Del 6: Avancerede mønstre og fejlsøgning

Du har nu lært fundamenterne, planlagt, testet og distribueret Skills. Denne afsluttende del samler trådene med fem avancerede mønstre, en oversigt over typiske fejl og deres løsninger, en komplet YAML-reference og en tjekliste, du kan bruge, når du bygger dit næste Skill.

5 avancerede mønstre

1. Sekventiel workflow (Skills i kæde)

Byg et overordnet Skill, der orkestrerer en sekvens af mere specialiserede Skills. Det overordnede Skill definerer rækkefølgen og det samlede output; de underordnede Skills fokuserer på hvert enkelt trin.

---
name: content-pipeline
description: |
  Kører en komplet indholdsproduktionsproces: research → outline → draft → SEO-optimering.
  Brug når brugeren ønsker et fuldt, publiceringsklart blogindlæg fra bunden.
---
## Trin
1. Kør `web-research` Skill'et på det angivne emne.
2. Brug outputtet til at køre `create-outline` Skill'et.
3. Udkast artiklen med `draft-blog-post` Skill'et baseret på outline.
4. Optimer teksten med `seo-audit` Skill'et og implementér anbefalingerne.
5. Returnér det færdige udkast med en opsummering af SEO-justeringerne.

2. Multi-MCP integration

Et Skill, der koordinerer data fra flere MCP-servere i ét output. Nøglen er at definere præcist, hvilke data der hentes fra hvilke systemer, og hvordan de kombineres:

---
name: project-status-digest
description: |
  Samler projekt-status fra Jira, seneste commits fra GitHub og
  åbne blokerende beskeder fra Slack til én daglig digest.
tools:
  - mcp__jira__search_issues
  - mcp__github__list_commits
  - mcp__slack__read_channel
---

3. Iterativ raffinering

Et Skill, der producerer et udkast, evaluerer det mod et sæt kriterier og itererer, indtil alle kriterier er opfyldt. Nyttigt til tasks med klare kvalitetsstandarder:

## Iterationslogik
1. Generér første udkast.
2. Evaluer udkastet mod kriterierne i "Kvalitetscheckliste" nedenfor.
3. Hvis ét eller flere kriterier ikke er opfyldt: revider udkastet og evaluer igen.
4. Maks. 3 iterationer. Rapportér alle uopfyldte kriterier i det endelige output.

4. Kontekstbevidst tool-valg

Et Skill, der dynamisk vælger hvilke tools det bruger baseret på input-kontekst. F.eks. bruger WebFetch hvis brugeren angiver en URL, og Read hvis det er en lokal fil:

## Tool-valg
- Hvis input indeholder en URL (starter med http:// eller https://): brug `WebFetch`.
- Hvis input er en filsti (starter med / eller ./): brug `Read`.
- Hvis hverken URL eller filsti: bed brugeren om at præcisere.

5. Domænespecifik intelligens

Skills der indkapsler dyb domæneviden – f.eks. juridiske tjeklister, tekniske standarder eller branche-specifikke formatkrav. Disse Skills fungerer bedst, når viden er struktureret som eksplicitte regler frem for implicitte forventninger:

## GDPR-tjekliste (verificér alle punkter inden output)
- [ ] Ingen personhenførbare data i eksempeloutput
- [ ] Databehandlingsgrundlag angivet (samtykke / legitim interesse / kontrakt)
- [ ] Ret til indsigt nævnt, hvis relevant
- [ ] Dataopbevaringsperiode specificeret

Typiske fejl og løsninger

YAML-reference

---
# OBLIGATORISKE FELTER
name: skill-navn          # Unikt, maskinlæsbart. Kun a-z, 0-9, bindestreg.
description: |            # Til triggering. Præcis, aktiv, eksempelbaseret.
  [beskrivelse]

# VALGFRIE FELTER
tools:                    # Standard-tools og/eller MCP-tools
  - Read
  - Edit
  - Write
  - Bash
  - WebFetch
  - WebSearch
  - mcp__[server]__[tool]

metadata:                 # Fri-form nøgle/værdi
  version: "1.0.0"        # Semantic versioning anbefales
  author: "Navn"
  tags: ["tag1", "tag2"]
  requires_mcp: slack     # Dokumentér MCP-afhængigheder
---

# Instruktioner (Markdown-brødtekst)

Tjekliste til dit første Skill

Brug denne tjekliste, inden du distribuerer et nyt Skill:

1. Design
   • Kan du beskrive Skill’et med ét klart verbum og ét klart objekt?
   • Er Skill’et testbart med klare succeskriterier?
   • Er tools-listen minimal (kun det nødvendige)?
2. SKILL.md
   • Er name og description udfyldt?
   • Indeholder description konkrete trigger-eksempler?
   • Er der fallback-instruktioner for manglende input?
   • Er output-formatet specificeret med et eksempel?
3. Test
   • Aktiveres Skill’et ved 5 positive testprompts?
   • Undlades aktivering ved 5 negative testprompts?
   • Er 2 typiske edge cases testet?
4. Distribution
   • Er versionnummeret sat i metadata?
   • Er README.md skrevet med krav og afhængigheder?
   • Er alle hemmeligheder fjernet fra SKILL.md?
   • Er destruktive operationer dokumenteret?

Officielle ressourcer

• Anthropic Skills Documentation – den officielle dokumentation
• Claude Code Skills (GitHub) – eksempel-Skills fra Anthropic
• Claude Code Docs – komplet dokumentation for Claude Code

Opsamling: hvad har du lært?

Gennem denne seks-delte guide har vi gennemgået hele livscyklussen for et Claude Skill:

• Del 1: Hvad Skills er, og hvem de er til
• Del 2: SKILL.md-strukturen og alle felters betydning
• Del 3: Planlægning, brugscases og præcise beskrivelser
• Del 4: Test på tre niveauer og iterationsprocessen
• Del 5: Distribution, versionsstyring og sikkerhed
• Del 6 (denne del): Avancerede mønstre, fejlsøgning og referencemateriale

Skills er et levende artifact. Det bedste Skill er ikke det, der er perfekt fra dag ét, men det, der itereres og forbedres baseret på reel brug. Begynd simpelt, test grundigt, del generøst – og byg videre derfra. God fornøjelse med dine Skills!