# Skill Seekers [English](README.md) | [简体中文](README.zh-CN.md) | [日本語](README.ja.md) | [한국어](README.ko.md) | [Español](README.es.md) | [Français](README.fr.md) | Deutsch | [Português](README.pt-BR.md) | [Türkçe](README.tr.md) | [العربية](README.ar.md) | [हिन्दी](README.hi.md) | [Русский](README.ru.md) > ⚠️ **Hinweis zur maschinellen Übersetzung** > > Dieses Dokument wurde automatisch durch KI übersetzt. Trotz Bemühungen um Qualität können ungenaue Ausdrücke vorkommen. > > Gerne können Sie über [GitHub Issue #260](https://github.com/yusufkaraaslan/Skill_Seekers/issues/260) zur Verbesserung der Übersetzung beitragen! Ihr Feedback ist uns sehr wertvoll. [](https://github.com/yusufkaraaslan/Skill_Seekers/releases) [](https://opensource.org/licenses/MIT) [](https://www.python.org/downloads/) [](https://modelcontextprotocol.io) [](tests/) [](https://github.com/users/yusufkaraaslan/projects/2) [](https://pypi.org/project/skill-seekers/) [](https://pypi.org/project/skill-seekers/) [](https://pypi.org/project/skill-seekers/) [](https://pepy.tech/projects/skill-seekers) [](https://skillseekersweb.com/) [](https://x.com/_yUSyUS_) [](https://github.com/yusufkaraaslan/Skill_Seekers) **Die Datenschicht für KI-Systeme.** Skill Seekers verwandelt Dokumentationswebsites, GitHub-Repositories, PDFs, Videos, Jupyter-Notebooks, Wikis und über 10 weitere Quelltypen in strukturierte Wissensressourcen — bereit für KI-Skills (Claude, Gemini, OpenAI), RAG-Pipelines (LangChain, LlamaIndex, Pinecone) und KI-Programmierassistenten (Cursor, Windsurf, Cline) in Minuten statt Stunden. > **[Besuchen Sie SkillSeekersWeb.com](https://skillseekersweb.com/)** - Durchsuchen Sie über 24 vorgefertigte Konfigurationen, teilen Sie Ihre Konfigurationen und greifen Sie auf die vollständige Dokumentation zu! > **[Entwicklungsroadmap und Aufgaben ansehen](https://github.com/users/yusufkaraaslan/projects/2)** - 134 Aufgaben in 10 Kategorien — wählen Sie eine beliebige zum Mitwirken! ## 🌐 Ökosystem Skill Seekers ist ein Multi-Repository-Projekt. Hier finden Sie alles: | Repository | Beschreibung | Links | |-----------|-------------|-------| | **[Skill_Seekers](https://github.com/yusufkaraaslan/Skill_Seekers)** | Kern-CLI & MCP-Server (dieses Repo) | [PyPI](https://pypi.org/project/skill-seekers/) | | **[skillseekersweb](https://github.com/yusufkaraaslan/skillseekersweb)** | Website & Dokumentation | [Web](https://skillseekersweb.com/) | | **[skill-seekers-configs](https://github.com/yusufkaraaslan/skill-seekers-configs)** | Community-Konfigurationsrepository | | | **[skill-seekers-action](https://github.com/yusufkaraaslan/skill-seekers-action)** | GitHub Action für CI/CD | | | **[skill-seekers-plugin](https://github.com/yusufkaraaslan/skill-seekers-plugin)** | Claude Code Plugin | | | **[homebrew-skill-seekers](https://github.com/yusufkaraaslan/homebrew-skill-seekers)** | Homebrew Tap für macOS | | > **Möchten Sie beitragen?** Die Website- und Konfigurations-Repos sind ideale Einstiegspunkte für neue Mitwirkende! ## Die Datenschicht für KI-Systeme **Skill Seekers ist die universelle Vorverarbeitungsschicht**, die zwischen Rohdokumentation und jedem KI-System steht, das diese konsumiert. Ob Sie Claude-Skills, eine LangChain-RAG-Pipeline oder eine Cursor-`.cursorrules`-Datei erstellen — die Datenaufbereitung ist identisch. Sie führen sie einmal durch und exportieren für alle Zielplattformen. ```bash # Ein Befehl → strukturierte Wissensressource skill-seekers create https://docs.react.dev/ # oder: skill-seekers create facebook/react # oder: skill-seekers create ./my-project # Export in jedes KI-System skill-seekers package output/react --target claude # → Claude AI Skill (ZIP) skill-seekers package output/react --target langchain # → LangChain Documents skill-seekers package output/react --target llama-index # → LlamaIndex TextNodes skill-seekers package output/react --target cursor # → .cursorrules skill-seekers package output/react --target ibm-bob # → IBM Bob Skill-Verzeichnis ``` ### Was erstellt wird | Ausgabe | Ziel | Einsatzbereich | |---------|------|---------------| | **Claude Skill** (ZIP + YAML) | `--target claude` | Claude Code, Claude API | | **Gemini Skill** (tar.gz) | `--target gemini` | Google Gemini | | **OpenAI / Custom GPT** (ZIP) | `--target openai` | GPT-4o, benutzerdefinierte Assistenten | | **LangChain Documents** | `--target langchain` | QA-Chains, Agenten, Retriever | | **LlamaIndex TextNodes** | `--target llama-index` | Query Engines, Chat Engines | | **Haystack Documents** | `--target haystack` | Enterprise-RAG-Pipelines | | **Pinecone-ready** (Markdown) | `--target markdown` | Vektor-Upsert | | **ChromaDB / FAISS / Qdrant** | `--target chroma/faiss/qdrant` | Lokale Vektordatenbanken | | **IBM Bob Skill** (Verzeichnis) | `--target ibm-bob` | IBM Bob Projekt-/globale Skills | | **Cursor** `.cursorrules` | `--target markdown` → SKILL.md kopieren | Cursor IDE `.cursorrules` | | **Windsurf / Cline / Continue** | `--target claude` → kopieren | VS Code, IntelliJ, Vim | ### Warum Skill Seekers - **99 % schneller** — Tage manueller Datenaufbereitung → 15–45 Minuten - **KI-Skill-Qualität** — Über 500 Zeilen SKILL.md-Dateien mit Beispielen, Mustern und Anleitungen - **RAG-fertige Chunks** — Intelligentes Chunking bewahrt Codeblöcke und Kontext - **18 Quelltypen** — Dokumentation + GitHub + PDF + Videos + Notebooks + Wikis u. v. m. zu einer Wissensressource vereinen - **Einmal aufbereiten, überall exportieren** — Export auf 21 Plattformen ohne erneutes Scrapen - **Videos** — Code, Transkripte und strukturiertes Wissen aus YouTube- und lokalen Videos extrahieren - **Kampferprobt** — Über 3.700 Tests, 24+ Framework-Presets, produktionsreif ## Schnellstart (3 Befehle) ```bash # 1. Installieren pip install skill-seekers # 2. Skill aus beliebiger Quelle erstellen skill-seekers create https://docs.django.com/ # 3. Für Ihre KI-Plattform paketieren skill-seekers package output/django --target claude ``` **Das war's!