Menu
Initialize a new project from Agent Kit boilerplate. Use when creating a new downstream project.
Installer avec Codex ou Claude Copiez ce prompt, collez-le dans Codex, Claude ou un autre assistant, puis laissez-le vérifier la page du skill et l'installer pour vous.
Basé sur la classification professionnelle SOC
Cross-project audit and sync. Backs up, bootstraps, promotes, syncs, and verifies all downstream projects.
Structured pre-planning research. Explores codebase, asks clarifying questions, and produces a brainstorm output file for /plan-feature input.
Capture knowledge from development sessions. Debug patterns, architecture decisions, framework gotchas, and integration learnings compound over time.
Load project context and show current status. Use at the start of a session or when context is needed.
Run parallel code reviews using specialized agents (security, performance, simplicity, nextjs-react). Produces a structured report.
Pre-Production Security & Quality Check with Strix AI. Use BEFORE deploying to production to catch vulnerabilities and issues.
| name | init-project |
| description | Initialize a new project from Agent Kit boilerplate. Use when creating a new downstream project. |
| disable-model-invocation | true |
| allowed-tools | Read, Write, Edit, Bash, AskUserQuestion |
| argument-hint | ["project-name"] |
Create a new downstream project from the Agent Kit template.
lucidlabs/
├── lucidlabs-agent-kit/ ← You are here (upstream)
└── projects/
└── [project-name]/ ← Will be created here
Project Name: $ARGUMENTS
If no argument provided, ask for:
customer-portal)ZUERST: Frage ob der User ein Template nutzen möchte:
┌─────────────────────────────────────────────────────────────────────────┐
│ PROJEKT SETUP │
├─────────────────────────────────────────────────────────────────────────┤
│ │
│ Wie möchtest du starten? │
│ │
│ [1] TEMPLATE (Recommended) │
│ → Fertiges Setup mit Demo-Projekt │
│ → Dokumentation + Admin Dashboard │
│ → Sofort lauffähig │
│ │
│ [2] CUSTOM │
│ → Stack individuell zusammenstellen │
│ → Für spezielle Anforderungen │
│ │
└─────────────────────────────────────────────────────────────────────────┘
┌─────────────────────────────────────────────────────────────────────────┐
│ VERFÜGBARE TEMPLATES │
├─────────────────────────────────────────────────────────────────────────┤
│ │
│ [1] fullstack-convex-mastra (Recommended) │
│ • Next.js 16 + React 19 │
│ • Convex (self-hosted) + Better Auth │
│ • Mastra v1 AI Agents │
│ • Demo Invoice Workflow │
│ • Admin Dashboard │
│ • Offline dev mode (Ollama) │
│ │
│ [2] Mehr Templates coming soon... │
│ │
└─────────────────────────────────────────────────────────────────────────┘
Bei Template-Auswahl:
../projects/[project-name]/Weiter mit der manuellen Stack-Konfiguration unten.
WICHTIG: Bevor du die Stack-Konfiguration zeigst, frage nach dem Projekt:
Frage den User:
Beschreibe dein Projekt in 1-2 Sätzen:
Beispiele:
• "Chat-Bot für Kundenservice"
• "Ticket-Klassifikation mit CRM-Integration"
• "Enterprise RAG für interne Dokumente"
• "Schneller Prototyp für Demo nächste Woche"
Analysiere die Beschreibung und ordne sie einer Stufe zu:
| Stufe | Erkennungsmerkmale | Empfehlung |
|---|---|---|
| 1: MVP/Prototype | "Demo", "POC", "schnell", "einfach", "Chat" | Vercel AI SDK + Convex |
| 2: Standard | "Agent", "Tool", "Workflow", "Klassifikation" | Mastra + Convex |
| 3: Enterprise | "Multi-Tenant", "Enterprise", "viele User", "CRM/ERP" | Mastra + Convex + Portkey + n8n |
| 4: GDPR/Compliance | "Bank", "Versicherung", "GDPR", "EU-Daten" | + Azure OpenAI + Postgres |
┌─────────────────────────────────────────────────────────────────────────┐
│ STACK-EMPFEHLUNG │
├─────────────────────────────────────────────────────────────────────────┤
│ │
│ Basierend auf: "[User-Beschreibung]" │
│ │
│ Erkannte Stufe: STUFE 2 - Standard Projekt │
