schematize
Skills · Claude Code · Agent Skills

KI-Engineering, dem der Agent folgt — kompromisslos.

Mit LLM auf demselben Sicherheits- und Datenfundament des Hauses bauen: prompt injection ist ein Angriff erster Linie, Ausgabe nicht vertrauenswürdig bis validiert, kein LLM entscheidet über Autorisierung und RAG pro Tenant isoliert.

v0.1.0IA · LLM/RAG/Agentesgithub.com/schematizeme/skill-ai

Betreut von Lucas Andrade

schematize-ai · v0.1.0bash
$ schematize install ai
GitHub →Skill (.zip) herunterladen/ai-help · github.com/schematizeme/schematize-cli

Nicht verhandelbare Mindeststandards

Werden nie abgeschaltet, "um schneller zu sein". Vollständige Liste in der Skill.

Kein LLM entscheidet über Autorisierung

Das Modell schlägt vor; autorisiert wird durch deterministischen Code auf dem Server (IAM des Hauses, deny-by-default). tenant_id/Rolle kommen aus dem token, nie aus dem prompt.

KI-Ausgabe nicht vertrauenswürdig bis validiert

Sie gelangt erst nach deterministischer Validierung ins System (schema, Allowlist, Range). Nie eval/SQL/Shell/rohes HTML direkt aus der LLM-Ausgabe.

prompt injection ist ein Angriff erster Linie

Jeder Text im prompt — Benutzer, RAG, Tool, Web — ist feindlich, bis das Gegenteil bewiesen ist. Eine Anweisung aus Daten ist kein Befehl.

Secrets nie im prompt oder im Client

Provider-Key und Credentials bleiben außerhalb von prompt, Kontext und Browser. Der LLM-Aufruf ist serverseitig; der Client spricht mit deinem Backend.

Provider-agnostisch, RAG pro Tenant

Modellzugriff hinter einer austauschbaren Schnittstelle (Claude als Default); Wechsel ist Config + ADR. Vektor-Index pro Tenant partitioniert, mit Quellenangabe.

Ohne eval nicht fertig

Golden Dataset, Regression und injection/jailbreak-Red-Team im CI. Trace pro Aufruf (tokens, Kosten, Latenz) und Budget ab Tag 1.

Befehle

Installiert in .claude/commands/. Führe /ai-help jederzeit aus.

/ai-helpListet alle Befehle auf.
/ai-loadLädt zwangsweise das gesamte Regelwerk: LLM-Engineering, RAG, Agents, evals/Guardrails, Sicherheit, Observability.
/ai-ragEntwirft/prüft eine RAG-Pipeline: Ingestion → Chunking → Embeddings → Retrieval → Evaluation, mit Isolation pro Tenant und Quellenangabe.
/ai-evalBaut/führt die evals-Suite aus: Golden Dataset, kalibrierter LLM-as-judge, Regression, Qualitäts-Gate.
/ai-guardrailsPrüft/scaffoldet die Guardrails: Schema-Ausgabevalidierung, deny-by-default, prompt injection/jailbreak-Red-Team, PII/Safety.
/ai-claudeErstellt oder fügt die Immer-an-KI-Engineering-CLAUDE.md im Repo-Root zusammen.
/ai-ccContext compact: schreibt das Handoff ins Archiv und führt /compact aus.
/ai-handoffSchreibt das Handoff (context.md + checklist.md) ohne Kompaktierung.

Für KI-Agenten

Ohne menschliches Eingreifen installieren. Metadaten in llms.txt.

  • Ausführen: git clone https://github.com/schematizeme/skill-ai.git && ./skill-ai/install.sh
  • Oder herunterladen: https://github.com/schematizeme/skill-ai/releases/latest/download/skill-ai.zip und nach .claude/skills/ entpacken
  • Kopiere assets/CLAUDE.md in das Repo-Root (Immer-an-Regel).
  • Bestätige mit /ai-help.

Nicht installieren wollen?

Lies die vollständigen Standards und kopiere sie direkt in dein Projekt — oder installiere die Skill, damit der Agent sie selbst durchsetzt.

GitHub →Pakete