** Sie haben nun `output/django-claude.zip` einsatzbereit. ```bash # Einen anderen KI-Agenten für die Verbesserung verwenden (Standard: claude) skill-seekers create https://docs.django.com/ --agent kimi skill-seekers create https://docs.django.com/ --agent codex skill-seekers create https://docs.django.com/ --agent-cmd "my-custom-agent run" ``` ### KI-gestützter Projekt-Scan (neu) Richten Sie `scan` auf ein beliebiges Projekt: Ein KI-Agent liest dessen Manifeste, README, Dockerfile/CI und gesampelte Quellcode-Imports — und erstellt dann eine Konfiguration pro erkanntem Framework sowie eine `-codebase.json` für Ihren eigenen Code. Die erkannte Version wird festgehalten, sodass ein erneuter Lauf Versionssprünge meldet: ```bash skill-seekers scan ./my-react-app --out ./configs/scanned/ # → react.json, vite.json, tailwind.json, jest.json, my-react-app-codebase.json # Anschließend beliebige davon erstellen skill-seekers create ./configs/scanned/react.json ``` Gibt es für eine Erkennung kein vorhandenes Preset, generiert die KI eine neue Konfiguration; beim Beenden können Sie diese optional in die [Community-Registry](https://github.com/yusufkaraaslan/skill-seekers-configs) zurückveröffentlichen. ### Weitere Quellen (18 unterstützt) ```bash # GitHub-Repository skill-seekers create facebook/react # Lokales Projekt skill-seekers create ./my-project # PDF-Dokument skill-seekers create manual.pdf # Word-Dokument skill-seekers create report.docx # EPUB-E-Book skill-seekers create book.epub # Jupyter Notebook skill-seekers create notebook.ipynb # OpenAPI-Spezifikation skill-seekers create openapi.yaml # PowerPoint-Präsentation skill-seekers create presentation.pptx # AsciiDoc-Dokument skill-seekers create guide.adoc # Lokale HTML-Datei (automatisch anhand der Erweiterung erkannt) skill-seekers create page.html # Ganzes Verzeichnis mit HTML-Dateien (automatisch erkannt bei HTML-dominanten Verzeichnissen) skill-seekers create ./mirror_output/site/ # HTML-Modus für gemischte/code-lastige Verzeichnisse erzwingen skill-seekers create ./repo/ --html-path ./repo/docs/build/html/ # RSS-/Atom-Feed skill-seekers create feed.rss # Man-Page skill-seekers create curl.1 # Video (YouTube, Vimeo oder lokale Datei — erfordert skill-seekers[video]) skill-seekers create --video-url https://www.youtube.com/watch?v=... --name mytutorial # Erstmalig? Automatische Installation GPU-bewusster visueller Abhängigkeiten: skill-seekers create --setup # Confluence-Wiki skill-seekers create --space-key TEAM --name wiki # Notion-Seiten skill-seekers create --database-id ... --name docs # Slack-/Discord-Chatexport skill-seekers create --chat-export-path ./slack-export --name team-chat ``` ### Überallhin exportieren ```bash # Für mehrere Plattformen paketieren for platform in claude gemini openai langchain; do skill-seekers package output/django --target $platform done ``` ## Was ist Skill Seekers? Skill Seekers ist die **Datenschicht für KI-Systeme** und transformiert 18 Quelltypen — Dokumentationswebsites, GitHub-Repositories, PDFs, Videos, Jupyter-Notebooks, Word-/EPUB-/AsciiDoc-Dokumente, OpenAPI/Swagger-Spezifikationen, PowerPoint-Präsentationen, RSS/Atom-Feeds, Man-Pages, Confluence-Wikis, Notion-Seiten, Slack-/Discord-Chatexporte und mehr — in strukturierte Wissensressourcen für jedes KI-Ziel: | Anwendungsfall | Ergebnis | Beispiele | |----------------|----------|-----------| | **KI-Skills** | Umfassende SKILL.md + Referenzdateien | Claude Code, Gemini, GPT | | **RAG-Pipelines** | Dokumenten-Chunks mit reichhaltigen Metadaten | LangChain, LlamaIndex, Haystack | | **Vektordatenbanken** | Vorformatierte, upload-bereite Daten | Pinecone, Chroma, Weaviate, FAISS | | **KI-Programmierassistenten** | Kontextdateien, die Ihre IDE-KI automatisch liest | Cursor, Windsurf, Cline, Continue.dev | ## Dokumentation | Ich möchte... | Lesen Sie dies | |---------------|----------------| | **Schnell loslegen** | [Schnellstart](docs/getting-started/02-quick-start.md) - 3 Befehle bis zum ersten Skill | | **Konzepte verstehen** | [Kernkonzepte](docs/user-guide/01-core-concepts.md) - So funktioniert es | | **Quellen scrapen** | [Scraping-Anleitung](docs/user-guide/02-scraping.md) - Alle Quelltypen | | **Skills verbessern** | [Verbesserungs-Anleitung](docs/user-guide/03-enhancement.md) - KI-Verbesserung | | **Skills exportieren** | [Paketierungs-Anleitung](docs/user-guide/04-packaging.md) - Plattform-Export | | **Befehle nachschlagen** | [CLI-Referenz](docs/reference/CLI_REFERENCE.md) - Alle 20 Befehle | | **Konfigurieren** | [Konfigurationsformat](docs/reference/CONFIG_FORMAT.md) - JSON-Spezifikation | | **Probleme beheben** | [Fehlerbehebung](docs/user-guide/06-troubleshooting.md) - Häufige Probleme | **Vollständige Dokumentation:** [docs/README.md](docs/README.md) Anstatt tagelange manuelle Vorverarbeitung durchzuführen, erledigt Skill Seekers dies: 1. **Erfassen** — Dokumentation, GitHub-Repos, lokale Codebasen, PDFs, Videos, Jupyter-Notebooks, Wikis und über 10 weitere Quelltypen 2. **Analysieren** — Tiefgreifendes AST-Parsing, Mustererkennung, API-Extraktion 3. **Strukturieren** — Kategorisierte Referenzdateien mit Metadaten 4. **Verbessern** — KI-gestützte SKILL.md-Generierung (Claude, Gemini oder lokal) 5. **Exportieren** — 16 plattformspezifische Formate aus einer Ressource ## Warum Skill Seekers nutzen? ### Für KI-Skill-Ersteller (Claude, Gemini, OpenAI) - **Produktionsreife Skills** — Über 500 Zeilen SKILL.md-Dateien mit Codebeispielen, Mustern und Anleitungen - **Verbesserungsworkflows** — `security-focus`, `architecture-comprehensive` oder eigene YAML-Presets anwenden - **Jede Domäne** — Game-Engines (Godot, Unity), Frameworks (React, Django), interne Tools - **Teamarbeit** — Interne Dokumentation + Code zu einer einzigen Wissensquelle vereinen - **Hohe Qualität** — KI-verbessert mit Beispielen, Kurzreferenz und Navigationshinweisen ### Für RAG-Entwickler und KI-Ingenieure - **RAG-fertige Daten** — Vorgesplittete LangChain `Documents`, LlamaIndex `TextNodes`, Haystack `Documents` - **99 % schneller** — Tage der Vorverarbeitung → 15–45 Minuten - **Intelligente Metadaten** — Kategorien, Quellen, Typen → höhere Abrufgenauigkeit - **Multi-Source** — Dokumentation + GitHub + PDFs in einer Pipeline kombinieren - **Plattformunabhängig** — Export in jede Vektordatenbank oder jedes Framework ohne erneutes Scrapen ### Für KI-Programmierassistenten-Nutzer - **Cursor / Windsurf / Cline** — `.cursorrules` / `.windsurfrules` / `.clinerules` automatisch generieren - **Dauerhafter Kontext** — Die KI „kennt" Ihre Frameworks ohne wiederholtes Prompting - **Immer aktuell** — Kontext in Minuten aktualisieren, wenn sich die Dokumentation ändert ## Kernfunktionen ### Dokumentations-Scraping - **Intelligente SPA-Erkennung** - Dreischichtige Erkennung für JavaScript-SPA-Websites (sitemap.xml → llms.txt → Headless-Browser-Rendering) - **llms.txt-Unterstützung** - Erkennt und nutzt automatisch LLM-bereite Dokumentationsdateien (10x schneller) - **Universal-Scraper** - Funktioniert mit JEDER Dokumentationswebsite - **Intelligente Kategorisierung** - Organisiert Inhalte automatisch nach Themen - **Code-Spracherkennung** - Erkennt Python, JavaScript, C++, GDScript usw. - **Über 24 fertige Presets** - Godot, React, Vue, Django, FastAPI und mehr ### PDF-Unterstützung - **Grundlegende PDF-Extraktion** - Text, Code und Bilder aus PDFs extrahieren - **OCR für gescannte PDFs** - Text aus gescannten Dokumenten extrahieren - **Passwortgeschützte PDFs** - Verschlüsselte PDFs verarbeiten - **Tabellenextraktion** - Komplexe Tabellen aus PDFs extrahieren - **Parallelverarbeitung** - 3x schneller bei großen PDFs - **Intelligentes Caching** - 50 % schneller bei Wiederholungen ### Videoextraktion - **YouTube und lokale Videos** - Transkripte, Bildschirmcode und strukturiertes Wissen aus Videos extrahieren - **Visuelle Frameanalyse** - OCR-Extraktion aus Code-Editoren, Terminals, Folien und Diagrammen - **GPU-Autoerkennung** - Installiert automatisch den richtigen PyTorch-Build (CUDA/ROCm/MPS/CPU) - **KI-Verbesserung** - Zwei Durchläufe: OCR-Artefakte bereinigen + ausgefeilte SKILL.md generieren - **Zeitausschnitte** - Bestimmte Abschnitte mit `--start-time` und `--end-time` extrahieren - **Playlist-Unterstützung** - Alle Videos einer YouTube-Playlist stapelweise verarbeiten - **Vision-API-Fallback** - Claude Vision für OCR-Frames mit niedriger Konfidenz verwenden ### GitHub-Repository-Analyse - **Tiefgreifende Codeanalyse** - AST-Parsing für Python, JavaScript, TypeScript, Java, C++, Go - **API-Extraktion** - Funktionen, Klassen, Methoden mit Parametern und Typen - **Repository-Metadaten** - README, Dateibaum, Sprachverteilung, Stars/Forks - **GitHub Issues und PRs** - Offene/geschlossene Issues mit Labels und Meilensteinen abrufen - **CHANGELOG und Releases** - Versionshistorie automatisch extrahieren - **Konflikterkennung** - Dokumentierte APIs mit tatsächlicher Code-Implementierung vergleichen - **MCP-Integration** - Natürliche Sprache: „Scrape GitHub Repo facebook/react" ### Vereinheitlichtes Multi-Source-Scraping - **Mehrere Quellen kombinieren** - Dokumentation + GitHub + PDF in einem Skill vereinen - **Konflikterkennung** - Automatische Erkennung von Abweichungen zwischen Dokumentation und Code - **Intelligentes Zusammenführen** - Regelbasierte oder KI-gesteuerte Konfliktlösung - **Transparente Berichte** - Nebeneinander-Vergleich mit Warnhinweisen - **Dokumentationslückenanalyse** - Erkennt veraltete Dokumentation und undokumentierte Funktionen - **Einzelne Wahrheitsquelle** - Ein Skill zeigt sowohl Absicht (Dokumentation) als auch Realität (Code) - **Abwärtskompatibel** - Bestehende Einzelquellen-Konfigurationen funktionieren weiterhin ### Multi-LLM-Plattformunterstützung - **12 LLM-Plattformen** - Claude AI, Google Gemini, OpenAI ChatGPT, MiniMax AI, Generisches Markdown, OpenCode, Kimi (Moonshot AI), DeepSeek AI, Qwen (Alibaba), OpenRouter, Together AI, Fireworks AI - **Universelles Scraping** - Dieselbe Dokumentation funktioniert für alle Plattformen - **Plattformspezifische Paketierung** - Optimierte Formate für jedes LLM - **Ein-Befehl-Export** - `--target`-Flag wählt die Plattform - **Optionale Abhängigkeiten** - Nur installieren, was Sie benötigen - **100 % abwärtskompatibel** - Bestehende Claude-Workflows bleiben unverändert | Plattform | Format | Upload | Verbesserung | API Key | Benutzerdefinierter Endpunkt | |-----------|--------|--------|-------------|---------|------------------------------| | **Claude AI** | ZIP + YAML | Auto | Ja | ANTHROPIC_API_KEY | ANTHROPIC_BASE_URL | | **Google Gemini** | tar.gz | Auto | Ja | GOOGLE_API_KEY | - | | **OpenAI ChatGPT** | ZIP + Vector Store | Auto | Ja | OPENAI_API_KEY | - | | **MiniMax AI** | ZIP + Knowledge Files | Auto | Ja | MINIMAX_API_KEY | - | | **Generisches Markdown** | ZIP | Manuell | Nein | - | - | ```bash # Claude (Standard - keine Änderungen nötig!) skill-seekers package output/react/ skill-seekers upload react.zip # Google Gemini pip install skill-seekers[gemini] skill-seekers package output/react/ --target gemini skill-seekers upload react-gemini.tar.gz --target gemini # OpenAI ChatGPT pip install skill-seekers[openai] skill-seekers package output/react/ --target openai skill-seekers upload react-openai.zip --target openai # MiniMax AI pip install skill-seekers[minimax] skill-seekers package output/react/ --target minimax skill-seekers upload react-minimax.zip --target minimax # Generisches Markdown (universeller Export) skill-seekers package output/react/ --target markdown # Die Markdown-Dateien direkt in jedem LLM verwenden ```

Eigenen KI-Anbieter verwenden (OpenAI-kompatible Endpunkte + Abonnements, keine Anthropic-Credits nötig)

Der optionale KI-**Verbesserungsschritt** (verwendet von `create`, `scan` und `enhance`) erfordert **keinen** Anthropic-Key. Sie haben drei Möglichkeiten, ihn zu betreiben: **1. Ein Abonnement nutzen, das Sie bereits bezahlen — ganz ohne API-Credits (LOCAL-Agentenmodus)** Skill Seekers kann eine Coding-Agent-CLI aufrufen, bei der Sie bereits angemeldet sind, sodass die Verbesserung über Ihren bestehenden Tarif läuft statt über abgerechnete API-Tokens: ```bash skill-seekers create --agent codex # OpenAI Codex CLI → Ihr ChatGPT Plus skill-seekers create --agent claude # Claude Code → Ihr Claude Pro/Max ``` Unterstützte Agenten: `claude`, `codex`, `copilot`, `opencode`, `kimi` und `custom` (kombinieren Sie `--agent custom` mit `--agent-cmd " ..."`, um jedes andere Tool anzusteuern). **2. Jeder OpenAI-kompatible Anbieter (OpenRouter, Groq, Cerebras, Mistral, NVIDIA NIM, …)** Alle diese Anbieter stellen einen OpenAI-kompatiblen `/v1`-Endpunkt bereit. Richten Sie Skill Seekers mit drei Umgebungsvariablen darauf aus — es erkennt `OPENAI_API_KEY`, und das OpenAI SDK berücksichtigt `OPENAI_BASE_URL` automatisch: ```bash export OPENAI_API_KEY="" export OPENAI_BASE_URL="https://openrouter.ai/api/v1" # Anbieter-Endpunkt (siehe Tabelle) export OPENAI_MODEL="" # erforderlich — der Standard gpt-4o existiert anderswo nicht skill-seekers create ``` | Anbieter | `OPENAI_BASE_URL` | |--------------|--------------------------------------------| | OpenRouter | `https://openrouter.ai/api/v1` | | Groq | `https://api.groq.com/openai/v1` | | Cerebras | `https://api.cerebras.ai/v1` | | Mistral | `https://api.mistral.ai/v1` | | NVIDIA NIM | `https://integrate.api.nvidia.com/v1` | > Die Anbieter-Erkennung wählt die **erste** gefundene API-Key-Umgebungsvariable (`ANTHROPIC_API_KEY` → `GOOGLE_API_KEY` → `OPENAI_API_KEY` → `MOONSHOT_API_KEY`). Setzen Sie `SKILL_SEEKER_PROVIDER`, um einen bestimmten Anbieter zu erzwingen, oder stellen Sie sicher, dass die höher priorisierten Keys nicht gesetzt sind. **3. Claude-kompatible Endpunkte (z. B. GLM, Proxys)** ```bash export ANTHROPIC_API_KEY="your-key" export ANTHROPIC_BASE_URL="https://your-claude-compatible-endpoint/v1" ``` Google Gemini (`GOOGLE_API_KEY`) und Kimi/Moonshot (`MOONSHOT_API_KEY`) werden ebenfalls nativ unterstützt. Die vollständige Liste — einschließlich anbieterspezifischer Modell-Overrides — finden Sie in der **[Umgebungsvariablen-Referenz](docs/reference/ENVIRONMENT_VARIABLES.md#llm-provider-selection)**.

