AI Knowledge Synthesis

Executive Summary #

Die Meta-Patterns über alle 54 Posts hinweg. Was sagt das Material in Summe?

1. "Stop using Claude like ChatGPT / Google." — In 18 von 54 Posts (33 %) startet der Author mit genau diesem Satz oder einer Variante. Der Konsens: Chat ist Level 1. Projects + Cowork + Skills + MCP ist Level 4. Wer in Chat bleibt, lässt 90 % des Werts liegen.
2. Context Engineering > Prompt Engineering. Die Verschiebung ist messbar in jedem Setup-Post: CLAUDE.md, about-me.md, voice-profile.md, anti-ai-writing-style.md ersetzen 50+ Ad-hoc-Prompts. (Grimm, Cinovoj, Lewandowski, Huryn, Foo, Hassid via mehrere Authors)
3. Plan Mode ist nicht optional. Jeder seriöse Claude-Code-Author empfiehlt: erst Plan Mode (Shift+Tab×2 oder explizit) → Plan reviewen → dann ausführen. Skip Planning = Rework. (Cherny via Shams, Beggiato, Adrees, Biedukhin, Gohel)
4. Skills sind die "Personal-OS-Schicht". Skills werden konsistent als der Schritt beschrieben, an dem AI von Tool zu System wird — reusable, auto-triggered, mit Progressive Disclosure: nur das nötige Wissen wird in den Context geladen. (Shah, Verma, Village, Millien, Foo)
5. Der CTO-Filter: Hannes Beierleins Satz ist die Klammer um das ganze Material — "AI raises the bar. It doesn't lower it. Clarity creates value from AI." Die Authors, die selbst geliefert haben (Cinovoj: 50+ Production Agents, Huryn: 800K → 5.2M Impressions, Maloof: Claude als "Home Base"), reden alle über denken vor delegieren. Nicht über bessere Prompts.

Claude Code Setup 24 Posts #

Recurring Patterns

• "Plan first, execute second." Plan Mode (Shift+Tab×2) ist der Default-Einstiegspunkt. Plan → Review → Auto-Accept. (Cherny via Shams, Adrees, Beggiato, Biedukhin, Gohel)
• CLAUDE.md kurz halten. Cinovoj: "If CLAUDE.md gets too long, the model starts missing critical signals. Clarity beats size." Huryn ergänzt: lieber emergent aus realer Arbeit wachsen lassen als upfront schreiben — und reorganisieren wenn > 200 Zeilen.
• Context-Rot ist real. Bei langen Sessions degradiert die Quality. Lösung der Authors: Subagents für Research, frische 200K-Contexts pro Phase (discuss → plan → execute → verify). (Grimm via get-shit-done, Cherny, Sutar)
• Self-Improvement-Loop. Nach jeder Korrektur: lessons.md updaten. Aus Mistake-Rate eine Permanent-Rule machen. (Cherny, Huryn)
• Hooks > Hoffnung. "Models forget. Hooks don't." Format-Hooks, Test-Hooks, Block-Hooks für sensible Dirs (auth, billing, migrations). (Cinovoj, Gohel)
• Subagents als Force-Multiplier. 30+ spezialisierte Agents in parallel (oh-my-claudecode), oder ad-hoc Subagents für Research-Calls, damit der Main-Context sauber bleibt. (Sutar, Cherny, Grimm)

Konsolidierte CLAUDE.md-Struktur

Synthetisiert aus Cinovoj, Cherny (via Shams), Huryn, Arora, Adrees, Gohel — die Schnittmenge dessen, was alle empfehlen.

# CLAUDE.md — Project Memory
# Halte unter 200 Zeilen. Wenn länger: refactoren lassen.

## Purpose
Was das System macht, für wen, und warum es existiert.
(2-3 Sätze. Nicht mehr.)

## Repo Map
- src/        — Production code
- docs/       — Architecture & decisions
- tests/      — < coverage & conventions >
- .claude/    — Skills, hooks, agents

## Rules
- ALWAYS enter Plan Mode for tasks with 3+ steps
- NEVER touch /auth, /billing, /migrations without explicit OK
- Run formatters & tests via hook on edit
- After every correction: append lesson to lessons.md

## Commands
- npm test          — full test suite
- npm run lint:fix  — auto-fix
- make deploy       — staging deploy

## Verification Checklist
Nichts ist "done" bis:
  1. Tests laufen grün
  2. Linter ohne Errors
  3. Logs gecheckt
  4. "Would a staff engineer approve this?" — ja

