Best Skills (2026)

1

Manage Headers (Grade A)

Security-tested development skill for Claude AI. Grade A. Inspects and configures the security headers a Power Pages site sends to browsers — Content Security Policy, frame and clickjacking protection

შეფასებები არ არის· free

სრული მიმოხილვა

Manage Headers (Grade A) is a security-tested development skill for Claude AI. It is designed to inspect and configure the security headers a Power Pages site sends to browsers, including Content Security Policy, frame and clickjacking protection, cross-origin sharing, cookie behavior, and related site settings. The skill identifies gaps and walks the user through fixes, making it useful for tasks such as reviewing headers, fixing CSP errors, controlling cross-origin access, hardening cookie settings, or checking whether browser settings are safe. It can be used when the user wants to achieve various security-related goals without specifically mentioning 'security headers.'

• Inspects current security headers
• Configures Content Security Policy
• Enables frame and clickjacking protection
• Manages cross-origin sharing and cookie behavior

2

Using Git Worktrees (Grade A)

Security-tested data-ai skill for Claude AI. Grade A. Use when starting feature work that needs isolation from current workspace or before executing implementation plans - creates isolated git worktre

შეფასებები არ არის· free

სრული მიმოხილვა

Use when starting feature work that needs isolation from current workspace or before executing implementation plans. This skill creates isolated git worktrees with smart directory selection and safety verification. Git worktrees create isolated workspaces sharing the same repository, allowing work on multiple branches simultaneously without switching. The core principle is systematic directory selection plus safety verification, leading to reliable isolation. The directory selection process follows these steps: 1. Check for existing directories with priority order: hidden ".worktrees" directory, then "worktrees" directory. If found, use that one. 2. Check if a preference for a worktree directory is specified in the "CLAUDE.md" file. 3. If no directory exists and no CLAUDE.md preference is found, ask the user to choose a directory. The safety verification step is critical and involves checking if the chosen directory is ignored by Git. If not ignored, the skill will add the directory to the ".gitignore" file and commit the changes. Creation steps include: 1. Detecting the project name and creating a full path for the worktree. 2. Creating the worktree with a new branch. 3. Running project setup, which auto-detects and runs the appropriate setup commands (e.g., installing dependencies) based on the project type (Node.js, Rust, Python, or Go). 4. Verifying a clean baseline by running tests. If tests fail, report failures and ask whether to proceed or investigate. 5. Reporting the worktree location and its readiness to implement a feature.

• Isolated workspace creation
• Smart directory selection
• Safety verification
• Automated project setup

3

Ga4 Bigquery Schema (Grade A)

Security-tested data-ai skill for Claude AI. Grade A. GA4 BigQuery Export Schema Reference — complete field reference, nested structures, query patterns, and performance tips

შეფასებები არ არის· free

სრული მიმოხილვა

GA4 BigQuery Export Schema Reference is a security-tested data-ai skill for Claude AI. It provides a complete field reference, nested structures, query patterns, and performance tips for Google Analytics 4 BigQuery export schema. The tool helps users understand the GA4 export schema, write correct BigQuery SQL queries against GA4 data, and follow performance best practices.

• Complete field reference
• Nested structures
• Query patterns
• Performance tips
• Ready-to-use SQL examples

4

Meta Capi (Grade A)

Security-tested data-ai skill for Claude AI. Grade A. Meta Conversions API (CAPI) Setup Reference — architecture, event types, customer information hashing, deduplication, implementation examples, AEM

შეფასებები არ არის· free

სრული მიმოხილვა

Meta Capi is a security-tested data-ai skill for Claude AI, providing a comprehensive reference for setting up Meta Conversions API (CAPI). It covers architecture, event types, customer information hashing, deduplication, implementation examples, and Aggregated Event Measurement. The tool helps users implement CAPI correctly, debug event tracking issues, improve Event Match Quality, and configure deduplication. It offers precise answers with ready-to-use code examples and can utilize Cogny MCP tools to inspect user configurations and provide contextual recommendations.