**Installation:** ```bash # Mit Gemini-Unterstützung installieren pip install skill-seekers[gemini] # Mit OpenAI-Unterstützung installieren pip install skill-seekers[openai] # Mit MiniMax-Unterstützung installieren pip install skill-seekers[minimax] # Mit allen LLM-Plattformen installieren pip install skill-seekers[all-llms] ``` ### RAG-Framework-Integrationen - **LangChain Documents** - Direkter Export ins `Document`-Format mit `page_content` + Metadaten - Geeignet für: QA-Chains, Retriever, Vektorspeicher, Agenten - Beispiel: [LangChain RAG-Pipeline](examples/langchain-rag-pipeline/) - Anleitung: [LangChain-Integration](docs/integrations/LANGCHAIN.md) - **LlamaIndex TextNodes** - Export ins `TextNode`-Format mit eindeutigen IDs + Embeddings - Geeignet für: Query Engines, Chat Engines, Storage Context - Beispiel: [LlamaIndex Query Engine](examples/llama-index-query-engine/) - Anleitung: [LlamaIndex-Integration](docs/integrations/LLAMA_INDEX.md) - **Pinecone-fertiges Format** - Optimiert für Vektordatenbank-Upsert - Geeignet für: Produktions-Vektorsuche, semantische Suche, Hybridsuche - Beispiel: [Pinecone Upsert](examples/pinecone-upsert/) - Anleitung: [Pinecone-Integration](docs/integrations/PINECONE.md) **Schnellexport:** ```bash # LangChain Documents (JSON) skill-seekers package output/django --target langchain # → output/django-langchain.json # LlamaIndex TextNodes (JSON) skill-seekers package output/django --target llama-index # → output/django-llama-index.json # Markdown (Universal) skill-seekers package output/django --target markdown # → output/django-markdown/SKILL.md + references/ ``` **Vollständige RAG-Pipeline-Anleitung:** [RAG-Pipelines-Dokumentation](docs/integrations/RAG_PIPELINES.md) --- ### KI-Programmierassistenten-Integrationen Verwandeln Sie beliebige Framework-Dokumentation in Experten-Programmierkontext für über 4 KI-Assistenten: - **Cursor IDE** - `.cursorrules` für KI-gestützte Codevorschläge generieren - Geeignet für: Framework-spezifische Codegenerierung, konsistente Muster - Anleitung: [Cursor-Integration](docs/integrations/CURSOR.md) - Beispiel: [Cursor React Skill](examples/cursor-react-skill/) - **Windsurf** - Windsurf-KI-Assistentenkontext mit `.windsurfrules` anpassen - Geeignet für: IDE-native KI-Unterstützung, Flow-basiertes Programmieren - Anleitung: [Windsurf-Integration](docs/integrations/WINDSURF.md) - Beispiel: [Windsurf FastAPI Kontext](examples/windsurf-fastapi-context/) - **Cline (VS Code)** - System-Prompts + MCP für VS Code Agenten - Geeignet für: Agentische Codegenerierung in VS Code - Anleitung: [Cline-Integration](docs/integrations/CLINE.md) - Beispiel: [Cline Django Assistent](examples/cline-django-assistant/) - **Continue.dev** - Kontextserver für IDE-unabhängige KI - Geeignet für: Multi-IDE-Umgebungen (VS Code, JetBrains, Vim), benutzerdefinierte LLM-Anbieter - Anleitung: [Continue-Integration](docs/integrations/CONTINUE_DEV.md) - Beispiel: [Continue Universal Kontext](examples/continue-dev-universal/) **Schnellexport (für KI-Programmiertools):** ```bash # Für jeden KI-Programmierassistenten (Cursor, Windsurf, Cline, Continue.dev) skill-seekers create --config configs/django.json skill-seekers package output/django --target claude # In Ihr Projekt kopieren (Beispiel für Cursor) cp output/django-claude/SKILL.md my-project/.cursorrules # Oder für Windsurf cp output/django-claude/SKILL.md my-project/.windsurf/rules/django.md # Oder für Cline cp output/django-claude/SKILL.md my-project/.clinerules ``` **Integrations-Hub:** [Alle KI-System-Integrationen](docs/integrations/INTEGRATIONS.md) --- ### Drei-Stream-GitHub-Architektur - **Triple-Stream-Analyse** - GitHub-Repos in Code-, Dokumentations- und Insights-Streams aufteilen - **Vereinheitlichter Codebase-Analyzer** - Funktioniert mit GitHub-URLs UND lokalen Pfaden - **C3.x als Analysetiefe** - „basic" (1–2 Min.) oder „c3x" (20–60 Min.) Analyse wählen - **Erweiterte Router-Generierung** - GitHub-Metadaten, README-Schnellstart, häufige Probleme - **Issue-Integration** - Häufigste Probleme und Lösungen aus GitHub Issues - **Intelligente Routing-Schlüsselwörter** - GitHub-Labels 2x gewichtet für bessere Themenerkennung **Drei Streams erklärt:** - **Stream 1: Code** - Tiefgreifende C3.x-Analyse (Muster, Beispiele, Anleitungen, Konfigurationen, Architektur) - **Stream 2: Dokumentation** - Repository-Dokumentation (README, CONTRIBUTING, docs/*.md) - **Stream 3: Insights** - Community-Wissen (Issues, Labels, Stars, Forks) ```python from skill_seekers.cli.unified_codebase_analyzer import UnifiedCodebaseAnalyzer # GitHub-Repo mit allen drei Streams analysieren analyzer = UnifiedCodebaseAnalyzer() result = analyzer.analyze( source="https://github.com/facebook/react", depth="c3x", # oder "basic" für schnelle Analyse fetch_github_metadata=True ) print(f"Design patterns: {len(result.code_analysis['c3_1_patterns'])}") print(f"Stars: {result.github_insights['metadata']['stars']}") ``` **Vollständige Dokumentation**: [Drei-Stream-Implementierungszusammenfassung](docs/archive/historical/IMPLEMENTATION_SUMMARY_THREE_STREAM.md) ### Intelligentes Rate-Limit-Management und Konfiguration - **Multi-Token-Konfigurationssystem** - Mehrere GitHub-Konten verwalten (Privat, Arbeit, Open Source) - Sichere Konfigurationsspeicherung unter `~/.config/skill-seekers/config.json` (Berechtigung 600) - Rate-Limit-Strategien pro Profil: `prompt`, `wait`, `switch`, `fail` - Intelligente Fallback-Kette: CLI-Argument → Umgebungsvariable → Konfigurationsdatei → Abfrage - **Interaktiver Konfigurationsassistent** - Ansprechende Terminal-UI für einfache Einrichtung - **Intelligenter Rate-Limit-Handler** - Kein endloses Warten mehr! - Echtzeit-Countdown, automatischer Profilwechsel - Vier Strategien: prompt (fragen), wait (Countdown), switch (wechseln), fail (abbrechen) - **Wiederaufnahme-Funktion** - Unterbrochene Aufgaben fortsetzen - **CI/CD-Unterstützung** - `--non-interactive`-Flag für Automatisierung **Schnelleinrichtung:** ```bash # Einmalige Konfiguration (5 Minuten) skill-seekers config --github # Spezifisches Profil für private Repositories verwenden skill-seekers create mycompany/private-repo --profile work # CI/CD-Modus (schnelles Abbrechen, keine Abfragen) skill-seekers create owner/repo --non-interactive # Unterbrochenen Job fortsetzen skill-seekers resume --list skill-seekers resume github_react_20260117_143022 ``` **Rate-Limit-Strategien erklärt:** - **prompt** (Standard) - Fragt bei Erreichen des Limits, was zu tun ist (warten, wechseln, Token einrichten, abbrechen) - **wait** - Wartet automatisch mit Countdown (respektiert das Timeout) - **switch** - Versucht automatisch das nächste verfügbare Profil (für Multi-Konto-Setups) - **fail** - Bricht sofort mit klarer Fehlermeldung ab (ideal für CI/CD) ### Bootstrap-Skill - Selbst-Hosting Skill Seekers selbst als Skill generieren, um es innerhalb Ihres KI-Agenten zu verwenden (Claude Code, Kimi, Codex usw.): ```bash # Skill generieren ./scripts/bootstrap_skill.sh # In Claude Code installieren cp -r output/skill-seekers ~/.claude/skills/ ``` **Was