## Knowledge Base
- /knowledge/INDEX.md routet zu Domain-Folders
- Hypothesis → Rule wenn 5x bestätigt
- Rule → Hypothesis wenn 1x widerlegt

.claude/ — Folder Anatomy

Plan → Code Workflow (kanonisch)

1. Shift+Tab+Tab           → enter Plan Mode
2. "Goal: <klare Zielbeschreibung>"
3. Claude generiert Step-by-Step-Plan
4. Review: Annahmen, Edge Cases, Tradeoffs challengen
5. "OK. Execute."     → Auto-Accept Mode
6. Verification:        tests, logs, "staff engineer approve?"
7. Wenn Korrektur:      → lessons.md updaten

Best Practices (Action Items)

• Erst Plan Mode aktivieren, dann tippen. Skip = Rework.
• CLAUDE.md emergent wachsen lassen. Nicht upfront schreiben. (Huryn) Stattdessen: "save this to docs/decisions/name.md" mid-flight.
• Subagent für Research. Hält Main-Context schlank. (Cherny)
• Hooks für alles, was nicht vergessen werden darf. Test-Run, Format, Sensitive-Dir-Block.
• MCP-Stack: Context7 + Playwright + Postgres + GitHub. Die meistgenannten. (Malmoum, Arora)
• Knowledge-Base mit Hypothesis→Rule-Promotion. Insights extracten nach jeder Task — domänenweise (pricing/, architecture/, voice/). (Huryn)
• Skills für Code-Review, Debug, Release. Die drei Workflows, die laut Authors am meisten ROI bringen.

Anti-Patterns

Claude Skills & Cowork 12 Posts #

Recurring Patterns

• Drei Modi, klar trennen: Chat (quick), Projects (recurring), Cowork (deep execution). 90 % der Nutzer kleben in Chat. (Bilan, Foo, Khan, Anas, Sriraman)
• Folder-Schema ist universell. Vier Ordner — alle Authors konvergieren auf die gleichen Namen: About Me, Templates, Projects, Output. (Foo, Khan, Lewandowski, Ramesh K, Millien, Lizde)
• Anti-AI-Style-File ist ein Multiplikator. Wörter, die du nie sehen willst. "Synergie", "leverage", "delve into" usw. Claude folgt. (Foo, Khan, Lewandowski, Ramesh K)
• Skills folgen einem Dreiklang: Role → Rules → Trigger. Mehr braucht es nicht. (Millien, Verma, Village)
• Progressive Disclosure ist der eigentliche technische Trick. Skills bleiben als Lightweight-Summary im Hintergrund; volle Instruction-File wird nur on-demand geladen. → Hunderte Skills ohne Context-Verschmutzung. (Shah)
• "Read files. Ask clarifying questions first." — Diese zwei Sätze tauchen als Standard-Promptende in 8+ Posts auf. Output-Quality-Boost: 2-3 Levels. (Foo, Lewandowski, Lizde, Ramesh K)

Das 4-Folder-Setup (kanonisch)

# Dein Cowork-Root auf dem Desktop
Cowork/
├── 00_about-me/              # Read-only — Identität
│   ├── about-me.md           # Wer du bist, Quartalsziele
│   ├── voice-profile.md      # Stil-DNA (~100 Fragen von Claude)
│   └── anti-ai-style.md      # Verbotsliste
├── 01_templates/             # Read-only — Wiederverwendbare Strukturen
│   ├── prd.md
│   ├── 1-1-template.md
│   └── strategy-doc.md
├── 02_projects/              # Read-only — Aktuelle Arbeit, ein Ordner pro Projekt
│   └── <project-name>/
└── 03_output/                # Write — Hier & nur hier schreibt Claude

SKILL.md-Anatomie

---
name: linkedin-post
trigger: "schreibe einen LinkedIn-Post" | "/linkedin"
---

## Role
Du bist mein LinkedIn-Editor. Du kennst meine Voice (siehe voice-profile.md).

## Rules
- Hook in der ersten Zeile, max. 7 Wörter
- Keine Floskeln (siehe anti-ai-style.md)
- Struktur: Hook → Insight → 3 Bullets → Frage
- Max 1300 Zeichen

## Process
1. Lies about-me.md + voice-profile.md
2. Stell mir 2-3 Klärungsfragen
3. Generiere 3 Varianten
4. Speichere in 03_output/linkedin/<datum>-<topic>.md

Cowork — 6 Eskalationsstufen

Bacchin-Bertling's Map — von Einstieg zu Enterprise-Use.

