English | 简体中文 | 日本語 | 한국어 | Español | Français | Deutsch | Português | Türkçe | العربية | हिन्दी | Русский
⚠️ Hinweis zur maschinellen ÜbersetzungDieses Dokument wurde automatisch durch KI übersetzt. Trotz Bemühungen um Qualität können ungenaue Ausdrücke vorkommen.
Gerne können Sie über GitHub Issue #260 zur Verbesserung der Übersetzung beitragen! Ihr Feedback ist uns sehr wertvoll.
🧠 Die Datenschicht für KI-Systeme. Skill Seekers verwandelt Dokumentationsseiten, GitHub-Repos, PDFs, Videos, Notebooks, Wikis und mehr — 18 Quelltypen — in strukturierte Wissensbestände, bereit für AI Skills (Claude, Gemini, OpenAI), RAG-Pipelines (LangChain, LlamaIndex, Pinecone) und KI-Coding-Assistenten (Cursor, Windsurf, Cline). Einmal aufbereiten, in 22 Ziele exportieren.
Launch Partner
Atlas Cloud — A full-modal, OpenAI-compatible AI inference platform. Skill Seekers supports it as a packaging/enhancement target via --target atlas with ATLAS_API_KEY.
Sponsor — Silver
Sponsor werden · GitHub Sponsors
# 1. Installieren
pip install skill-seekers
# 2. Skill aus einer beliebigen Quelle erstellen
skill-seekers create https://docs.djangoproject.com/
# 3. Für die eigene KI-Plattform paketieren
skill-seekers package output/django --target claudeDamit liegt output/django-claude.zip einsatzbereit vor.
# Anderen KI-Agenten für das Enhancement wählen (Standard: claude)
skill-seekers create https://docs.djangoproject.com/ --agent kimi
skill-seekers create https://docs.djangoproject.com/ --agent-cmd "my-custom-agent run"scan auf ein Projekt richten: Ein KI-Agent liest dessen Manifeste, README, Dockerfile/CI und stichprobenartig erfasste Quellcode-Importe — und erzeugt daraus eine Konfiguration pro erkanntem Framework sowie eine <project>-codebase.json für den eigenen Code:
skill-seekers scan ./my-react-app --out ./configs/scanned/
# → react.json, vite.json, tailwind.json, jest.json, my-react-app-codebase.json
skill-seekers create ./configs/scanned/react.jsonExistiert für eine Erkennung kein vorhandenes Preset, generiert die KI eine neue Konfiguration; beim Beenden lässt sie sich optional an die Community-Registry zurückmelden.
skill-seekers create facebook/react # GitHub-Repository
skill-seekers create ./my-project # Lokale Codebasis
skill-seekers create manual.pdf # PDF
skill-seekers create report.docx # Word
skill-seekers create book.epub # EPUB
skill-seekers create notebook.ipynb # Jupyter
skill-seekers create openapi.yaml # OpenAPI/Swagger
skill-seekers create presentation.pptx # PowerPoint
skill-seekers create guide.adoc # AsciiDoc
skill-seekers create page.html # Lokales HTML (oder ein ganzes Verzeichnis)
skill-seekers create feed.rss # RSS/Atom
skill-seekers create curl.1 # Man-Page
# Video (YouTube, Vimeo oder lokal — benötigt skill-seekers[video])
skill-seekers create --video-url https://www.youtube.com/watch?v=... --name mytutorial
skill-seekers create --setup # GPU-bewusste Visual-Abhängigkeiten automatisch installieren
skill-seekers create --space-key TEAM --name wiki # Confluence
skill-seekers create --database-id ... --name docs # Notion
skill-seekers create --chat-export-path ./slack-export --name team-chat # Slack/DiscordAlle Quelltypen samt ihrer Optionen beschreibt der Scraping-Leitfaden.