Sie erhalten:** - **Vollständige Skill-Dokumentation** - Alle CLI-Befehle und Nutzungsmuster - **CLI-Befehlsreferenz** - Jedes Tool und seine Optionen dokumentiert - **Schnellstart-Beispiele** - Gängige Workflows und Best Practices - **Auto-generierte API-Dokumentation** - Codeanalyse, Muster und Beispiele ### Private Konfigurations-Repositories - **Git-basierte Konfigurationsquellen** - Konfigurationen aus privaten/Team-Git-Repositories abrufen - **Multi-Source-Verwaltung** - Unbegrenzte GitHub-, GitLab-, Bitbucket-Repositories registrieren - **Team-Zusammenarbeit** - Benutzerdefinierte Konfigurationen in 3–5-Personen-Teams teilen - **Enterprise-Unterstützung** - Skalierung auf 500+ Entwickler - **Sichere Authentifizierung** - Umgebungsvariablen-Tokens (GITHUB_TOKEN, GITLAB_TOKEN) ### Codebase-Analyse (C3.x) **C3.4: Konfigurationsmuster-Extraktion (mit KI-Verbesserung)** - **9 Konfigurationsformate** - JSON, YAML, TOML, ENV, INI, Python, JavaScript, Dockerfile, Docker Compose - **7 Mustertypen** - Datenbank-, API-, Logging-, Cache-, E-Mail-, Auth-, Server-Konfigurationen - **KI-Verbesserung** - Optionale Dual-Modus-KI-Analyse (API + LOCAL) - **Sicherheitsanalyse** - Hartcodierte Geheimnisse und offengelegte Anmeldedaten finden **C3.3: KI-verbesserte Anleitungen** - **Umfassende KI-Verbesserung** - Grundanleitungen in professionelle Tutorials verwandeln - **5 automatische Verbesserungen** - Schrittbeschreibungen, Fehlerbehebung, Voraussetzungen, nächste Schritte, Anwendungsfälle - **Dual-Modus-Unterstützung** - API-Modus (Claude API) oder LOCAL-Modus (Claude Code CLI) - **LOCAL-Modus kostenlos** - Kostenlose Verbesserung mit Ihrem Claude Code Max Plan **Verwendung:** ```bash # Schnellanalyse (1–2 Minuten, nur Grundfunktionen) skill-seekers scan tests/ --quick # Umfassende Analyse (mit KI, 20–60 Minuten) skill-seekers scan tests/ --comprehensive # Mit KI-Verbesserung skill-seekers scan tests/ --enhance ``` **Vollständige Dokumentation:** [docs/features/HOW_TO_GUIDES.md](docs/features/HOW_TO_GUIDES.md#ai-enhancement-new) ### Verbesserungs-Workflow-Presets Wiederverwendbare YAML-definierte Verbesserungspipelines, die steuern, wie KI Ihre Rohdokumentation in einen ausgefeilten Skill transformiert. - **5 mitgelieferte Presets** — `default`, `minimal`, `security-focus`, `architecture-comprehensive`, `api-documentation` - **Benutzerdefinierte Presets** — Eigene Workflows unter `~/.config/skill-seekers/workflows/` hinzufügen - **Mehrere Workflows** — Zwei oder mehr Workflows in einem Befehl verketten - **Vollständige CLI-Verwaltung** — Workflows auflisten, anzeigen, kopieren, hinzufügen, entfernen und validieren ```bash # Einzelnen Workflow anwenden skill-seekers create ./my-project --enhance-workflow security-focus # Mehrere Workflows verketten (werden der Reihe nach angewendet) skill-seekers create ./my-project \ --enhance-workflow security-focus \ --enhance-workflow minimal # Presets verwalten skill-seekers workflows list # Alle auflisten (mitgeliefert + benutzerdefiniert) skill-seekers workflows show security-focus # YAML-Inhalt anzeigen skill-seekers workflows copy security-focus # Zum Benutzerverzeichnis kopieren (zum Bearbeiten) skill-seekers workflows add ./my-workflow.yaml # Benutzerdefiniertes Preset installieren skill-seekers workflows remove my-workflow # Benutzerdefiniertes Preset entfernen skill-seekers workflows validate security-focus # Preset-Struktur validieren # Mehrere gleichzeitig kopieren skill-seekers workflows copy security-focus minimal api-documentation # Mehrere Dateien gleichzeitig hinzufügen skill-seekers workflows add ./wf-a.yaml ./wf-b.yaml # Mehrere gleichzeitig entfernen skill-seekers workflows remove my-wf-a my-wf-b ``` **YAML-Preset-Format:** ```yaml name: security-focus description: "Security-focused review: vulnerabilities, auth, data handling" version: "1.0" stages: - name: vulnerabilities type: custom prompt: "Review for OWASP top 10 and common security vulnerabilities..." - name: auth-review type: custom prompt: "Examine authentication and authorisation patterns..." uses_history: true ``` ### Leistung und Skalierung - **Async-Modus** - 2–3x schnelleres Scraping mit async/await (Flag `--async` verwenden) - **Unterstützung großer Dokumentationen** - 10K–40K+ Seiten mit intelligentem Aufteilen verarbeiten - **Router-/Hub-Skills** - Intelligentes Routing zu spezialisierten Sub-Skills - **Paralleles Scraping** - Mehrere Skills gleichzeitig verarbeiten - **Checkpoint/Wiederaufnahme** - Bei langen Scraping-Vorgängen nie den Fortschritt verlieren - **Caching-System** - Einmal scrapen, sofort neu erstellen ### Agenten-agnostische Skill-Generierung - **Multi-Agenten-Unterstützung** - Skills für Claude, Kimi, Codex, Copilot, OpenCode oder beliebige eigene Agenten per `--agent`-Flag generieren - **Eigene Agentenbefehle** - Mit `--agent-cmd` einen benutzerdefinierten Agenten-CLI-Befehl für die Verbesserung angeben - **Universelle Flags** - `--agent` und `--agent-cmd` sind in allen Befehlen verfügbar (create, scrape, github, pdf usw.) ### Marketplace-Pipeline - **Auf dem Marketplace veröffentlichen** - Skills in Claude Code Plugin-Marketplace-Repos veröffentlichen - **End-to-End-Pipeline** - Von der Dokumentationsquelle bis zum veröffentlichten Marketplace-Eintrag ### Qualitätssicherung - **Vollständig getestet** - Über 3.700 Tests mit umfassender Abdeckung --- ## Installation ```bash # Basisinstallation (Dokumentations-Scraping, GitHub-Analyse, PDF, Paketierung) pip install skill-seekers # Mit Unterstützung aller LLM-Plattformen pip install skill-seekers[all-llms] # Mit MCP-Server pip install skill-seekers[mcp] # Alles pip install skill-seekers[all] ``` **Hilfe bei der Auswahl nötig?** Starten Sie den Einrichtungsassistenten: ```bash skill-seekers-setup ``` ### Installationsoptionen | Installation | Funktionen | |-------------|-----------| | `pip install skill-seekers` | Scraping, GitHub-Analyse, PDF, alle Plattformen | | `pip install skill-seekers[gemini]` | + Google Gemini-Unterstützung | | `pip install skill-seekers[openai]` | + OpenAI ChatGPT-Unterstützung | | `pip install skill-seekers[all-llms]` | + Alle LLM-Plattformen | | `pip install skill-seekers[mcp]` | + MCP-Server | | `pip install skill-seekers[video]` | + YouTube-/Vimeo-Transkript- und Metadatenextraktion | | `pip install skill-seekers[video-full]` | + Whisper-Transkription und visuelle Frameextraktion | | `pip install skill-seekers[jupyter]` | + Jupyter-Notebook-Unterstützung | | `pip install skill-seekers[pptx]` | + PowerPoint-Unterstützung | | `pip install skill-seekers[confluence]` | + Confluence-Wiki-Unterstützung | | `pip install skill-seekers[notion]` | + Notion-Seitenunterstützung | | `pip install skill-seekers[rss]` | + RSS-/Atom-Feed-Unterstützung | | `pip install skill-seekers[chat]` | + Slack-/Discord-Chatexport-Unterstützung | | `pip install skill-seekers[asciidoc]` | + AsciiDoc-Dokumentunterstützung | | `pip install skill-seekers[all]` | Alles aktiviert | > **Visuelle Video-Abhängigkeiten (GPU-bewusst):** Nach der Installation von `skill-seekers[video-full]` führen