• CAPI architecture overview
• Event type parameters
• Customer information hashing
• Deduplication strategies
• Aggregated Event Measurement
• Node.js implementation example

5

Callees (Grade A)

Security-tested development skill for Claude AI. Grade A. Lista o que uma funcao/metodo chama (call graph direto)

შეფასებები არ არის· free

სრული მიმოხილვა

Callees (Grade A) is a security-tested development skill for Claude AI. It identifies what a function or method calls, generating a direct call graph. The skill is useful for mapping dependencies of a function before extracting or moving it, identifying usage of restricted or deprecated functions, and estimating the impact of a refactoring. It also provides information about the callee, such as the function name, line number, and call type (native ERP, restricted, user function, or external). By using /plugadvpl:callees, users can input the name of a function to see what it calls, with options for formatting the output as a table or in markdown. It is part of the plugadvpl toolkit. This skill is a useful addition to a Claude AI's development capabilities, providing essential insights into the codebase.

• Direct call graph listing
• Function call type identification (native ERP, restricted, user function, external)
• Line of call site information
• Support for multiple output formats (e.g., Markdown)

6

Test Module Name (Grade A)

Security-tested data-ai skill for Claude AI. Grade A. Name Haskell test modules after the module under test with a Spec suffix in the same namespace. Use when writing or reviewing Haskell test module

შეფასებები არ არის· free

სრული მიმოხილვა

Name Haskell test modules after the module under test with a Spec suffix in the same namespace. This is done to clearly separate library and test directories, making it easier to identify dependencies and relationships between modules. In particular, this best practice is beneficial when writing or reviewing Haskell test module names or test file organization. For example, a test module named Env.TypeSpec should be placed in the same namespace as the module it is testing, Env.Type. This ensures that the relationships between modules are clear, and it is particularly useful for modules with complex behavior, such as those that depend on multiple modules or have no dependencies on specific modules.

• Suggests test module names based on the module under test
• Appends 'Spec' to the module name
• Same namespace as the module under test

7

Board Of Directors (Grade A)

Security-tested data-ai skill for Claude AI. Grade A. Simulate a 5-member expert board deliberation for major decisions. Use when evaluating plans, architecture choices, feature designs, or any decisi

შეფასებები არ არის· free

სრული მიმოხილვა

The Board of Directors skill simulates a 5-member expert board deliberation for major decisions. It evaluates plans, architecture choices, feature designs, or any decision requiring multi-perspective expert analysis. The board consists of five roles: Chief Architect (CA), Chief Product Officer (CPO), Chief Security Officer (CSO), Chief Operations Officer (COO), and Chief Experience Officer (CXO). Each director brings domain expertise and can challenge other directors' opinions. The deliberation process involves individual assessments, board discussions, and a final vote to reach a consensus.

• Simulates a 5-member expert board
• Individual assessments by each director
• Board discussion and rebuttals
• Final vote and consensus-building
• Role-based evaluation (CA, CPO, CSO, COO, CXO)

8

Advpl Mvc Avancado (Grade A)

სეკურიტი ავანკადან განვითარების უნარი კლუდ აი-სანახ. სრტ. A კატეგორია. ADVPL MVC ავანცადო სრტ. მეშვეობით PE (შესასვლელების პუნქტები) — ადგილობრივი გრიდების დამატება სტანდარტულ სკრინ მეშვეობით (CNTA300/MATA070/MATA440/MATA460/FINA040 *STRU)

შეფასებები არ არის· free

სრული მიმოხილვა

Advpl Mvc Avancado (Grade A) არის საინჟინერო ნებდევორპის სრულყოფილების განყოფილება, რომელიც შექმნილია Claude AI-სთვის. ის განვითარების მოდელით (MVC) padrão (CNTA300/MATA070/MATA440/MATA460/FINA040 *STRU მეშვეობით) მოდიფიკაციის საშუალებას შესწავლავს, გრიდებს, addTrigger-ს და ავტომატურად დამატების შემდეგ ვალიდაციას, გრიდებს რომლებშიც კადასტრალურ ენტიტებში ბარით (pai/filha) საზღვარგარეთ ვალიდაციური შესწორება მოხდება. ასევე, ფინანსური კალკული და შეხედულების გამოყენება, თანდაყოლა MATXFIS საცდელ. აგრეთვე ის ტექსტური ვარიანტების (MsNewGetDados) რაციონალიზაციას სინქრონზებებთან ერთად დაემატება ვლადების სხვა თვისებები და პროვაჟისტულე ვარიანტები.