Best Practices

• Desktop-App, nicht Browser. Wirkliche Power nur dort. (Lewandowski, Ramesh K, Bilan)
• Opus 4.6 mit Extended Thinking als Default. Default-Modell ist zu schwach für Knowledge-Work. (Foo, Ramesh K)
• Eine Skill = ein klarer Job. Nicht "Marketing-Agent". Stattdessen: LinkedIn-Post-Writer, Meeting-Summarizer, Campaign-Launcher. (Village, Shah)
• Voice-Profile via Interview. Claude stellt 100 Fragen → File entsteht. Nicht selber schreiben.
• Skills chainen statt Tabs wechseln. Campaign-Launcher → LinkedIn-Writer → Outreach in einem Cowork-Fenster. (Shah)

Anti-Patterns

Power-User Mindset 9 Posts #

Recurring Patterns

• Vom Operator zum Decision-Maker. Claude generiert Optionen, ranked, plant — Mensch entscheidet. (Khan, Maloof)
• Tool-Roles statt Tool-Soup. Jedes AI-Tool = ein Mitarbeiter mit klar definierter Rolle. ChatGPT = Strategy-Brainstorm; Claude = Build & Argue; Gamma = Slides; Granola = Notes-Safety-Net. (Biddlecombe, Maloof)
• "Read files. Ask first." Das Universal-Prompt-Suffix. (Foo, Lizde, Lewandowski)
• Fork & Edit statt neu starten. Wenn der Output nicht passt — vorherige Message editieren statt Chat-Reset. (Waldron)
• "Do you have something to say before talking to an agent?" Hurzns Lakmus-Test. Wenn nicht: zuerst denken.

Maloof's "AI Stack als System" — Beispielhaft

Eine der konkretesten Aufstellungen, wie ein professioneller User mehrere Tools kombiniert.

Best Practices

• Vor Tool-Wahl: Was ist die Aufgabe? Welches Modell? Welches Feature? (YILDIZ)
• Reviewen wie ein Manager. Outputs sind nicht final — sie sind Drafts mit fixem Mitarbeiter. (Biddlecombe)
• Eine Tool-Rolle pro Tool. Nicht "Claude für alles".
• Wenn die Quality stagniert: bessere Inputs, nicht bessere Prompts.

Anti-Patterns

Agentic AI — Was es wirklich ist 2 Posts + Querverweise #

Die saubere Taxonomie (Kitching, Yakovlev, Kashif)

Architektur eines echten Agents (Yakovlev)

1. Brain — Model (Claude, GPT-4)
2. Workflow — Was-zuerst-Logik
3. Tools — CRM, ERP, DBs, APIs, Email
4. Guardrails — Security, Approvals, Monitoring

Wann welcher Agent-Typ?

• LLM-Agents wenn Ambiguity dominiert
• Workflow-Agents wenn Consistency wichtiger ist
• Custom-Agents wenn Domain-Complexity da ist (regulated workflows)

Anti-Patterns

AI Leadership 2026 4 Posts #

Recurring Patterns

• "AI doesn't create clarity. Clarity creates value from AI." — Beierlein. Die These der Synthese.
• From Chatbots → Autonomous Workers. Ownership-Frage muss vor der Autonomie geklärt sein. (Millien)
• From KPIs → Outcomes With Proof. Traceability, Rationale, Auditability werden Default-Erwartung. (Millien)
• Start additive, not substitutive. Code-Review-Agents zuerst neben Menschen — niedrige-Risk-Repos zuerst. (Dong)
• Legacy-Codebases sind nicht der Blocker. Für Review-Agents reicht "good enough" — sie arbeiten in einem constrained Problem-Space. (Dong)

Die 8 Enterprise-Shifts (Millien)

Rollout-Heuristiken (Dong, Praxis)

• Lower-Risk-Repos zuerst (Marketing-Site, nicht Payments).
• Precision-vs-Recall pro Team tunbar machen — "annoying" vs "useful" ist team-spezifisch.
• Buy-in entsteht durch sichtbare Wins, nicht durch Top-Down-Edicts.