Sie > `skill-seekers create --setup` aus, um Ihre GPU automatisch zu erkennen und die richtige PyTorch- > Variante + easyocr zu installieren. Dies ist der empfohlene Weg zur Installation visueller Extraktionsabhängigkeiten. --- ## Ein-Befehl-Installations-Workflow **Der schnellste Weg von der Konfiguration zum hochgeladenen Skill — vollständig automatisiert:** ```bash # React-Skill aus offiziellen Konfigurationen installieren (automatischer Upload zu Claude) skill-seekers install --config react # Aus lokaler Konfigurationsdatei installieren skill-seekers install --config configs/custom.json # Ohne Upload installieren (nur Paketierung) skill-seekers install --config django --no-upload # Workflow ohne Ausführung in der Vorschau anzeigen skill-seekers install --config react --dry-run ``` **Dauer:** 20–45 Minuten insgesamt | **Qualität:** Produktionsreif (9/10) | **Kosten:** Kostenlos **Ausgeführte Phasen:** ``` Phase 1: Konfiguration abrufen (falls Konfigurationsname angegeben) Phase 2: Dokumentation scrapen Phase 3: KI-Verbesserung (OBLIGATORISCH - kein Überspringen möglich) Phase 4: Skill paketieren Phase 5: Zu Claude hochladen (optional, erfordert API Key) ``` **Voraussetzungen:** - Umgebungsvariable ANTHROPIC_API_KEY (für automatischen Upload) - Claude Code Max Plan (für lokale KI-Verbesserung), oder mit `--agent` einen anderen KI-Agenten auswählen --- ## Funktionsmatrix Skill Seekers unterstützt **12 LLM-Plattformen**, **8 RAG-/Vektor-Ziele**, **18 Quelltypen** und vollständige Funktionsparität für alle Ziele. **Plattformen:** Claude AI, Google Gemini, OpenAI ChatGPT, MiniMax AI, Generisches Markdown, OpenCode, Kimi (Moonshot AI), DeepSeek AI, Qwen (Alibaba), OpenRouter, Together AI, Fireworks AI **Quelltypen:** Dokumentationswebsites, GitHub-Repos, PDFs, Word (.docx), EPUB, Video, lokale Codebasen, Jupyter-Notebooks, lokales HTML, OpenAPI/Swagger, AsciiDoc, PowerPoint (.pptx), RSS-/Atom-Feeds, Man-Pages, Confluence-Wikis, Notion-Seiten, Slack-/Discord-Chatexporte Vollständige Informationen finden Sie in der [vollständigen Funktionsmatrix](docs/reference/FEATURE_MATRIX.md). ### Schneller Plattformvergleich | Funktion | Claude | Gemini | OpenAI | MiniMax | Markdown | |----------|--------|--------|--------|---------|----------| | Format | ZIP + YAML | tar.gz | ZIP + Vector | ZIP + Knowledge | ZIP | | Upload | API | API | API | API | Manuell | | Verbesserung | Sonnet 4 | 2.0 Flash | GPT-4o | M3 | Keine | | Alle Skill-Modi | Ja | Ja | Ja | Ja | Ja | --- ## Verwendungsbeispiele ### Dokumentations-Scraping ```bash # Dokumentationswebsite scrapen skill-seekers create --config configs/react.json # Schnelles Scraping (ohne Konfiguration) skill-seekers create https://react.dev --name react # Mit Async-Modus (3x schneller) skill-seekers create --config configs/godot.json --async --workers 8 # Einen bestimmten KI-Agenten für die Verbesserung verwenden skill-seekers create --config configs/react.json --agent kimi ``` ### PDF-Extraktion ```bash # Grundlegende PDF-Extraktion skill-seekers create --pdf docs/manual.pdf --name myskill # Erweiterte Funktionen skill-seekers create --pdf docs/manual.pdf --name myskill \ --extract-tables \ # Tabellen extrahieren --parallel \ # Schnelle Parallelverarbeitung --workers 8 # 8 CPU-Kerne verwenden # Gescannte PDFs (erfordert: pip install pytesseract Pillow) skill-seekers create --pdf docs/scanned.pdf --name myskill --ocr ``` ### Videoextraktion ```bash # Video-Unterstützung installieren pip install skill-seekers[video] # Transkripte + Metadaten pip install skill-seekers[video-full] # + Whisper-Transkription + visuelle Frameextraktion # GPU automatisch erkennen und visuelle Abhängigkeiten installieren (PyTorch + easyocr) skill-seekers create --setup # Aus YouTube-Video extrahieren skill-seekers create --video-url https://www.youtube.com/watch?v=dQw4w9WgXcQ --name mytutorial # Aus einer YouTube-Playlist extrahieren skill-seekers create --video-playlist https://www.youtube.com/playlist?list=... --name myplaylist # Aus einer lokalen Videodatei extrahieren skill-seekers create --video-file recording.mp4 --name myrecording # Mit visueller Frameanalyse extrahieren (erfordert video-full-Abhängigkeiten) skill-seekers create --video-url https://www.youtube.com/watch?v=... --name mytutorial --visual # Mit KI-Verbesserung (OCR bereinigen + ausgefeilte SKILL.md generieren) skill-seekers create --video-url https://www.youtube.com/watch?v=... --visual --enhance-level 2 # Bestimmten Abschnitt eines Videos ausschneiden (unterstützt Sekunden, MM:SS, HH:MM:SS) skill-seekers create --video-url https://www.youtube.com/watch?v=... --start-time 1:30 --end-time 5:00 # Vision API für OCR-Frames mit niedriger Konfidenz verwenden (erfordert ANTHROPIC_API_KEY) skill-seekers create --video-url https://www.youtube.com/watch?v=... --visual --vision-ocr # Skill aus zuvor extrahierten Daten neu erstellen (Download überspringen) skill-seekers create --from-json output/mytutorial/video_data/extracted_data.json --name mytutorial ``` > **Vollständige Anleitung:** Siehe [docs/VIDEO_GUIDE.md](docs/VIDEO_GUIDE.md) für die vollständige CLI-Referenz, > Details zur visuellen Pipeline, KI-Verbesserungsoptionen und Fehlerbehebung. ### GitHub-Repository-Analyse ```bash # Grundlegendes Repository-Scraping skill-seekers create facebook/react # Mit Authentifizierung (höhere Rate-Limits) export GITHUB_TOKEN=ghp_your_token_here skill-seekers create facebook/react # Inhalte anpassen skill-seekers create django/django \ --include-issues \ # GitHub Issues extrahieren --max-issues 100 \ # Issue-Anzahl begrenzen --include-changelog # CHANGELOG.md extrahieren ``` ### Vereinheitlichtes Multi-Source-Scraping **Dokumentation + GitHub + PDF zu einem vereinheitlichten Skill mit Konflikterkennung kombinieren:** ```bash # Vorhandene vereinheitlichte Konfigurationen verwenden skill-seekers create --config configs/react_unified.json # Oder vereinheitlichte Konfiguration erstellen cat > configs/myframework_unified.json << 'EOF' { "name": "myframework", "merge_mode": "rule-based", "sources": [ { "type": "documentation", "base_url": "https://docs.myframework.com/", "max_pages": 200 }, { "type": "github", "repo": "owner/myframework", "code_analysis_depth": "surface" } ] } EOF skill-seekers create --config configs/myframework_unified.json ``` **Die Konflikterkennung findet automatisch:** - **Im Code fehlend** (hoch): Dokumentiert, aber nicht implementiert - **In der Dokumentation fehlend** (mittel): Implementiert, aber nicht dokumentiert - **Signatur-Abweichung**: Unterschiedliche Parameter/Typen - **Beschreibungs-Abweichung**: Unterschiedliche Erklärungen **Vollständige Anleitung:** Siehe [docs/features/UNIFIED_SCRAPING.md](docs/features/UNIFIED_SCRAPING.md). ### Private Konfigurations-Repositories **Benutzerdefinierte Konfigurationen über private Git-Repositories im Team teilen:** ```bash # MCP-Tools verwenden, um das private Team-Repository zu registrieren add_config_source( name="team", git_url="https://github.com/mycompany/skill-configs.git", token_env="GITHUB_TOKEN" ) # Konfiguration aus dem Team-Repository