktrees mit einem neuen Branch. 3. Ausführen der Projekteinrichtung, die automatisch die entsprechenden Einrichtungskommandos (z. B. Installieren von Abhängigkeiten) basierend auf dem Projekttyp (Node.js, Rust, Python oder Go) erkennt und ausführt. 4. Überprüfen einer sauberen Baseline durch Ausführen von Tests. Wenn Tests fehlschlagen, werden die Fehler gemeldet und es wird gefragt, ob fortgesetzt oder untersucht werden soll. 5. Melden des Worktree-Orts und seiner Bereitschaft, eine Funktion zu implementieren.

• Isolierte Arbeitsplatzbereitstellung
• Intelligente Verzeichnisorientierung
• Sicherheitsprüfung
• Automatisierte Projekt-Einrichtung
• Erstellung von isolierten Arbeitssätzen

3

Ga4 Bigquery Schema (Grade A)

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

Noch keine Bewertungen· free

Volle Rezension

Das Ga4 Bigquery Schema ist ein sicherheitsgetestetes Daten-Verständnis-Skill für Claude AI, das eine umfassende Referenz zu den Feldern, vertauten Strukturen, Abfragemustern und Performancetipps für den Google Analytics 4 BigQuery-Export-Schema bietet. Es ist darauf ausgelegt, Nutzern eine umfassende Verständnis der GA4-Export-Schema zu vermitteln, richtig SQL-Abfragen gegenüber GA4-Daten in BigQuery zu formulieren, und Leistungsbest Practices zu folgen. Das Schema exportiert rückständige Ereignisdaten in BigQuery in einem verschachtelten, denormalisierten Format, mit täglichen und Intradagentabellen verfügbar. Jede Zeile stellt ein einzelnes Ereignis dar mit verschachtelten Feldern für Ereignisparameter, Benutzerattribute und E-Commerce-Daten. Die obersten Felder umfassen Ereignisdatum, Ereignistimestamp, Ereignisname, Ereignisparameter und mehr. Der Feld event_params ist ein Array von Ereignisparameter, die als Schlüssel-Wert-Paare gespeichert werden, wobei häufige Ereignisparameter page_location und page_title umfassen. Das Schema umfasst zudem verschachtelte Strukturen für Benutzerinformationen, Geräteinformationen, geografische Informationen sowie Daten zu E-Commerce-Transaktionen. Die Ga4 Bigquery Schema-Kompetenz bietet eine Referenzhandbuch, damit Nutzer das Schema und ihre Anfragen effektiv gestalten können. Sie enthält Anweisungen für den Einsatz, Beispiele und Hinweise zur Leistung, damit Nutzer das volle Potenzial ihrer GA4-Daten ausschöpfen können. Durch die Verwendung dieser Kompetenz können Nutzer einen tieferen Einblick in ihre GA4-Daten erhalten und entscheidungsorientierte Entscheidungen treffen. Das Ga4 Bigquery Schema ist ein wertvolles Ressourcen für jeden, der mit GA4-Daten in BigQuery arbeitet, bietet eine umfassende und detaillierte Anleitung zum Schema und seinen vielen Funktionen. Mit seiner überprüften Sicherheit und der Grade A-Zertifizierung können Nutzer sicher sein, dass die Fähigkeit zuverlässig und genau ist. Zusammenfassend ist die Ga4 Bigquery Schema eine mächtige Werkzeug für jeden, der die volle Leistungsfähigkeit seiner GA4-Daten in BigQuery freilegen möchte. Ihre umfassende Referenz-, ihr Leerraum-Struktur und ihre Leistungsanleitungen machen es zu einem unverzichtbaren Werkzeug für jeden, der mit GA4-Daten arbeitet.

• Vollständige Feldreferenz
• Verknüpfte Strukturen
• Abfragemuster
• Leistungs-Tipps
• Vorab-justierte SQL-Beispiele

4

Meta Capi (Grade A)

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

Noch keine Bewertungen· free

Volle Rezension

Meta Capi ist eine sicherheitsgeprüfte data-ai-Fähigkeit für Claude AI und bietet eine umfassende Referenz zur Einrichtung der Meta Conversions API (CAPI). Sie behandelt Architektur, Eventtypen, Hashing von Kundendaten, Duplikaterkennung, Implementierungsbeispiele und Aggregated Event Measurement. Das Tool unterstützt Nutzer bei der korrekten Implementierung von CAPI, beim Debuggen von Ereignisverfolgungsproblemen, bei der Verbesserung der Event Match Quality und bei der Konfiguration von Duplikaterkennung. Es liefert präzise Antworten mit sofort einsetzbaren Codebeispielen und kann Cogny MCP-Tools nutzen, um Benutzereinstellungen zu überprüfen und kontextbezogene Empfehlungen zu geben.

