Skills in Claude Code: Funktionen behalten ohne Kontextüberlastung

Wie Skills das anfängliche Sitzungsfenster beeinflussen

In Claude Code sind Skills strukturierte Verzeichnisse mit Markdown-Dateien (hauptsächlich SKILL.md), die der Agent analysiert, um seine Fähigkeiten zu erweitern. Beim Start einer Arbeitssitzung liest der Agent die Namen und kurzen Beschreibungen der verfügbaren Skills ein, um zu wissen, welche spezialisierten Abläufe ihm zur Verfügung stehen.

Der Kontextaufwand eines Skills besteht aus drei Ebenen:

1. Systemankündigung (Beschreibung und Trigger): Der Name und der YAML-Block description in SKILL.md. Dieser Teil bleibt im aktiven Speicher, damit das Modell Benutzeranfragen dem passenden Werkzeug zuordnen kann.
2. Hauptteil der Anweisung: Detaillierte Ablaufschritte, Regeln und Beispiele. Das Modell lädt diesen Inhalt erst, wenn der jeweilige Skill tatsächlich ausgelöst wird.
3. Ergänzende Skripte und Referenzen: Ausführbare Dateien im Ordner scripts/ oder Handbücher in references/, die deterministisch über Terminalbefehle ausgeführt werden.

Ein typischer Fehler besteht darin, umfangreiche Dokumentationen oder vollständige API-Referenzen direkt in das Feld description oder in die globale Datei CLAUDE.md einzubetten. Dadurch wird jede Interaktion mit unnötigen Tokens belastet.

Bei der Anbindung externer API-Endpunkte über Plattformen wie BetterToken bietet das Dashboard volle Transparenz über den Verbrauch von Input-, Output- und Cache-Tokens bei jedem Aufruf. Die serverseitige Überwachung erfasst jedoch nur den übertragenen Datenverkehr; sie ersetzt nicht die Überprüfung der lokalen Konfigurationsdateien. Detaillierte Einstellungen und unterstützte Endpunkte finden Sie in den BetterToken Docs.

Inventarisierung der Skills nach Nutzungshäufigkeit

Um eine saubere Arbeitsumgebung zu gewährleisten, listen Sie alle aktiven Skills im Projektverzeichnis und in der globalen Konfiguration (~/.claude/skills/) auf.

Unterteilen Sie diese nach ihrer tatsächlichen Aufrufhäufigkeit:

Als Grundregel gilt: Wenn eine Anweisung nur alle zehn bis fünfzehn Sitzungen benötigt wird, sollte sie nicht permanent im Arbeitsspeicher des Modells verbleiben.

Trennung von Grundregeln und On-Demand-Ressourcen

Um den anfänglichen Token-Verbrauch zu minimieren, sollte jeder Skill einen schlanken Einstiegspunkt bieten, der auf deterministische Skripte verweist.

1. Optimierung des YAML-Frontmatters

Das Feld description sollte eindeutige Auslösebedingungen und eine knappe Zusammenfassung enthalten:

---
name: db-migrator
description: >-
  Verwenden Sie diesen Skill zum Prüfen und Anwenden von Prisma-Datenbankmigrationen bei Schemaänderungen.
---

Vermeiden Sie lange Codeblöcke im Header. Verlagern Sie Tabellen und Schemas in das Unterverzeichnis references/.

2. Auslagerung komplexer Logik in deterministische Skripte

Statt das Modell komplexe Prüfbefehle anhand langer Texte generieren zu lassen, hinterlegen Sie die Logik in einem ausführbaren Skript:

<!-- Innerhalb von SKILL.md -->
Um die Schemaintegrität zu prüfen, führen Sie folgenden Befehl aus:
```bash
python3 scripts/validate_schema.py --strict

Dies reduziert den Textumfang von `SKILL.md` erheblich und stellt reproduzierbare Ergebnisse sicher. Deaktivieren Sie dabei niemals wichtige Sicherheits- oder Typprüfungen, nur um Tokens zu sparen; deterministische Kontrollen müssen stets verlässlich bleiben.

Überprüfung der Werkzeugerkennung und -ausführung

Nachdem Sie Ihre Skills neu strukturiert haben, testen Sie, ob das Modell die Anweisungen weiterhin zur richtigen Zeit lädt.

Schritt 1: Syntax und Pfade überprüfen

Stellen Sie sicher, dass alle SKILL.md-Dateien fehlerfreies YAML enthalten und die relativen Skriptpfade existieren:

# Prüfung der Skill-Dateien und Skript-Rechte
test -f .claude/skills/db-migrator/SKILL.md && echo "SKILL.md OK"
test -x .claude/skills/db-migrator/scripts/validate_schema.py && echo "Script executable OK"

Schritt 2: Test in einer frischen Sitzung

Starten Sie eine neue Sitzung und stellen Sie eine aufgabenbezogene Frage, ohne den Namen des Skills explizit zu nennen:

„Ich muss das Benutzermodell im Prisma-Schema aktualisieren und die Migration überprüfen.“

Der Agent sollte:

1. Die Aufgabe anhand der Beschreibung in db-migrator erkennen.
2. Den Inhalt von SKILL.md laden.
3. Die Ausführung des vorbereiteten Prüfskripts vorschlagen.

Schritt 3: Anfangskontext bewerten

Beobachten Sie das Verhalten der Sitzung. Ziel dieser Bereinigung ist es, überflüssiges Rauschen zu beseitigen und Speicherplatz für den eigentlichen Dialog zu sichern, nicht das Erreichen eines theoretischen Einsparungsprozentsatzes. Halten Sie nur diejenigen Skills aktiv, die für die aktuellen Entwicklungsaufgaben unverzichtbar sind.