abrufen fetch_config(source="team", config_name="internal-api") ``` **Unterstützte Plattformen:** - GitHub (`GITHUB_TOKEN`), GitLab (`GITLAB_TOKEN`), Gitea (`GITEA_TOKEN`), Bitbucket (`BITBUCKET_TOKEN`) **Vollständige Anleitung:** Siehe [docs/reference/GIT_CONFIG_SOURCES.md](docs/reference/GIT_CONFIG_SOURCES.md). ## Funktionsweise ```mermaid graph LR A[Dokumentationswebsite] --> B[Skill Seekers] B --> C[Scraper] B --> D[KI-Verbesserung] B --> E[Paketierer] C --> F[Geordnete Referenzdateien] D --> F F --> E E --> G[KI-Skill .zip] G --> H[Upload zur KI-Plattform] ``` 0. **llms.txt erkennen** - Prüft zuerst auf llms-full.txt, llms.txt, llms-small.txt (Teil der intelligenten SPA-Erkennung) 1. **Scrapen**: Alle Seiten aus der Dokumentation extrahieren 2. **Kategorisieren**: Inhalte nach Themen organisieren (API, Anleitungen, Tutorials usw.) 3. **Verbessern**: KI analysiert Dokumente und erstellt umfassende SKILL.md mit Beispielen (unterstützt mehrere Agenten via `--agent`) 4. **Paketieren**: Alles in eine plattformfertige `.zip`-Datei bündeln ## Architektur Das System ist in **8 Kernmodule** und **5 Hilfsmodule** organisiert (~200 Klassen insgesamt):  | Modul | Zweck | Wichtige Klassen | |-------|-------|------------------| | **CLICore** | Git-artiger Befehls-Dispatcher | `CLIDispatcher`, `SourceDetector`, `CreateCommand` | | **Scrapers** | 18 Quelltyp-Extraktoren | `DocToSkillConverter`, `DocumentSkillBuilder` (gemeinsame Build-Schicht), `UnifiedScraper` | | **Adaptors** | 20+ Ausgabeplattform-Formate | `SkillAdaptor` (ABC), `ClaudeAdaptor`, `LangChainAdaptor` | | **Analysis** | C3.x-Codebase-Analysepipeline | `UnifiedCodebaseAnalyzer`, `PatternRecognizer`, 10 GoF-Detektoren | | **Enhancement** | KI-gestützte Skill-Verbesserung via `AgentClient` | `AgentClient`, `AIEnhancer`, `UnifiedEnhancer`, `WorkflowEngine` | | **Packaging** | Skills paketieren, hochladen, installieren | `PackageSkill`, `InstallAgent` | | **MCP** | FastMCP-Server (40 Tools) | `SkillSeekerMCPServer`, 10 Tool-Module | | **Sync** | Erkennung von Dokumentationsänderungen | `ChangeDetector`, `SyncMonitor`, `Notifier` | Hilfsmodule: **Parsers** (28 CLI-Parser), **Storage** (S3/GCS/Azure), **Embedding** (Multi-Provider-Vektoren), **Benchmark** (Performance), **Utilities** (16 gemeinsame Helfer). Vollständige UML-Diagramme: **[docs/UML_ARCHITECTURE.md](docs/UML_ARCHITECTURE.md)** | StarUML-Projekt: `docs/UML/skill_seekers.mdj` | HTML-API-Referenz: `docs/UML/html/` ## Voraussetzungen **Bevor Sie beginnen, stellen Sie sicher, dass Sie Folgendes haben:** 1. **Python 3.10 oder höher** - [Herunterladen](https://www.python.org/downloads/) | Prüfen: `python3 --version` 2. **Git** - [Herunterladen](https://git-scm.com/) | Prüfen: `git --version` 3. **15–30 Minuten** für die erstmalige Einrichtung **Erstmalig hier?** → **[Starten Sie hier: Narrensichere Schnellstartanleitung](BULLETPROOF_QUICKSTART.md)** --- ## Skills zu Claude hochladen Sobald Ihr Skill paketiert ist, müssen Sie ihn zu Claude hochladen: ### Option 1: Automatischer Upload (API-basiert) ```bash # API Key setzen (einmalig) export ANTHROPIC_API_KEY=sk-ant-... # Paketieren und automatisch hochladen skill-seekers package output/react/ --upload # ODER vorhandene .zip hochladen skill-seekers upload output/react.zip ``` ### Option 2: Manueller Upload (ohne API Key) ```bash # Skill paketieren skill-seekers package output/react/ # → Erstellt output/react.zip # Dann manuell hochladen: # - Gehen Sie zu https://claude.ai/skills # - Klicken Sie auf „Skill hochladen" # - Wählen Sie output/react.zip ``` ### Option 3: MCP (Claude Code) ``` In Claude Code einfach fragen: "Paketiere und lade den React-Skill hoch" ``` --- ## Installation für KI-Agenten Skill Seekers kann Skills automatisch für 19 KI-Programmieragenten installieren. ```bash # Für einen bestimmten Agenten installieren skill-seekers install-agent output/react/ --agent cursor # Für IBM Bob installieren (projektlokal: .bob/skills/) skill-seekers install-agent output/react/ --agent bob # Für alle Agenten gleichzeitig installieren skill-seekers install-agent output/react/ --agent all # Vorschau ohne Installation skill-seekers install-agent output/react/ --agent cursor --dry-run ``` ### Unterstützte Agenten | Agent | Pfad | Typ | |-------|------|-----| | **Claude Code** | `~/.claude/skills/` | Global | | **Cursor** | `.cursor/skills/` | Projekt | | **VS Code / Copilot** | `.github/skills/` | Projekt | | **Amp** | `~/.amp/skills/` | Global | | **Goose** | `~/.config/goose/skills/` | Global | | **OpenCode** | `~/.opencode/skills/` | Global | | **Windsurf** | `~/.windsurf/skills/` | Global | | **Roo Code** | `.roo/skills/` | Projekt | | **Cline** | `.cline/skills/` | Projekt | | **Aider** | `~/.aider/skills/` | Global | | **Bolt** | `.bolt/skills/` | Projekt | | **Kilo Code** | `.kilo/skills/` | Projekt | | **Continue** | `~/.continue/skills/` | Global | | **Kimi Code** | `~/.kimi/skills/` | Global | | **IBM Bob** | `.bob/skills/` | Projekt | --- ## MCP-Integration (40 Tools) Skill Seekers liefert einen MCP-Server für die Verwendung mit Claude Code, Cursor, Windsurf, VS Code + Cline oder IntelliJ IDEA. ```bash # stdio-Modus (Claude Code, VS Code + Cline) python -m skill_seekers.mcp.server_fastmcp # HTTP-Modus (Cursor, Windsurf, IntelliJ) python -m skill_seekers.mcp.server_fastmcp --transport http --port 8765 # Alle Agenten automatisch konfigurieren ./setup_mcp.sh ``` **Alle 40 verfügbaren Tools:** - **Kern (9):** `list_configs`, `generate_config`, `validate_config`, `estimate_pages`, `scrape_docs`, `package_skill`, `upload_skill`, `enhance_skill`, `install_skill` - **Erweitert (10):** `scrape_github`, `scrape_pdf`, `unified_scrape`, `merge_sources`, `detect_conflicts`, `add_config_source`, `fetch_config`, `list_config_sources`, `remove_config_source`, `split_config` - **Vektordatenbank (4):** `export_to_chroma`, `export_to_weaviate`, `export_to_faiss`, `export_to_qdrant` - **Cloud (3):** `cloud_upload`, `cloud_download`, `cloud_list` **Vollständige Anleitung:** [docs/guides/MCP_SETUP.md](docs/guides/MCP_SETUP.md) --- ## Konfiguration ### Verfügbare Presets (24+) ```bash # Alle Presets auflisten # skill-seekers list-configs # In v3.7.0 nicht verfügbar ``` | Kategorie | Presets | |-----------|---------| | **Web-Frameworks** | `react`, `vue`, `angular`, `svelte`, `nextjs` | | **Python** | `django`, `flask`, `fastapi`, `sqlalchemy`, `pytest` | | **Spieleentwicklung** | `godot`, `pygame`, `unity` | | **Tools und DevOps** | `docker`, `kubernetes`, `terraform`, `ansible` | | **Vereinheitlicht (Doku + GitHub)** | `react-unified`, `vue-unified`, `nextjs-unified` u. a. | ### Eigene Konfiguration erstellen ```bash # Option 1: Interaktiv skill-seekers create --interactive # Option 2: Preset kopieren und bearbeiten cp configs/react.json configs/myframework.json nano configs/myframework.json skill-seekers create --config configs/myframework.json ``` ### Konfigurationsdatei-Struktur ```json { "name": "myframework", "description": "When to use this skill", "base_url": "https://docs.myframework.com/", "selectors": { "main_content": "article", "title": "h1", "code_blocks": "pre