│ │
│ EMPFOHLENER STACK: │
│ │
│ ✅ Next.js 16 (Frontend) - Standard │
│ ✅ Mastra (AI Layer) - wegen Tools/Workflows │
│ ✅ Convex (Database) - Realtime für UI │
│ ⚪ n8n (Automation) - optional, für Integrationen │
│ │
│ NICHT EMPFOHLEN für dieses Projekt: │
│ ❌ Vercel AI SDK - Projekt braucht Tools │
│ ❌ Portkey - kein Multi-Tenant/Cost-Tracking nötig │
│ ❌ Python Workers - keine PDF/ML-Verarbeitung │
│ │
├─────────────────────────────────────────────────────────────────────────┤
│ │
│ Mit dieser Empfehlung fortfahren? [Y/n] │
│ Oder: "Anpassen" für manuelle Auswahl │
│ │
└─────────────────────────────────────────────────────────────────────────┘
Stufe 1: MVP/Prototype
✅ Next.js 16
✅ Vercel AI SDK ← Schnell, einfach
✅ Convex ← Einfaches Setup
❌ Mastra, n8n, Portkey, Python, Terraform
Stufe 2: Standard Projekt
✅ Next.js 16
✅ Mastra ← Production-ready Agents
✅ Convex ← Realtime, Type-safe
⚪ n8n ← Optional für Integrationen
❌ Portkey, Python, LangChain, Terraform
Stufe 3: Enterprise Projekt
✅ Next.js 16
✅ Mastra ← Volle Agent-Kapazität
✅ Convex oder Postgres
✅ Portkey ← Cost Tracking, Multi-Model
✅ n8n ← Externe Integrationen
⚪ Python Workers ← Falls PDF/ML nötig
⚪ Terraform ← Falls Multi-Environment
Stufe 4: GDPR/Compliance
✅ Next.js 16
✅ Mastra
✅ Postgres ← EU-hosted möglich
✅ Azure OpenAI ← GDPR-konform
✅ Portkey ← Routing & Fallback
✅ n8n
✅ Terraform ← IaC für Compliance
Falls User "Anpassen" wählt, zeige die manuelle Konfiguration:
┌─────────────────────────────────────────────────────────────────┐
│ STACK CONFIGURATION │
├─────────────────────────────────────────────────────────────────┤
│ │
│ AI LAYER (wähle eins): │
│ ├─ [1] Mastra (Production Agents, Tools, Workflows) │
│ └─ [2] Vercel AI SDK (Schnelle Prototypen, Chat UI) │
│ │
│ DATABASE (wähle eins): │
│ ├─ [1] Convex (Realtime, Simple Setup, Built-in Vector) │
│ └─ [2] Postgres (SQL Standard, Pinecone-kompatibel) │
│ │
│ FRONTEND: │
│ └─ [Y/n] Next.js 16 + shadcn/ui │
│ │
└─────────────────────────────────────────────────────────────────┘
WICHTIG: Führe /llm-evaluate [projekt-beschreibung] aus um aktuelle Preise zu holen und das optimale Modell zu empfehlen.
┌─────────────────────────────────────────────────────────────────┐
│ LLM KONFIGURATION │
├─────────────────────────────────────────────────────────────────┤
│ │
│ PRIMARY MODEL (Hauptmodell): │
│ ├─ [1] Claude Sonnet 4 - Best coding, balanced ($3/$15) │
│ ├─ [2] Claude Haiku 3.5 - Fast, cheap ($0.25/$1.25) │
│ ├─ [3] Claude Opus 4.5 - Best reasoning ($15/$75) │
│ ├─ [4] GPT-4o - Multimodal ($5/$15) │
│ ├─ [5] Gemini 2.0 Flash - Ultra cheap ($0.10/$0.40) │
│ ├─ [6] DeepSeek V3 - Budget ($0.27/$1.10) │
│ └─ [7] Custom - Manuell konfigurieren │
│ │
│ FALLBACK MODEL (wenn Primary down): │
│ ├─ [1] GPT-4o-mini - Budget fallback │
│ ├─ [2] Gemini Flash - Google fallback │
│ ├─ [3] Kein Fallback - Nur Primary │
│ └─ [4] Custom │
│ │
│ FAST MODEL (für einfache Tasks): │
│ ├─ [1] Claude Haiku 3.5 - Schnell, Anthropic │
│ ├─ [2] Gemini Flash 8B - Ultra cheap │
│ ├─ [3] Same as Primary - Kein separates Fast-Model │
│ └─ [4] Custom │
│ │
└─────────────────────────────────────────────────────────────────┘
┌─────────────────────────────────────────────────────────────────┐
│ COMPLIANCE & REGION │
├─────────────────────────────────────────────────────────────────┤
│ │
│ [y/N] GDPR-Modus - Nur EU-Provider (Azure, Mistral) │
│ [y/N] Portkey - Cost Tracking, Fallbacks, Caching │
│ │
└─────────────────────────────────────────────────────────────────┘
LLM Empfehlung nach Stufe:
| Stufe | Primary | Fallback | Fast |
|---|---|---|---|
| 1: MVP | Haiku 3.5 | Gemini Flash | - |
| 2: Standard | Sonnet 4 | GPT-4o-mini | Haiku 3.5 |
| 3: Enterprise | Sonnet 4 | GPT-4o | Haiku 3.5 |
| 4: GDPR | Azure GPT-4o | Mistral Large | - |
Siehe: .claude/reference/llm-configuration.md für Details.
