Agent-Skill für ASD-STE100: Weniger Fülltext in Terminal- und KI-Ausgaben

X-Postpili 🪴Tool

Ein neues Open-Source-Projekt bringt Sprachmodellen und Claude-Agenten die kontrollierte Sprache ASD-STE100 bei. Das Regelwerk stammt aus der Luft- und Raumfahrttechnik und soll weitschweifige KI-Antworten in knappe, eindeutige Anweisungen verwandeln.

Das Wichtigste

  1. Der Entwickler @0xpili_ stellt einen Agent-Skill vor, der LLMs auf ASD-STE100 (Simplified Technical English) ausrichtet, um Textballast im Terminal zu verringern.
  2. Das begleitende GitHub-Repository enthält 53 Schreibregeln, ein Wörterbuch mit 869 genehmigten Wörtern sowie ein Python-Check-Tool zur Erkennung von Regelverstößen.
  3. Die Anleitung lässt sich als Skill in Claude (~/.claude/skills/) einbinden oder in den System-Prompt beliebiger anderer Sprachmodelle kopieren.
  4. Andrej Karpathy verwies zuvor ebenfalls auf ASD-STE100 als wirksame Vorgabe, um LLM-Ausgaben durch strenge Stilgrenzen lesbarer zu machen.
  5. Das Python-Skript prüft Satz- und Absatzlängen, unzulässige Hilfsverben sowie Passivkonstruktionen, erfordert laut Autor bei kritischen Texten aber weiterhin menschliche Kontrolle.

Warum das relevant ist

Ausführliche, geschwätzige LLM-Antworten kosten im Terminal Zeit und Konzentration. Die Nutzung einer standardisierten, kontrollierten Sprache wie ASD-STE100 zwingt Modelle zu kurzen Hauptsätzen, Verzicht auf Passiv und klarer Wortwahl. Das vereinfacht das Erfassen von Anweisungen und automatisierten Protokollen im Entwickleralltag.

Einordnung

Das Repository greift den Standard ASD-STE100 Issue 7 (2017) auf und strukturiert ihn so, dass Agenten ihn als Kontext nutzen können. In der Diskussion merken manche Nutzer an, ein Einzeiler im Prompt oder in einer Markdown-Datei reiche womöglich aus. Der Autor und andere Entwickler halten dem entgegen, dass ein versionierter Skill mit hinterlegten Wortlisten und Linter-Skripten reproduzierbarere Ergebnisse liefere. Tokenspareffekte standen laut @0xpili_ nicht im Fokus, vielmehr das Eliminieren überflüssiger Füllwörter.

Original-Post

pili 🪴

@0xpili_ · 3. Oktober 2026

the amount of slop has been drastically reduced in my terminal since my agents use this skill to write in ASD-STE100: t.co/rfGI76n8L5 t.co/fngGvm2Zfv

3298 Likes59 Antworten6023 Lesezeichen307.371 Aufrufe

Auf X ansehen
Weitere Posts im Thread (9)
  1. @interplato I haven’t measured token savings, my main objective was removing the slop
  2. @danigonlinea let me know if you try it!
  3. @PiyushDinde I think in the short term the skill is much better. In the long term, I am not sure
  4. @Mando_Ethan you can!
  5. @Mando_Ethan t.co/Eu9QsleAnc t.co/OqZeOEIVxX
  6. @illneil what do you mean?
  7. @illneil i don’t agree, you should try it and find it put yourself
  8. @stevenelliott let me know what do you think if you try it
  9. @FarzinNasirii I prefer to write myself rather than having an llm write for me so I don’t use any copywriting skills
Ausgewählte Antworten (5)
  • @Mando_Ethan @0xpili_ Why can't you just put a one liner in agents.md/claude.md to use ASD-STE100?
  • @DerMannCodes @0xpili_ I just added 'give responses in ASD-STE100' in my project root and it worked well. you didn't have to create this AI slop shit skill and increase token consumption.
  • @stevenelliott @0xpili_ This is life changing. No longer do I need to warp my mind to understand wtf it’s attempting to output.
  • @FarzinNasirii @0xpili_ Lovely. By the way do you know of any skill for copywriting? I find GPT models to be really really bad at this.
  • @PiyushDinde @0xpili_ Tried it. Very useful. Q for you, using this skill is objectively better than asking an agent to give you the o/p in ASD-STE?

Erwähnte Links

Links und Tools aus diesem Beitrag

Zusammenfassung von KI erstellt (Gemini 3.8 Flash, 5. Oktober 2026). Sie kann Fehler enthalten – maßgeblich ist die Originalquelle.

Ähnliche Einträge

Inhaltlich ähnlich, ermittelt über die KI-Suche.

  • Repository:0xpili/simplified-technical-english

    Simplified Technical English als Agent Skill für LLMs

    Ein Open-Source-Projekt stellt Anweisungen und Werkzeuge bereit, mit denen LLMs wie Claude Dokumentation nach dem kontrollierten Sprachstandard ASD-STE100 verfassen und prüfen können.

    790SternePython

    KI & AI· Tool

  • Repository:troopdegen/mucho-texto

    mucho-texto: Strukturierte Ergebnis-Kompaktheit für Coding-Agents

    mucho-texto ist ein Prompt- und Skill-Werkzeug für Coding-Assistenten wie Claude Code, Cursor und agentische AGENTS.md-Workflows. Es verhindert ausufernde Berichte nach erledigten Aufgaben, indem es Ergebnisse in vier feste Kategorien unterteilt und eine vollständige Dokumentation in einer dauerhaften Datei zur Pflicht macht.

    Shell

    KI & AI· Tool

  • Repository:GonChen/real-engineering-prompt

    Real Engineering Prompt: Minimalistische Verhaltensregeln für Coding-Agents

    Das Open-Source-Projekt stellt eine schlanke Instruktionsvorlage (AGENTS.md) bereit, die moderne Coding-Agents auf pragmatische Engineering-Prinzipien wie minimale Komplexität, isolierte Änderungen und evidenzbasierte Verifikation ausrichtet.

    4Sterne

    KI & AI· Sammlung

  • Repository:JuliusBrussee/caveman

    Caveman: Token-Reduktion für Coding-Agents durch extrem knappe Antworten

    Caveman ist ein Open-Source-Tool und Prompting-Skill, das die Wortfülle von KI-Programmierassistenten eliminiert. Indem Modelle knappe Antworten im Telegrammstil („Caveman“-Stil) liefern, senkt das Projekt den Token-Verbrauch bei Ausgaben um bis zu 65 Prozent, ohne Code-Qualität oder technische Anweisungen zu beeinträchtigen.

    103.726SterneGo

    KI & AI· Tool

  • X-Post:Miles Cranmer

    Ponytail: Agenten-Skill gegen überkomplexen Code

    Miles Cranmer empfiehlt das Open-Source-Projekt »ponytail« als effektives Prompting-Tool gegen überdimensionierten Code von KI-Agenten. Das System bringt Coding-Agenten dazu, minimale Lösungen wie native Plattformfunktionen zu bevorzugen, anstatt unnötige Bibliotheken und Wrapper zu erzeugen.

    1523Lesezeichen47.467Aufrufe

    KI & AI· Tool

Zurück zur Wissensbasis

Sprechen wir über Ihr Projekt.

Kontakt

Standorte

  • Mattersburg
    Johann Nepomuk Bergerstraße 7/2/14
    7210 Mattersburg, Austria
  • Wien
    Ungargasse 64-66/3/404
    1030 Wien, Austria

Ein Teil von diesem Inhalt wurde mit KI gemacht.