• Überblick über die CAPI-Architektur
• Parameter für Ereignistypen
• Hashing von Kundendaten
• Strategien zur Duplikaterkennung
• Aggregated Event Measurement
• Node.js Implementierungsbeispiel

5

Callees (Grade A)

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

Noch keine Bewertungen· free

Volle Rezension

Callees (Note: A) ist eine sicherheitstestete Entwicklungsfähigkeit für Claude AI. Sie erkennt, was eine Funktion oder ein Methode aufruft, wodurch ein direkter Aufrufgraph generiert wird. Die Fähigkeit ist nutzlich für die Erstellung der Abhängigkeiten einer Funktion vor ihrem Extrahieren oder Verschieben, die Identifizierung der Verwendung von eingeschränkten oder veralteten Funktionen und die Schätzung des Auswirkungen einer Refaktorisierung. Es stellt ebenfalls Informationen über den Aufrufer bereit, einschließlich des Funktionnamens, der Zeilennummer und der Aufruftyp (native ERP, eingeschränkt, Benutzerfunktion oder extern). Indem man /plugadvpl:callees verwendet, können Benutzer den Namen einer Funktion eingeben und sehen, welche davon aufgerufen wird, wobei die Option zur Anpassung der Ausgabe als Tabelle oder in Markdown zur Verfügung steht. Dies ist Teil des Plugadvpl-Werkzeugs.

• Liste von Aufrufen in einem direkten Aufrufgraph
• Identifizierung des Aufruf-Typs (native ERP, eingeschränkt, Benutzerfunktion, extern)
• Informationen zur Zeile des Aufruforts
• Unterstützung mehrerer Ausgabedateien (z. B. Markdown)

6

Test Module Name (Grade A)

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

Noch keine Bewertungen· free

Volle Rezension

Benenne Haskell-Testmodule nach dem zu testenden Modul mit einem Spec-Suffix im gleichen Namespace. Dies wird durchgeführt, um die Bibliotheks- und Testverzeichnisse klar zu trennen und es einfacher zu machen, Abhängigkeiten und Beziehungen zwischen Modulen zu identifizieren. Insbesondere ist diese Best Practice bei der Erstellung oder Überprüfung von Haskell-Testmodulnamen oder der Organisation von Testdateien von Vorteil. Zum Beispiel sollte ein Testmodul namens Env.TypeSPEC in gleichen Namespace mit dem Modul, das getestet wird, Env.Type, platziert werden. Dies sichert die Klarheit von Beziehungen zwischen Modulen und ist besonders nützlich für Module mit komplexem Verhalten, wie z.B. solche, die von mehreren Modulen abhängen oder keine Abhängigkeiten zu bestimmten Modulen haben.

• Vorschläge für Testmodulnamen basierend auf dem zu testenden Modul anbieten
• Hinzufügen von 'Spec' zum Modulnamen
• Gleichnamenserweiterer Namespace wie das Modul, das getestet wird

7

Board Of Directors (Grade A)

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.

Noch keine Bewertungen· free

Volle Rezension

Die Board of Directors-Skill simuliert eine 5-köpfige Expertenjury für wichtige Entscheidungen. Sie bewertet Pläne, Architekturauswahlergebnisse, Funktionsdesigns oder jede Entscheidung, die eine Analyse aus mehreren Perspektiven erfordert. Die Jury besteht aus fünf Rollen: Chefarchitekt (CA), Chief Product Officer (CPO), Chief Security Officer (CSO), Chief Operations Officer (COO) und Chief Experience Officer (CXO). Jeder Direktor bringt Fachwissen ein und kann die Meinungen anderer Direktoren herausfordern. Der Diskussionsprozess beinhaltet individuelle Bewertungen, Board-Diskussionen und eine Abschlussabstimmung, um eine Meinungsbildung zu erreichen.

• Simuliert eine 5-köpfige Expertenjury
• Individuelle Bewertungen durch jeden Direktor
• Diskussion und Gegenargumente des Boards
• Abschlussabstimmung und Meinungsbildung
• Role-basierte Bewertung (CA, CPO, CSO, COO, CXO)

8

Advpl Mvc Avancado (Grade A)

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)

Noch keine Bewertungen· free

Volle Rezension

Advpl Mvc Avancado (Grade A) ist eine sicherheitsgeprüfte Entwicklungskompetenz für Claude AI. Sie ist darauf ausgelegt, das Standard-MVC (CNTA300/MATA070/MATA440/MATA460/FINA040 via *STRU) anzupassen, indem Grids, addTrigger in Kaskade und Validierungen hinzugefügt werden, während die Originalfelder erhalten bleiben. Es dient zur Anpassung einer MVC‑TOTVS‑Routine über Ponto de Entrada (A300STRU, MA440STRU, etc.) und bietet Funktionen wie querspezifische Validierung zwischen Eltern‑/Kind‑Grids im Standard‑Registrierungsbildschirm, steuerliche Berechnungen und bedingte Bearbeitungssperrungen basierend auf dem Status des Master‑Records. Es unterstützt außerdem die Integration mit MATXFIS, die Refaktorierung von MsNewGetDados und das Hinzufügen von benutzerdefinierten Feldern.