┌─────────────────────────────────────────────────────────────────┐
│ OPTIONAL COMPONENTS │
├─────────────────────────────────────────────────────────────────┤
│ │
│ [y/N] n8n - Workflow Automation, Integrations │
│ [y/N] Python - PDF Parsing, OCR, Statistics, ML │
│ [y/N] LangChain - Complex Chains, LangGraph │
│ [y/N] Terraform - Infrastructure as Code │
│ │
└─────────────────────────────────────────────────────────────────┘
┌─────────────────────────────────────────────────────────────────┐
│ PROJECT MANAGEMENT │
├─────────────────────────────────────────────────────────────────┤
│ │
│ Name: [project-name] │
│ GitHub: [YES] lucidlabs-hq/[project-name] │
│ Linear: [YES] [Domain] Project Name │
│ │
└─────────────────────────────────────────────────────────────────┘
┌─────────────────────────────────────────────────────────────────┐
│ DEPLOYMENT TARGET │
├─────────────────────────────────────────────────────────────────┤
│ │
│ Wo soll das Projekt deployt werden? │
│ │
│ [1] LUCIDLABS-HQ (Recommended) │
│ → [project].lucidlabs.app │
│ → Shared Elestio, schneller Setup │
│ → GitHub Actions deployt automatisch │
│ │
│ [2] DEDICATED │
│ → Eigener Elestio Server via Terraform │
│ → Für Kunden mit Compliance/Isolation │
│ → Höhere Kosten, volle Kontrolle │
│ │
│ [3] LOCAL-ONLY │
│ → Kein Cloud-Deployment (Prototyp/Demo) │
│ → Später konfigurierbar │
│ │
└─────────────────────────────────────────────────────────────────┘
Siehe: .claude/reference/deployment-targets.md für Details.
| Was brauchst du? | AI Layer | Database | LLM | Optional |
|---|---|---|---|---|
| Chat Prototype | Vercel AI SDK | Convex | Claude | - |
| Production Agent | Mastra | Convex | Claude | - |
| PDF/Dokument-Analyse | Mastra | Convex | Mistral | - |
| Agent + CRM | Mastra | Convex | Claude | n8n |
| SQL + Pinecone | Mastra | Postgres | Claude | Pinecone |
| Enterprise Multi-Tenant | Mastra | Either | Claude | Portkey, n8n |
| Complex Analysis | Mastra | Either | Claude | Python Workers |
| GDPR/Compliance | Mastra | Postgres | Azure OpenAI | - |
| EU-Hosting + Speed | Mastra | Convex | Mistral | - |
The script automatically creates the project in ../projects/:
# Interactive mode (recommended for first-time)
./scripts/create-agent-project.sh --interactive
# Or with project name directly
./scripts/create-agent-project.sh [project-name]
What the script does:
../projects/[project-name]/KRITISCH: Nach dem Scaffolding MUSS PROJECT-CONTEXT.md erstellt werden.
Erstelle .claude/PROJECT-CONTEXT.md im neuen Projekt:
# Project Context
> Identifiziert dieses Repository und sein Verhältnis zum Agent Kit.