code" }, "url_patterns": { "include": ["/docs", "/guide"], "exclude": ["/blog", "/about"] }, "categories": { "getting_started": ["intro", "quickstart"], "api": ["api", "reference"] }, "rate_limit": 0.5, "max_pages": 500 } ``` ### Speicherorte für Konfigurationen Das Tool sucht in dieser Reihenfolge: 1. Exakter Pfad wie angegeben 2. `./configs/` (aktuelles Verzeichnis) 3. `~/.config/skill-seekers/configs/` (Benutzerkonfigurationsverzeichnis) 4. SkillSeekersWeb.com API (Preset-Konfigurationen) --- ## Was wird erstellt ``` output/ ├── godot_data/ # Gescrapte Rohdaten │ ├── pages/ # JSON-Dateien (eine pro Seite) │ └── summary.json # Übersicht │ └── godot/ # Der Skill ├── SKILL.md # Verbessert mit echten Beispielen ├── references/ # Kategorisierte Dokumentation │ ├── index.md │ ├── getting_started.md │ ├── scripting.md │ └── ... ├── scripts/ # Leer (eigene hinzufügen) └── assets/ # Leer (eigene hinzufügen) ``` --- ## Fehlerbehebung ### Kein Inhalt extrahiert? - Überprüfen Sie Ihren `main_content`-Selektor - Versuchen Sie: `article`, `main`, `div[role="main"]` ### Daten vorhanden, aber werden nicht verwendet? ```bash # Erneutes Scraping erzwingen rm -rf output/myframework_data/ skill-seekers create --config configs/myframework.json ``` ### Kategorien nicht gut? Bearbeiten Sie den `categories`-Abschnitt in der Konfiguration mit besseren Schlüsselwörtern. ### Dokumentation aktualisieren? ```bash # Alte Daten löschen und erneut scrapen rm -rf output/godot_data/ skill-seekers create --config configs/godot.json ``` ### Verbesserung funktioniert nicht? ```bash # Prüfen, ob API Key gesetzt ist echo $ANTHROPIC_API_KEY # LOCAL-Modus versuchen (nutzt Claude Code Max, kein API Key nötig) skill-seekers enhance output/react/ --mode LOCAL # Hintergrund-Verbesserungsstatus überwachen skill-seekers enhance-status output/react/ --watch ``` ### GitHub-Rate-Limit-Probleme? ```bash # GitHub Token setzen (5000 Anfragen/Stunde vs. 60/Stunde anonym) export GITHUB_TOKEN=ghp_your_token_here # Oder mehrere Profile konfigurieren skill-seekers config --github ``` --- ## Leistung | Aufgabe | Dauer | Hinweise | |---------|-------|----------| | Scraping (synchron) | 15–45 Min. | Nur beim ersten Mal, thread-basiert | | Scraping (asynchron) | 5–15 Min. | 2–3x schneller mit `--async`-Flag | | Erstellen | 1–3 Min. | Schneller Neuaufbau aus Cache | | Neuerstellen | <1 Min. | Mit `--skip-scrape` | | Verbesserung (LOCAL) | 30–60 Sek. | Nutzt Claude Code Max | | Verbesserung (API) | 20–40 Sek. | Erfordert API Key | | Video (Transkript) | 1–3 Min. | YouTube/lokal, nur Transkript | | Video (visuell) | 5–15 Min. | + OCR-Frameextraktion | | Paketierung | 5–10 Sek. | Finale .zip-Erstellung | --- ## Neu in v3.6.0 ### Workflow-Presets Analysetiefe mit `--preset` steuern: ```bash skill-seekers create https://docs.react.dev/ --preset quick # Schnell, oberflächlich skill-seekers create https://docs.react.dev/ --preset standard # Ausgewogen (Standard) skill-seekers create https://docs.react.dev/ --preset comprehensive # Tiefgehend, erschöpfend ``` ### Lifecycle-Flags ```bash skill-seekers create https://docs.react.dev/ --dry-run # Vorschau ohne Scraping skill-seekers create https://docs.react.dev/ --fresh # Cache ignorieren, vollständiges Re-Scraping skill-seekers create https://docs.react.dev/ --resume # Unterbrochenen Job fortsetzen skill-seekers create https://docs.react.dev/ --skip-scrape # Bestehende Ausgabe neu paketieren ``` ### Health Check & Utilities ```bash skill-seekers doctor # Installation & Umgebung diagnostizieren skill-seekers sync-config # Konfigurationsabweichung erkennen skill-seekers stream # Streaming-Ingestion für große Dokumentationen skill-seekers update output/react/ # Inkrementelles Update skill-seekers multilang # Mehrsprachige Skill-Generierung skill-seekers quality output/react/ # Qualitätsbericht (mit --threshold 7 als Gate: Exit-Code ungleich null unter 7/10) ``` ### RAG-Chunking-Optionen (package) ```bash skill-seekers package output/react/ --chunk-for-rag --chunk-tokens 512 --chunk-overlap-tokens 50 ``` ### Marketplace-Veröffentlichung ```bash skill-seekers package output/react/ --marketplace --marketplace-category frontend ``` ### Weitere optionale Abhängigkeiten | Extra | Installation | Zweck | |-------|--------------|-------| | `browser` | `pip install "skill-seekers[browser]"` | Headless Playwright für SPA-Websites | | `embedding` | `pip install "skill-seekers[embedding]"` | Embedding-Server-Unterstützung | | `s3` / `gcs` / `azure` | `pip install "skill-seekers[s3]"` usw. | Cloud-Storage-Upload | | `rag-upload` | `pip install "skill-seekers[rag-upload]"` | Kombinierte Vektordatenbank-Upload-Abhängigkeiten | --- ## Dokumentation ### Erste Schritte - **[BULLETPROOF_QUICKSTART.md](BULLETPROOF_QUICKSTART.md)** - **Neue Nutzer starten hier!** - **[QUICKSTART.md](docs/archive/legacy/QUICKSTART.md)** - Schnellstart für erfahrene Nutzer - **[TROUBLESHOOTING.md](TROUBLESHOOTING.md)** - Häufige Probleme und Lösungen - **[docs/archive/legacy/QUICK_REFERENCE.md](docs/archive/legacy/QUICK_REFERENCE.md)** - Einseiter-Kurzreferenz ### Architektur - **[docs/UML_ARCHITECTURE.md](docs/UML_ARCHITECTURE.md)** - UML-Architekturübersicht mit 14 Diagrammen - **[docs/UML/exports/](docs/UML/exports/)** - PNG-Diagramm-Exporte (Paketübersicht + 13 Klassendiagramme) - **[docs/UML/html/](docs/UML/html/index.html/index.html)** - Vollständige HTML-API-Referenz (alle Klassen, Operationen, Attribute) - **[docs/UML/skill_seekers.mdj](docs/UML/skill_seekers.mdj)** - StarUML-Projektdatei (mit [StarUML](https://staruml.io/) öffnen) ### Anleitungen - **[docs/reference/LARGE_DOCUMENTATION.md](docs/reference/LARGE_DOCUMENTATION.md)** - 10K–40K+ Seiten verarbeiten - **[docs/features/ENHANCEMENT_MODES.md](docs/features/ENHANCEMENT_MODES.md)** - KI-Verbesserungsmodi-Anleitung - **[docs/guides/MCP_SETUP.md](docs/guides/MCP_SETUP.md)** - MCP-Integrations-Einrichtung - **[docs/features/UNIFIED_SCRAPING.md](docs/features/UNIFIED_SCRAPING.md)** - Multi-Source-Scraping - **[docs/VIDEO_GUIDE.md](docs/VIDEO_GUIDE.md)** - Vollständige Videoextraktions-Anleitung ### Integrationsanleitungen - **[docs/integrations/LANGCHAIN.md](docs/integrations/LANGCHAIN.md)** - LangChain RAG - **[docs/integrations/CURSOR.md](docs/integrations/CURSOR.md)** - Cursor IDE - **[docs/integrations/WINDSURF.md](docs/integrations/WINDSURF.md)** - Windsurf IDE - **[docs/integrations/CLINE.md](docs/integrations/CLINE.md)** - Cline (VS Code) - **[docs/integrations/RAG_PIPELINES.md](docs/integrations/RAG_PIPELINES.md)** - Alle RAG-Pipelines --- ## Lizenz MIT-Lizenz - siehe [LICENSE](LICENSE)-Datei für Details --- Viel Erfolg beim Erstellen von Skills! --- ## Sicherheit [](https://mseep.ai/app/yusufkaraaslan-skill-seekers) --- ## Sponsoren

[Atlas Cloud](https://www.atlascloud.ai/?utm_source=github&utm_medium=link&utm_campaign=skill_seekers) — eine vollmodale, OpenAI-kompatible KI-Inferenzplattform. Skill Seekers unterstützt sie als Paketierungs-/Verbesserungsziel via `--target atlas` mit `ATLAS_API_KEY`.