Anti-Patterns

Daily Workflows 2 Posts #

Pattern A — Daily Command Center (Pierce)

6:00 morgens, eine Email. Inhalt:

• Schedule + Prep für jeden Call
• AI-News mit Relevance-Score
• Deliverables Dashboard (was heute fällig)
• Health/Fitness + Recovery Metrics
• Yesterday's Recap
• Top 3 Priorities — nur 3.

Stack: Claude API + n8n + existing APIs. ~45 min Setup. 10+ h/Woche gespart.

Pattern B — Persistent Knowledge System (Huryn)

• 13 Hypothesen, getrackt mit Real-Data
• 50+ "false beliefs" — wo Common Wisdom falsch war
• Voice-Learning statt generic "professional tone"
• Progressive Loading: nur task-relevantes Wissen
• Claude hat die Architektur vorgeschlagen, nicht der User. "Managing, not instructing."

Gemeinsame Architektur

Trigger (Cron / Manual)
  ↓
Read Context (about-me, voice, calendar, last-session)
  ↓
Process & Decide (Claude)
  ↓
Generate Output (Email / Doc / Slack)
  ↓
Update Knowledge (lessons.md, hypotheses.md)

Universal Anti-Patterns #

Die Top-10 Fehler, die mindestens 3 der Authors nennen. Ranked nach Häufigkeit der Erwähnung.

Action Items für Marcel #

Sieben konkrete Next Steps, ableitbar aus dem Material — CTO-Filter angewandt.

1. DocuSketch-CLAUDE.md-Template etablieren. Eine kanonische CLAUDE.md-Vorlage für jedes Repo bei DocuSketch — < 200 Zeilen, mit Purpose / Repo Map / Rules / Commands / Verification Checklist. Plus Hook für sensible Dirs (auth, billing, migrations). → Quelle: Claude Code Setup (Cinovoj, Cherny, Huryn)
2. Plan Mode als Engineering-Standard verankern. Internes "Wie wir mit Claude Code arbeiten"-Doc: Plan Mode Default für jede Task > 30 min. Definiere "Done" mit Tests + Logs + Senior-Review-Filter. Pair mit Subagent-Pattern für Research. → Quelle: Claude Code Setup, AI Leadership (Cherny via Shams, Biedukhin, Dong)
3. Knowledge-Base mit Hypothesis→Rule-Promotion bauen. Hurzns Pattern in DocuSketch-Workflows ziehen: /knowledge/{domain}/{knowledge,hypotheses,rules}.md, mit Promotion bei 5x Bestätigung, Demotion bei Widerlegung. Sofort wertvoll für Domain-Wissen (Renderer-Quirks, Customer-Patterns). → Quelle: Claude Code Setup (Huryn)
4. Cowork-Setup für CTO-Workflow standardisieren. Eigenen Cowork-Ordner mit dem 4-Folder-Schema einrichten: about-me + voice + anti-ai-style + projects + output. about-me.md fokussiert auf DocuSketch-Quartalsziele. Skills für: Standup, Decision-Doc, 1:1-Prep, Architecture-Review. → Quelle: Skills & Cowork (Lewandowski/Hassid, Millien, Foo)
5. Daily Command Center pilotieren. Pierce's Pattern für CTO-Briefing: Morgens 1× Mail mit Calendar + AI-News + Top-3-Priorities + Yesterday-Recap. Stack: Claude + n8n + Gmail/Calendar/Slack-MCP. Setup-Budget: 1 Nachmittag. → Quelle: Daily Workflows (Pierce)
6. Agentic-Taxonomie für DocuSketch-Komms festlegen. Internes Vokabular: nur was wirklich plant + Tools wählt + adaptiert ist "Agentic". Alles andere ist RAG, Chatbot oder Workflow-Automation. Verhindert Governance-Panik bei harmlosen Pilots. → Quelle: Agentic AI (Kitching, Yakovlev)
7. Code-Review-Agents additive ausrollen. Dong's "Start additive, not substitutive": Claude Code Review als Suggestion-Layer neben Human-Review starten. Erst auf niedrig-Risk-Codebases. Precision/Recall pro Team tunbar machen. ROI nach 4 Wochen messen — wenn positiv: auf nächstes Tier. → Quelle: AI Leadership (Dong)

Alle 54 Quellen #

Vollständige Liste, sortiert nach Themen. Starred-Posts sind hervorgehoben.

Claude Code Setup (24)

Claude Skills & Cowork (12)

Power-User Mindset (9)

Agentic AI (2)

AI Leadership (4)

Daily Workflows (2)

Other (1)

★ = Starred by Marcel.