---
## Repository Type
type: downstream
---
## Upstream Reference
upstream:
name: lucidlabs-agent-kit
repo: git@github.com:lucidlabs-hq/lucidlabs-agent-kit.git
local_path: ../../lucidlabs-agent-kit
last_sync: [HEUTE]
---
## Active Project
project:
name: [project-name]
description: "[Beschreibung aus Step 0.1]"
client: [Kundenprojekt | Internes Projekt]
status: Initial
started: [HEUTE]
---
## Promotion Tracking
Patterns die ins upstream promoted werden sollen:
| Pattern | Status | Description |
|---------|--------|-------------|
| - | - | - |
Nutze `/promote` um Patterns ins upstream zu übernehmen.
Warum das wichtig ist:
/prime erkennt dadurch, dass dies ein downstream Projekt ist/promote weiß, wo das upstream liegtKRITISCH: Die Projekt-Beschreibung aus Step 0.1 wird zum initialen PRD.
Erstelle .claude/PRD.md im neuen Projekt:
# [project-name] - Product Requirements Document
> **Status:** Initial - Ausspezifizierung mit /create-prd erforderlich
**Version:** 0.1 (Initial)
**Last Updated:** [HEUTE]
**Client:** [Kundenprojekt | Internes Projekt]
---
## Project Description (aus Init-Gespräch)
> "[Exakte Beschreibung die der User in Step 0.1 eingegeben hat]"
---
## Stack (gewählt in Init)
| Component | Choice | Reason |
|-----------|--------|--------|
| AI Layer | [Mastra/Vercel AI SDK] | [Warum gewählt] |
| Database | [Convex/Postgres] | [Warum gewählt] |
| Frontend | Next.js 16 + shadcn/ui | Standard |
| Optional | [n8n, Portkey, etc.] | [Warum gewählt] |
## LLM Konfiguration (gewählt in Init)
| Role | Model | Provider | Cost (Input/Output) |
|------|-------|----------|---------------------|
| Primary | [Model] | [Provider] | $X/$X per 1M tokens |
| Fallback | [Model] | [Provider] | $X/$X per 1M tokens |
| Fast | [Model] | [Provider] | $X/$X per 1M tokens |
**Portkey:** [Ja/Nein] - [Begründung]
**GDPR-Modus:** [Ja/Nein]
---
## Nächste Schritte
**Dieses PRD ist ein Ausgangspunkt.** Es muss mit `/create-prd` ausspezifiziert werden:
1. [ ] Problem & Solution detaillieren
2. [ ] Target Users definieren
3. [ ] MVP Scope festlegen
4. [ ] User Stories schreiben
5. [ ] Domain Model entwerfen
6. [ ] AI Agent Specification
7. [ ] Success Criteria
---
## Kontext aus Init-Gespräch
[Hier wird die Zusammenfassung aus Step 4.1 eingefügt:]
• Projekt-Beschreibung: [...]
• Erkannte Stufe: [1-4]
• Stack-Entscheidungen: [...]
• Offene Fragen: [...]
Warum das wichtig ist:
/prime sofort den Kontext/create-prd hat einen AusgangspunktKRITISCH: Nach der Deployment-Target Auswahl MUSS die Config erstellt werden.
Erstelle .claude/DEPLOYMENT-CONFIG.md im neuen Projekt:
# .claude/DEPLOYMENT-CONFIG.md
deployment:
target: LUCIDLABS-HQ
configured: [HEUTE]
hq:
subdomain: [project-name]
domain: lucidlabs.app
url: https://[project-name].lucidlabs.app
convex:
project: [project-name]
team: lucid-labs
github_actions:
workflow: deploy-hq.yml
secrets_required:
- LUCIDLABS_HQ_HOST (org secret)
- LUCIDLABS_HQ_SSH_KEY (org secret)
- CONVEX_DEPLOY_KEY (repo secret)
- ANTHROPIC_API_KEY (repo secret)
# .claude/DEPLOYMENT-CONFIG.md
deployment:
target: DEDICATED
configured: [HEUTE]
dedicated:
terraform_env: [customer-name]
domain: app.[customer].com
server_name: [customer]-prod
convex:
project: [project-name]
team: lucid-labs
github_actions:
workflow: deploy-dedicated.yml
secrets_required:
- DEDICATED_HOST (repo secret)
- DEDICATED_SSH_KEY (repo secret)
- CONVEX_DEPLOY_KEY (repo secret)
- ANTHROPIC_API_KEY (repo secret)
# .claude/DEPLOYMENT-CONFIG.md
deployment:
target: LOCAL-ONLY
configured: [HEUTE]
note: "Kein Cloud-Deployment konfiguriert. Später änderbar."
convex:
project: null
note: "Lokale Entwicklung mit npx convex dev"
Erstelle .github/workflows/deploy.yml basierend auf Deployment Target.