• Anpassung von Standard-MVC-Routinen über Entry Points (PE)
• Hinzufügen von benutzerdefinierten Grids und Triggern zu Standardbildschirmen
• Implementierung spezifischer Geschäftslogik und Validierungen
• Unterstützung für verschiedene TOTVS-Module (z. B. MATA010, MATA070, MATA440)

Docs Writer (Grade A) ist eine Workflow-Fähigkeit, die die Genauigkeit und Frische der Repository-Dokumentation aufrecht hält. Sie wurde zur Arbeit mit Claude AI konzipiert und hat eine Sicherheitsprüfung durchlaufen. Die Fähigkeit stellt sicher, dass die Dokumentation auf allen Seiten des Dokumentationssites, Agenten-Dateien und Versionsfeuilletons auf dem neuesten Stand ist. Es scheint auf DevOps-Umgebungen abgestimmt zu sein, was darauf hindeutet, dass das Anwendungsfeld sich auf Entwicklungsteams und Betriebsbereiche erstreckt. Die Fähigkeit lässt sich vermutlich darauf anwenden, den Prozess für das aktuelle Halten der Dokumentation zu automatisieren oder zu optimieren, was besonders in sich schnell ändernden Umgebungen eine zeitaufwändige Aufgabe darstellt. Der Umstand, dass Docs Writer der Kategorie 'Grade A' zugeordnet ist, impliziert eine hohe Eignung oder Qualität in seinem Verhalten. Allerdings sind ohne weitere Details weder die genauen Fähigkeiten, Stärken noch das Potenzial von Einschränkungen von Docs Writer (Grade A) klar aufgeklärt. Was Integration in der Arbeitsablauf betrifft, wird die Funktion durch den Befehl 'update docs' ausgelöst, was ihren Beitrag zum Reagieren auf Änderungen oder Updates in der Dokumentation deutlich macht. Dies lässt auf eine reaktive Herangehensweise an die Dokumentenpflege schließen, bei der die Funktion sichert, dass alle damit verbundenen Dokumente entsprechend aktualisiert werden. Im Wesentlichen spielt Docs Writer (Grade A) eine entscheidende Rolle bei der Aufrechterhaltung der Integrität und Zuverlässigkeit von Dokumentationen in einem Entwicklungs- oder DevOps-Umfeld. Dabei wird sichergestellt, dass Teams Zugriff auf genaue und aktuelle Informationen haben.

• Dokumentationsgenauigkeitspflege
• Automatisierte Aktualisierungen
• Repository-Synchronisation
• Changelog-Management
• Aktualisierungen in den Agenten-Dateien

10

Advpl Fundamentals (Grade A)

Sicherheitsgeprüfte Entwicklungskompetenz für Claude AI. Grade A. Grundlagen ADVPL/TLPP — Hungarische Notation (c/n/d/l/a/o/b/x/u), Namenskonvention, Scopes Local/Static/Private/Public, 10‑Zeichen‑Limit in .prw/.prx

Noch keine Bewertungen· free

Volle Rezension

AdvPL Fundamentals (Grade A) ist eine sicherheitsgeprüfte Entwicklungskompetenz für Claude AI. Sie konzentriert sich auf die Grundlagen von ADVPL/TLPP, einschließlich hungarischer Notation, Namenskonventionen, lokaler und globaler Scopes sowie Namenslängenbeschränkungen. ADVPL (Advanced Protheus Language) und sein Nachfolger TLPP sind proprietäre Sprachen, die von Clipper/xBase abgeleitet sind. Sie verfügen über starke Konventionen, die in hochwertigen Protheus-Code nicht optional sind. Diese Kompetenz ist für Protheus-Entwickler unerlässlich, insbesondere beim Erstellen oder Refaktorieren von Variablen und Funktionen. Die Kompetenz behandelt typische Stolperfallen, wie den stillen Fehler in klassischem ADVPL, bei dem der Name einer Variable auf 10 Zeichen gekürzt wird, sowie die Bedeutung der Verwendung des korrekten Scopes für Variablen. Sie behandelt, wann lokale, statische, private und öffentliche Variablen eingesetzt werden sollten, einschließlich Richtlinien für Sichtbarkeit und Lebensdauer. Die Kompetenz ist ein praktischer Leitfaden für Entwickler, um häufige Fehler zu vermeiden und ihre ADVPL/TLPP‑Kodierungsfähigkeiten zu verbessern.

• Hungarische Notation
• Namenskonventionen
• Local/Static/Private/Public Scopes
• 10‑Zeichen‑Limit für .prw/.prx Dateien