pip install skill-seekers # Kern: Scraping, GitHub, PDF, Packaging
pip install skill-seekers[all-llms] # + jede LLM-Plattform
pip install skill-seekers[mcp] # + MCP-Server
pip install skill-seekers[all] # AllesUnklar, was benötigt wird? Den Assistenten starten: skill-seekers-setup
Alle Installations-Extras
| Installation | Ergänzt |
|---|---|
skill-seekers[gemini] |
Unterstützung für Google Gemini |
skill-seekers[openai] |
Unterstützung für OpenAI ChatGPT |
skill-seekers[all-llms] |
Alle LLM-Plattformen |
skill-seekers[mcp] |
MCP-Server für Claude Code, Cursor usw. |
skill-seekers[video] |
Transkript- und Metadaten-Extraktion für YouTube/Vimeo |
skill-seekers[video-full] |
+ Whisper-Transkription und visuelle Frame-Extraktion |
skill-seekers[jupyter] |
Unterstützung für Jupyter Notebooks |
skill-seekers[pptx] |
Unterstützung für PowerPoint |
skill-seekers[confluence] |
Unterstützung für Confluence-Wikis |
skill-seekers[notion] |
Unterstützung für Notion-Seiten |
skill-seekers[rss] |
Unterstützung für RSS-/Atom-Feeds |
skill-seekers[chat] |
Unterstützung für Slack-/Discord-Chat-Exporte |
skill-seekers[asciidoc] |
Unterstützung für AsciiDoc |
skill-seekers[all] |
Alles |
Visual-Abhängigkeiten für Video (GPU-bewusst): Nach der Installation von
skill-seekers[video-full]skill-seekers create --setupausführen — damit wird die GPU automatisch erkannt und die passende PyTorch-Variante samt easyocr installiert.
Voraussetzungen: Python 3.10+, Git. Neu hier? → Bulletproof Quick Start 🎯
| Ziel | Passende Lektüre |
|---|---|
| Schnell loslegen | Schnellstart — 3 Befehle bis zum ersten Skill |
| Die Konzepte verstehen | Kernkonzepte |
| Quellen scrapen | Scraping-Leitfaden — alle 18 Quelltypen |
| Skills mit KI verbessern | Enhancement-Leitfaden · Enhancement-Modi |
| Skills exportieren | Packaging-Leitfaden |
| Workflows aufbauen | Workflows |
| Einen Befehl nachschlagen | CLI-Referenz — alle 19 Befehle |
| Konfigurieren | Konfigurationsformat · Umgebungsvariablen |
| MCP einrichten | MCP-Einrichtung · MCP-Referenz |
| Mit RAG / IDEs integrieren | LangChain · RAG-Pipelines · Cursor · Windsurf · Cline |
| Riesige Dokumentationsbestände bewältigen | Große Dokumentationen — 10K–40K+ Seiten |
| Die Architektur verstehen | UML-Architektur — 14 Diagramme |
| Ein Problem beheben | Fehlerbehebung |
Vollständiges Dokumentationsverzeichnis: docs/README.md
| Anwendungsfall | Ausgabe | Einsatz bei |
|---|---|---|
| AI Skills | Umfassende SKILL.md + Referenzdateien |
Claude Code, Gemini, GPT |
| RAG-Pipelines | Gechunkte Dokumente mit reichhaltigen Metadaten | LangChain, LlamaIndex, Haystack |
| Vektordatenbanken | Vorformatierte Daten, bereit zum Upsert | Pinecone, Chroma, Weaviate, FAISS, Qdrant |
| KI-Coding-Assistenten | Kontextdateien, die die IDE-KI automatisch liest | Cursor, Windsurf, Cline, Continue.dev |
skill-seekers package output/react --target claude # → Claude Skill (ZIP + YAML)
skill-seekers package output/react --target langchain # → LangChain-Dokumente
skill-seekers package output/react --target llama-index # → LlamaIndex-TextNodes
skill-seekers package output/react --target ibm-bob # → IBM-Bob-Skill-VerzeichnisLLM-Plattformen (12): claude · gemini · openai · minimax · opencode · kimi · deepseek · qwen · openrouter · together · fireworks · markdown
RAG & Vektor (8): langchain · llama-index · haystack · chroma · faiss · weaviate · qdrant · pinecone
Sonstige (2): atlas · ibm-bob
Details zur Unterstützung je Plattform liefert die Feature-Matrix.
- ⚡ 99% schneller — aus Tagen manueller Datenaufbereitung werden 15–45 Minuten
- 🎯 Echte Skill-Qualität —
SKILL.md-Dateien mit 500+ Zeilen inklusive Beispielen, Patterns und Anleitungen - 📊 RAG-fertige Chunks — intelligentes Chunking bewahrt Codeblöcke und Kontext
- 🔄 Multi-Source — Docs + GitHub + PDFs + Videos zu einem einzigen Wissensbestand kombinieren
- 🌐 Einmal aufbereiten, überallhin exportieren — 22 Ziele ohne erneutes Scraping
- ✅ Praxiserprobt — 3,900+ Tests, 68 Workflow-Presets, produktionsreif
Dokumentations-Scraping — SPA-Discovery, llms.txt, intelligente Kategorisierung
Dreistufige Discovery für JavaScript-SPA-Seiten (sitemap.xml → llms.txt → Rendering im Headless-Browser), automatische llms.txt-Erkennung (10× schneller, wenn vorhanden), intelligente Themen-Kategorisierung und ein toleranter HTML-Parser-Fallback, sodass auch defektes Markup noch scrapebar bleibt.