# .github/workflows/deploy.yml
name: Deploy to Lucid Labs HQ
on:
push:
branches: [main]
jobs:
test:
runs-on: ubuntu-latest
steps:
- uses: actions/checkout@v4
- uses: pnpm/action-setup@v2
with:
version: 9
- uses: actions/setup-node@v4
with:
node-version: '22'
cache: 'pnpm'
cache-dependency-path: frontend/pnpm-lock.yaml
- run: cd frontend && pnpm install
- run: cd frontend && pnpm run lint
- run: cd frontend && pnpm run type-check
deploy:
needs: test
runs-on: ubuntu-latest
if: github.ref == 'refs/heads/main'
steps:
- uses: actions/checkout@v4
- name: Deploy to Lucid Labs HQ
env:
HQ_HOST: ${{ secrets.LUCIDLABS_HQ_HOST }}
HQ_SSH_KEY: ${{ secrets.LUCIDLABS_HQ_SSH_KEY }}
PROJECT_NAME: ${{ github.event.repository.name }}
run: |
mkdir -p ~/.ssh
echo "$HQ_SSH_KEY" > ~/.ssh/id_rsa
chmod 600 ~/.ssh/id_rsa
ssh-keyscan -H $HQ_HOST >> ~/.ssh/known_hosts
rsync -avz --delete \
--exclude='.git' \
--exclude='node_modules' \
--exclude='.next' \
./ root@$HQ_HOST:/opt/lucidlabs/projects/$PROJECT_NAME/
ssh root@$HQ_HOST << EOF
cd /opt/lucidlabs/projects/$PROJECT_NAME
docker compose -p $PROJECT_NAME up -d --build
EOF
Dokumentation: .claude/reference/deployment-targets.md
If user confirmed Linear project creation:
# Use Linear MCP to create project
# Team: lucid-labs-agents
# Name: [Domain] Project Name
Via MCP:
Create Linear project:
- Team: lucid-labs-agents
- Name: "[Domain] [project-name]"
- Description: "AI Agent project for [description]"
Initial Issue: Create a "Project Setup" issue in Exploration status:
OPTIONAL: Dieser Schritt wird nur ausgeführt, wenn n8n im Stack gewählt wurde.
n8n wird typischerweise gewählt wenn:
Erstelle n8n/workflows/agent-workflow.json im neuen Projekt:
{
"name": "[project-name] Agent Workflow",
"nodes": [
{
"parameters": {
"httpMethod": "POST",
"path": "trigger",
"options": {}
},
"id": "webhook-trigger",
"name": "Webhook Trigger",
"type": "n8n-nodes-base.webhook",
"typeVersion": 1,
"position": [250, 300],
"webhookId": "{{$randomUUID}}"
},
{
"parameters": {
"method": "POST",
"url": "={{$env.MASTRA_API_URL}}/api/agents/[agent-name]/generate",
"authentication": "genericCredentialType",
"genericAuthType": "httpHeaderAuth",
"sendBody": true,
"specifyBody": "json",
"jsonBody": "={{ JSON.stringify({ messages: [{ role: 'user', content: $json.body.message }] }) }}",
"options": {}
},
"id": "call-mastra-agent",
"name": "Call Mastra Agent",
"type": "n8n-nodes-base.httpRequest",
"typeVersion": 4,
"position": [500, 300],
"credentials": {
"httpHeaderAuth": {
"id": "mastra-api-key",
"name": "Mastra API Key"
}
}
},
{
"parameters": {
"respondWith": "json",
"responseBody": "={{ { success: true, response: $json.text } }}"
},
"id": "respond-webhook",
"name": "Respond to Webhook",
"type": "n8n-nodes-base.respondToWebhook",
"typeVersion": 1,
"position": [750, 300]
}
],
"connections": {
"Webhook Trigger": {
"main": [
[{ "node": "Call Mastra Agent", "type": "main", "index": 0 }]
]
},
"Call Mastra Agent": {
"main": [
[{ "node": "Respond to Webhook", "type": "main", "index": 0 }]
]
}
},
"settings": {
"executionOrder": "v1"
},
"staticData": null,
"meta": {
"notes": [
{
"id": "note-setup",
"type": "sticky",
"content": "## Setup\n\n1. Setze Environment Variable `MASTRA_API_URL`\n2. Erstelle HTTP Header Auth Credential mit API Key\n3. Passe [agent-name] an deinen Mastra Agent an",
"position": [250, 100],
"width": 300,
"height": 150
},
{
"id": "note-endpoints",
"type": "sticky",
"content": "## Mastra Endpoints\n\n- `/api/agents/{name}/generate` - Agent ausführen\n- `/api/agents/{name}/stream` - Streaming Response\n- `/api/tools/{name}/execute` - Tool direkt ausführen",
"position": [550, 100],
"width": 300,
"height": 150
}
]
}
}
Je nach Projekt-Typ können weitere Workflows generiert werden:
| Projekt-Typ | Zusätzliche Workflows |
|---|---|
| Ticket-Klassifikation | ticket-classifier.json mit Email-Trigger |
| Document Processing | document-pipeline.json mit File-Trigger |
| CRM Integration | crm-sync.json mit HubSpot/Salesforce Nodes |
| Scheduled Tasks | scheduled-agent.json mit Cron-Trigger |
n8n wurde als Stack-Komponente gewählt.