• სტანდარტულ ADVPL MVC რუტინების (სრტ. PE) კონფიგურაცია
• ადგილობრივი გრიდებისა და გათირევის დამატება სტანდარტულ სკრინებზე
• სპეციფიკური მიმდინარეობის ლოგიკისა და ვალიდაციების შეტანა
• კლიენტების TOTVS მოდულების (მაგალითად, MATA010, MATA070, MATA440) მხარდასაჭერი სერვისი

9

Advpl Fundamentals (Grade A)

საჭირო განვითარების სამუშაო უნარი, იმოწყობილი ესკადეფ აი კლუდ აი (Grade A). ADVPL/TLPP ფუნდამენტები — ჰუნგარული სამანიშვნებელი, სახელად, ადგილობრივი, სტატიკური, კოცნეზო, სოფრიზო, ლიმიტი 10 chars), საკრიპტო ნგარება (c/n/d/l/a/o/b/x/u), სახელადი კონვეფციები, ადგილობრივი, სტატიკური, კოცნიზო, სოტიზო, ლიმიტი 10 chars).

შეფასებები არ არის· free

სრული მიმოხილვა

AdvPL Fundamentalis (Grade A) - ეს არის საჭირო განვითარების უნარი კლაუდ აისთვის. იგი მოიცავს ADVPL/TLPP-ის ფუნდამენტალურ კონცეფციებს, მათ შორის უნგარულ ნოტაციას, აღნიშვნის კონვენციას, ლოკალურ და გლობალურ დიაპაზონებს და სახელის სიგრძეების შეზღუდვებს. ADVPL (ავანსედ Protheus ენა) და მისი გამგზავრების ტექნოლოგია არის კლიფპერი/ქსბეის ძირეული ლექსიკის ხარისხობრივი გაფართოები. მათი საფუძველი სამი სავალალო ნაშთები, აუცილებლობის მიხედვით არათა არ დაეთბობინება პროფესიონალურ Protheus კოდებში. ამ გამოცდაში იყურებიან დამკვეთი მემკვიდრე ამ დახმარებას აღწერს ყველაზე ხშირ ფიქრებს, როგორიცაა ADVPL კლასიკურის სუსტი ბუღა, სადაც ცვლადის სახელი 10 სინგლს იკუნთნა და ცვლების რეგისტრდაციის სწორ სახელმწიფოებრივ მწყობრის გამოყენების მნიშვნელობა. იგი არის პრაქტიკული გეიდი პროგრამისტებისათვის ლოკალური, სტატიკური, პრივატული და საზიარო ცვლადების გამოყენების შესაბამის წესები მათი არსებობის ხანგრძლივობის საფუძველზე. უმაღლესი პორტფელის საფუძველის ფონდამენტალები (Grade A), აცილობს ზემოთხსენებული ცვლადების შინაარსს. ეს საფეხური არის დიზაინირებული იმისათვის, რათა პროგრამისტებს შეუძლოს კავშირგაბურჯქოს მარტივად ზუსტ სიბიებს და უფრო მოკლე პერიოდებში ADVPL/TLPP პროგრამირების მონაცემები გრძელვადიანად შეძლოს.

• ჰუნგარული სამანიშვნებელი
• სახელად. კონვეფცია
• ადგილობრივი, სტატიკური, კოცნიზო, კოსაფ்஘
• ლიმიტი 10 chars]
• pros
• :

Workflow Engine (Grade A) is a utility skill that helps with defining a machine-readable workflow DAG for the multi-step agent pipeline. It enables the creation of pipelines with node types, edge conditions, gates, and fan-out patterns. This skill is designed to meet the requirements of a Grade A security-tested environment, suggesting that it is well-suited for use in a high-security devops environment with Claude AI.

• Machine-readable workflow DAG
• Node type definitions
• Edge condition management
• Gate and fan-out pattern support
• Multi-step agent pipeline management