GitHub- & Codebasis-Analyse (C3.x) — AST-Parsing, Pattern-Erkennung, How-to-Guides
Drei-Stream-Architektur: Codeanalyse (AST, Design Patterns, Tests), Dokumentation (README, docs/, Wiki) und Community (Issues, PRs, Metadaten). Die C3.x-Pipeline ergänzt 10 GoF-Pattern-Detektoren für 9 Sprachen, aus Tests extrahierte Nutzungsbeispiele, KI-geschriebene How-to-Guides, Konfigurations-Extraktion und Architekturüberblicke.
skill-seekers create ./my-project --preset quick # 1–2 Min., oberflächlich
skill-seekers create ./my-project --preset standard # ausgewogen (Standard)
skill-seekers create ./my-project --preset comprehensive # tief, erschöpfend→ Pattern-Erkennung · How-to-Guides · Extraktion von Testbeispielen
KI-Enhancement — API oder lokale Agenten, 68 Workflow-Presets
Jeder KI-Aufruf läuft über einen einzigen Transport, im API-Modus (Anthropic, Google Gemini, OpenAI, Moonshot/Kimi, MiniMax) oder im LOCAL-Modus (Claude Code, Kimi Code, Codex, Copilot, OpenCode, eigene Agenten — ohne API-Kosten). Die Tiefe steuert --enhance-level 0-3, den Agenten wählt --agent.
→ Enhancement-Leitfaden · Enhancement-Modi · Multi-Agent-Einrichtung
Vereinheitlichtes Multi-Source-Scraping — viele Quellen zu einem Skill verbinden
Eine einzige Konfiguration kann Dokumentation, GitHub, PDFs, Videos und mehr zu einem gemeinsamen Wissensbestand zusammenführen — inklusive Konflikterkennung und paarweiser Synthese über Quellen hinweg.
Video-Extraktion — Transkripte, Frames, Code am Bildschirm
YouTube, Vimeo und lokale Dateien. Dreistufiger Transkript-Fallback (Untertitel → YouTube-Transcript-API → lokales Whisper), dazu optionale visuelle Extraktion, die am Bildschirm sichtbaren Code aus Stichproben-Frames per OCR erfasst.
Qualität, Sync & Skalierung
Qualitätsbewertung mit Schwellenwert-Gate (skill-seekers quality output/react/ --threshold 7), Erkennung von Dokumentationsänderungen mit geplanten Re-Scrapes und Benachrichtigungen, Streaming-Ingestion für sehr große Dokumentationsbestände sowie inkrementelle Updates.
Skill Seekers bringt einen MCP-Server für Claude Code, Cursor, Windsurf, VS Code + Cline und IntelliJ IDEA mit.
# 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 8765Danach genügt eine Anweisung an den Assistenten: „Paketiere und lade den React-Skill hoch.“
→ MCP-Einrichtung · MCP-Referenz · HTTP-Transport
Skills installieren sich automatisch in 19 KI-Coding-Agenten:
skill-seekers install-agent output/react/ --agent cursor
skill-seekers install-agent output/react/ --agent all # jeder erkannte Agent
skill-seekers install-agent output/react/ --agent cursor --dry-run| Agent | Pfad | Geltungsbereich |
|---|---|---|
| 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 |
| Letta | ~/.letta/skills/ |
Global |
| Aide | ~/.aide/skills/ |
Global |
| Windsurf | ~/.windsurf/skills/ |
Global |
| Neovate | ~/.neovate/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 |
export ANTHROPIC_API_KEY=sk-ant-...
skill-seekers package output/react/ --upload # paketieren + hochladen
skill-seekers upload output/react.zip # ein vorhandenes ZIP hochladenKein API-Schlüssel? Einfach paketieren und output/react.zip manuell unter claude.ai/skills hochladen.
