Claude Skills
StartseiteTutorial💎 Kostenlose Auswahl
💻 Entwicklung⚙️ Backend🎨 Frontend🚀 DevOps⛓️ Web3 & Blockchain🎭 Kreativ📄 Dokumentation📊 Daten & KI💼 Geschäft🤖 Automatisierung🔒 Sicherheit
💎 Preise
⌘K
🏠 Startseite📖 Tutorial💎 Kostenlose Auswahl💳 Preise
💻 Entwicklung⚙️ Backend🎨 Frontend🚀 DevOps⛓️ Web3 & Blockchain🎭 Kreativ📄 Dokumentation📊 Daten & KI💼 Geschäft🤖 Automatisierung🔒 Sicherheit
CS
Claude Skills Free

Kuratierte Plattform mit über 1500 Claude AI Skills. Entdecken, lernen und Produktivität steigern.

Kategorien

EntwicklungFrontendBackendDaten & KIDokumentationDevOpsAlle Kategorien

Ressourcen

GitHubDokumentationAPI-ReferenzClaude AI

Unternehmen

Über UnsKontaktFAQ

Rechtliches

DatenschutzNutzungsbedingungen

© 2025 Claude Skills Free. Alle Rechte vorbehalten.

Gemacht mit❤für die Claude Community

  1. Startseite
  2. Entwicklung
  3. Ln 310 Story Decomposer
💻
Kostenlos
💻Development
✓ Verifiziert

Ln 310 Story Decomposer

Orchestriert Task-Operationen. Analysiert Story, erstellt optimalen Plan (1-6 Tasks), delegiert an ln-311-task-creator (ERSTELLEN/HINZUFÜGEN) oder ln-312-task-replanner (NEUPLANEN). Erkennt Team-ID automatisch.

levnikolaevich

Kernfunktionen

Sofort Einsatzbereit

Schnelle Integration in Ihren Workflow mit minimaler Einrichtung

Community-Verifiziert

Aktive Open-Source-Community mit kontinuierlichen Updates

Völlig Kostenlos

MIT/Apache-Lizenz für kommerzielle und private Nutzung

Flexible Erweiterung

Anpassbar und erweiterbar nach Ihren Bedürfnissen

Verwendung

1Skill-Datei Abrufen

Laden Sie die Skill-Datei aus dem Quell-Repository herunter oder kopieren Sie sie

2In Claude Installieren

Platzieren Sie die Skill-Datei im Skills-Verzeichnis von Claude (normalerweise ~/.claude/skills/)。

3Nutzung Starten

Starten Sie Claude neu oder führen Sie den Reload-Befehl aus, um die Skill zu laden

Tipp: Lesen Sie die Dokumentation und den Code vor der ersten Verwendung sorgfältig durch, um die Funktionalität und Berechtigungsanforderungen zu verstehen

Verwandte Tags

#frontend#git

Technische Informationen

Autor
levnikolaevich
Kategorie
Development
Dateigröße
3.59 KB
Quell-Repository
levnikolaevich__claude-code-skills
Metadaten
Enthält YAML-Metadaten
Lizenz
MIT

Alle Skills stammen aus der Open-Source-Community und bewahren die Urheberrechte der ursprünglichen Autoren

levnikolaevich__claude-code-skills/ln-310-story-decomposer/SKILL.md

Warum Diese Skill Wählen

Bewährte Vorteile und messbare Wirkung

50%

Schnellere PR-Genehmigungen

Halbieren Sie die Zeit für die Bearbeitung von Gutachterkommentaren

3x

Verbesserte Codequalität

Sicherstellung der einheitlichen Umsetzung von Best Practices und Richtlinien

90%

Nacharbeit reduzieren

Minimieren Sie Rückfragen, indem Sie Feedback präzise umsetzen

Anwendungsfälle

Perfekt für diese Szenarien

🔧

PR-Kommentare beheben

Reviewer-Kommentare automatisch bearbeiten und die Codequalität verbessern

📝

Code-Stil aktualisieren

Konsistente Formatierungs- und Stilrichtlinien in allen Dateien anwenden

🚀

Refactoring-Vorschläge

Leistungs- und Wartbarkeitsverbesserungen aus Reviews umsetzen

🔍

Debugging-Feedback

Fehler und Probleme, die in Code-Reviews gemeldet wurden, beheben

Verwandte Skills

Alle Skills Anzeigen
Empfohlen basierend auf Tags und Kategorie

Agentenfabrik

Claude Code-Agent-Erzeugungssystem, das benutzerdefinierte Agenten und Sub-Agenten mit erweiterter YAML-Frontmatter, Tools-Zugriffsmustern und MCP-Integrationsunterstützung gemäß bewährten Produktionsmustern erstellt

authenticationautomationbackend+9
377k
Development

Agenten

Kostenlos

Generieren und pflegen Sie AGENTS.md-Dateien entsprechend der öffentlichen agents.md-Konvention. Verwenden Sie dies bei der Erstellung von Dokumentation für KI-Agenten-Workflows, Onboarding-Anleitungen oder bei der Standardisierung von Agenten-Interaktionsmustern zwischen Projekten.

backendcssdocker+11
481k
Frontend

Eon

Diese Fähigkeit sollte für Zeitreihenmaschinelles Lernen einschließlich Klassifikation, Regression, Clustering, Prognose, Anomalieerkennung, Segmentierung und Ähnlichkeitssuche verwendet werden. Verwenden Sie sie bei der Arbeit mit zeitlichen Daten, sequentiellen Mustern oder zeitindexierten Beobachtungen, die spezialisierte Algorithmen über standardisierte ML-Ansätze hinaus erfordern. Besonders geeignet für die Analyse univariate und multivariate Zeitreihen mit scikit-learn-kompatiblen APIs.

ai-mldocumentationgit+1
170k
Development

Alphafold-Datenbank

Greifen Sie auf über 200 Millionen durch KI vorhergesagte Proteinstrukturen von AlphaFold zu. Abrufen von Strukturen per UniProt-ID, Herunterladen von PDB/mmCIF-Dateien, Analyse von Zuverlässigkeitsmetriken (pLDDT, PAE) für die Arzneimittelforschung und Strukturbiologie.

apiclouddata-analysis+4
302k
Backend
Alle Skills Anzeigen