Soll ich einen vorkonfigurierten n8n Workflow generieren?
[1] Ja, Basis-Workflow (Webhook → Agent → Response)
[2] Ja, mit Email-Trigger (für Ticket-Systeme)
[3] Ja, mit Cron-Trigger (für scheduled Tasks)
[4] Nein, ich erstelle Workflows später manuell
Wähle [1-4]:
Informiere den User:
n8n Workflow erstellt: n8n/workflows/agent-workflow.json
Import in n8n:
1. n8n öffnen → Workflows → Import from File
2. n8n/workflows/agent-workflow.json auswählen
3. Environment Variables setzen (MASTRA_API_URL)
4. Credentials erstellen (Mastra API Key)
Dokumentation: .claude/reference/n8n-workflows.md
WICHTIG: Bevor die Session endet, fasse den gesammelten Kontext zusammen.
Dieser Kontext fließt in die PRD-Erstellung im neuen Projekt ein:
Erstelle eine Zusammenfassung mit:
KONTEXT FÜR PRD (aus Init-Gespräch):
• Projekt-Beschreibung: [Was der User ursprünglich beschrieben hat]
• Erkannte Stufe: [1-4]
• Stack-Entscheidungen: [Was gewählt wurde und WARUM]
• Architektur-Skizzen: [Falls erstellt]
• Kunden-Anforderungen: [Spezifische Wünsche]
• Offene Fragen: [Was noch geklärt werden muss]
┌─────────────────────────────────────────────────────────────────────────────────┐
│ │
│ ✅ PROJEKT ERSTELLT: [project-name] │
│ │
│ Stack: [komponenten] │
│ │
│ ═══════════════════════════════════════════════════════════════════════════ │
│ │
│ NÄCHSTER SCHRITT: │
│ │
│ cd ../projects/[project-name] && claude │
│ │
│ ═══════════════════════════════════════════════════════════════════════════ │
│ │
│ IN DER NEUEN SESSION: │
│ │
│ 1. /prime ← Projekt-Kontext laden │
│ 2. /create-prd ← PRD GEMEINSAM ausspezifizieren │
│ │
│ KONTEXT FÜR PRD: │
│ │
│ [Zusammenfassung aus 4.1 hier einfügen] │
│ │
└─────────────────────────────────────────────────────────────────────────────────┘
KEINE Implementierung während /init-project!
| Erlaubt in Init | NICHT erlaubt in Init |
|---|---|
| Stack-Empfehlung | Code schreiben |
| Architektur-Skizzen | Workflows erstellen |
| Anforderungen sammeln | Components bauen |
| Kontext dokumentieren | Dependencies installieren |
Alles Konkrete passiert NACH dem Handoff, beginnend mit /create-prd.