graph LR
A[Documentation Website] --> B[Skill Seekers]
B --> C[Scraper]
B --> D[AI Enhancement]
B --> E[Packager]
C --> F[Organized References]
D --> F
F --> E
E --> G[AI Skill .zip]
G --> H[Upload to AI Platform]
- Scrape — jede Seite extrahieren (zuerst wird
llms.txtgeprüft) - Kategorisieren — Inhalte nach Themen ordnen (API, Guides, Tutorials, …)
- Enhance — die KI schreibt eine umfassende
SKILL.mdmit Beispielen - Paketieren — zu einem plattformfertigen Artefakt bündeln
- Upload — an die eigene KI-Plattform ausliefern (optional)
8 Kernmodule + 5 Hilfsmodule (~200 Klassen):
| Modul | Zweck |
|---|---|
| CLICore | Git-artiger Befehls-Dispatcher, automatische Quellenerkennung |
| Scrapers | 18 Quelltyp-Extraktoren auf einer gemeinsamen Build-Schicht |
| Adaptors | 22 Ausgabeformate für Plattformen hinter einer einzigen SkillAdaptor-ABC |
| Analysis | C3.x-Codebasis-Pipeline, 10 GoF-Pattern-Detektoren |
| Enhancement | KI-Verbesserung über einen einzigen AgentClient-Transport |
| Packaging | Skills paketieren, hochladen und installieren |
| MCP | FastMCP-Server (40 Tools, 10 Tool-Module) |
| Sync | Erkennung von Dokumentationsänderungen und Benachrichtigung |
→ UML-Architektur · API-Referenz · Skill-Architektur
- HTML-Parser-Fallback für defektes Markup (#96) — stark fehlerhafte Seiten werden nicht mehr leer gescrapt; wohlgeformte Seiten bleiben byte-identisch.
- Wiederholungen bei transienten Fehlern — der Doc-Scraper (#97) und MCP
fetch_config(#92) versuchen es bei Verbindungsaussetzern und 5xx nun mit Backoff erneut; 4xx schlägt weiterhin sofort fehl. - Whisper-Transkriptions-Fallback (#420) — lokale Videos ohne Untertitel erhalten endlich ein echtes Transkript.
- MiniMax-Bild-OCR + registry-gesteuerte multimodale Provider (#423) — Provider deklarieren ihr Wire-Protokoll und ihre Bildfähigkeit; in China ausgestellte Schlüssel funktionieren gegen den richtigen Endpunkt.
- Token-sparsame Standardwerte für GitHub-Issues (#169) — GitHub-Skills bündeln standardmäßig nicht mehr die vollständige Historie geschlossener Issues.
- Env-gesteuertes CORS über alle drei Server hinweg (#422, #424) — keine Wildcard-Origins mit Credentials mehr.
Vollständige Historie: CHANGELOG.md
| Dokumentationsumfang | Dauer | Ausgabe |
|---|---|---|
| Klein (< 100 Seiten) | 5–10 Min. | ~2 MB |
| Mittel (100–500 Seiten) | 15–30 Min. | ~10 MB |
| Groß (500–2,000 Seiten) | 30–60 Min. | ~40 MB |
| Riesig (10K–40K+ Seiten) | stream verwenden |
Siehe Große Dokumentationen |
skill-seekers doctor # Installation & Umgebung diagnostizieren
skill-seekers sync-config # Konfigurations-Drift erkennenHäufige Probleme und Lösungen: Leitfaden zur Fehlerbehebung · TROUBLESHOOTING.md
Beiträge sind willkommen — siehe CONTRIBUTING.md.
- 📋 Entwicklungs-Roadmap & Aufgaben — beliebige Aufgabe auswählen
- 💬 Diskussionen — Fragen und Ideen
- 🐛 Issues — Bugs und Feature-Wünsche
MIT — siehe LICENSE.
Skill Seekers ist ein Multi-Repo-Projekt:
| Repository | Beschreibung | Links |
|---|---|---|
| Skill_Seekers | Core-CLI & MCP-Server (dieses Repo) | PyPI |
| skillseekersweb | Website & Dokumentation | Live |
| skill-seekers-configs | Community-Repository für Konfigurationen | |
| skill-seekers-action | GitHub Action für CI/CD | |
| skill-seekers-plugin | Claude-Code-Plugin | |
| homebrew-skill-seekers | Homebrew-Tap für macOS |
Lust mitzuwirken? Die Website- und Config-Repos sind ein hervorragender Einstieg für neue Beitragende!