Bisher lief es so: Du baust dem Agenten sein Werkzeug, der Agent benutzt es. Seit Langdock Skills über die API verfügbar macht, dreht sich das um. In der Community ist binnen Tagen ein neues Muster entstanden: Agenten, die ihre eigenen Skills erstellen, testen und nachschärfen. Ein Power-User lässt einen Agenten die Skills für seine Whitepaper-Produktion komplett selbst bauen und iterieren.

Das ist mehr als ein neues Feature. Es ist die Vorstufe zu Systemen, die dazulernen, und es ist mit Bordmitteln nachbaubar.

Warum Skills bisher der Engpass waren

Ein Skill ist ein wiederverwendbares Wissenspaket: eine Anleitung, wie eine bestimmte Aufgabe gut aussieht, plus Beispiele und Vorlagen. Der Agent bleibt generisch, der Skill macht ihn zum Spezialisten.

Der Engpass war nie die Idee, sondern die Pflege. Skills wurden von Hand geschrieben, von Hand aktualisiert und veralteten leise. Wissen steckte in Köpfen und Ordnern, nicht im System. Und der Import als ZIP-Paket war fehleranfällig; seit es die native Datei- und Ordner-Erstellung direkt in Skills gibt, fällt auch diese Hürde weg.

Schritt 1: Die richtige Aufgabe finden

Nimm nicht die spannendste Aufgabe, nimm die wiederholbarste. Drei Kriterien: Sie kommt mindestens wöchentlich vor, sie hat einen klaren Qualitätsmaßstab (du erkennst gutes Ergebnis auf einen Blick), und das Wissen dazu existiert bereits, nur eben verstreut. Angebots-Textbausteine, Report-Formatierung, Meeting-Zusammenfassungen im Hausstil sind typische Kandidaten.

Schritt 2: Den ersten Skill manuell bauen

Der erste Skill entsteht von Hand, damit du den Qualitätsmaßstab kalibrierst. Schreib die Anleitung so, wie du sie einer neuen Kollegin geben würdest: Was ist das Ziel, was sind die Schritte, woran erkennt man ein gutes Ergebnis. Leg zwei, drei Gold-Beispiele als Dateien direkt im Skill ab, nativ, nicht als ZIP.

Schritt 3: Den Agenten übernehmen lassen

Jetzt kommt die API ins Spiel. Statt den Skill selbst zu pflegen, gibst du einem Agenten den Auftrag: Prüfe das letzte Ergebnis gegen den Qualitätsmaßstab, und wenn etwas systematisch danebenlag, schärfe den Skill nach. Das Community-Beispiel macht es vor: Der Agent baut die Skills für die Whitepaper-Produktion, erzeugt einen Entwurf, bekommt Feedback und schreibt die Verbesserung zurück in den Skill statt nur in den Chat. Genau das ist der Unterschied zwischen einem Agenten, der jeden Morgen bei null startet, und einem, der Dienstag besser ist als Montag.

Schritt 4: Review-Gate und Kosten

Selbstlernend heißt nicht unbeaufsichtigt. Zwei Leitplanken: Erstens ändert der Agent Skills nur als Vorschlag, ein Mensch gibt frei, bevor die neue Version gilt. Zweitens behalte den Verbrauch im Blick: Langdock zeigt in der Governance-Ansicht inzwischen Token-Verbrauch und Kosten pro Agent. Ein Skill-Loop, der sich nicht rechnet, ist kein Fortschritt, sondern ein Hobby.

Bei DECAID laufen inzwischen über 100 interne Skills, vom Newsletter über Angebote bis zur Buchhaltung. Der größte Sprung kam nicht mit dem hundertsten Skill, sondern mit dem Moment, in dem die Pflege vom Menschen auf das System überging.

Take

Skills via API verschieben die Grenze dessen, was ein Agent für dich sein kann: vom Werkzeugnutzer zum Werkzeugbauer. Fang mit einer Aufgabe an, kalibriere den Maßstab von Hand, und lass den Agenten dann die Pflege übernehmen, mit einem Review-Gate dazwischen.

Wie du Agenten baust, die sich auch zwischen den Sessions erinnern, zeigen wir live am 28. Juli im Webinar: Agenten mit Gedächtnis: So baust du Langdock-Agenten, die dazulernen.

Und wenn du das Muster direkt auf eure Prozesse übertragen willst: Sprich mit Sarah.