WICHTIG: Nach erfolgreicher Projekt-Erstellung wird ein In-Session Handoff durchgeführt. Der User muss NICHT die Session beenden und eine neue starten!
cd ../projects/[project-name]
┌─────────────────────────────────────────────────────────────────────────────┐
│ │
│ ✓ SESSION HANDOFF COMPLETE │
│ │
│ ─────────────────────────────────────────────────────────────────────── │
│ │
│ Neues Working Directory: │
│ /Users/.../projects/[project-name] │
│ │
│ ⚠️ WICHTIG: Ich arbeite ab jetzt NUR in diesem Projekt. │
│ Das Upstream Repository (lucidlabs-agent-kit) wird NICHT verändert. │
│ │
│ ─────────────────────────────────────────────────────────────────────── │
│ │
│ GitHub: https://github.com/lucidlabs-hq/[project-name] │
│ Deployment: https://[project-name].lucidlabs.app (nach Setup) │
│ │
└─────────────────────────────────────────────────────────────────────────────┘
┌─────────────────────────────────────────────────────────────────────────────┐
│ CONTEXT │
│ ─────── │
│ │
│ Working Directory: .../projects/[project-name] │
│ Repository Type: DOWNSTREAM │
│ Active Project: [project-name] │
│ PRD: .claude/PRD.md │
│ Upstream: ../../lucidlabs-agent-kit │
│ │
└─────────────────────────────────────────────────────────────────────────────┘
Zeige den vollständigen Agent Kit Boot Screen (wie in /prime):
┌─────────────────────────────────────────────────────────────────────────────┐
│ │
│ PROJECT: [project-name] │
│ ───────────────────────────── │
│ │
│ Status: Initial (frisch erstellt) │
│ Template: [template-name] │
│ Stack: [stack-komponenten] │
│ │
│ ─────────────────────────────────────────────────────────────────────── │
│ │
│ NÄCHSTE SCHRITTE │
│ ──────────────── │
│ │
│ [1] /create-prd PRD detaillieren (Problem, Users, MVP Scope) │
│ [2] Dependencies cd frontend && pnpm install │
│ [3] Services starten docker compose -f docker-compose.dev.yml up │
│ │
│ ─────────────────────────────────────────────────────────────────────── │
│ │
│ Womit möchtest du anfangen? │
│ │
└─────────────────────────────────────────────────────────────────────────────┘
| Regel | Beschreibung |
|---|---|
| Kein Session-Neustart | Alles passiert in der gleichen Claude-Session |
| Working Directory wechseln | cd ins neue Projekt-Verzeichnis |
| Explizite Bestätigung | Handoff wird visuell bestätigt |
| Upstream-Schutz | Nach Handoff: KEINE Änderungen am Agent Kit mehr |
| Projekt-Fokus | Alle weiteren Aktionen betreffen nur das neue Projekt |
┌─────────────────────────────────────────────────────────────────────────────────┐
│ │
│ WORKFLOW NACH HANDOFF │
│ │
│ 1. /create-prd ← PRD GEMEINSAM ausspezifizieren │
│ │ │
│ ├─► Kontext aus Init-Gespräch einarbeiten │
│ ├─► Offene Fragen klären │
│ ├─► Scope definieren │
│ └─► Erst wenn PRD fertig: Implementierung │
│ │
│ 2. /plan-feature ← Erst NACH PRD-Approval │
│ │
└─────────────────────────────────────────────────────────────────────────────────┘
| Alter Workflow (Exit) | Neuer Workflow (In-Session) |
|---|---|
| Session beenden | Nahtloser Übergang |
| Neues Terminal öffnen | Gleiche Session |
| Kontext geht verloren | Kontext bleibt erhalten |
| User muss Befehle tippen | Automatischer Wechsel |
Der PRD ist das Agreement zwischen Developer und Stakeholder.
In-Session Handoff: Nach Projekt-Erstellung wechselt Claude automatisch ins neue Projekt-Verzeichnis und arbeitet dort weiter. Kein Session-Neustart nötig!
Nach dem Handoff:
/prime ist nicht nötig - der Kontext wurde bereits geladen| Skill | Description |
|---|---|
/prime | Load project context |
/create-prd | Create Product Requirements Document |
/plan-feature | Plan feature implementation |
/execute | Execute an implementation plan |
/validate | Run all validation checks |
/commit | Create formatted commit |
/promote | Promote patterns back to template |
/sync | Sync updates from template |
Für detaillierte Stack-Dokumentation siehe:
.claude/agent-kit-stack-overview.md - Vollständige Referenz.claude/reference/ai-framework-choice.md - Mastra vs Vercel AI SDK.claude/reference/mcp-servers.md - MCP Server Setuppnpm for package management (never npm/yarn).claude/reference/ docs