Weaviate bringt „Agent Skills“: Open-Source-Befehle für AI-Coding-Agents
Weaviate veröffentlicht mit „Agent Skills“ ein Open-Source-Repository, das KI-Coding-Agents standardisierte Befehle und Blaupausen für Weaviate-Workflows liefert.
- „Weaviate Agent Skills“ bündelt Skills und Cookbooks für Setup, Betrieb und App-Entwicklung mit Weaviate.
- Unterstützt werden gängige Coding-Agents wie Claude Code, Cursor, GitHub Copilot, VS Code und Gemini CLI.
- Enthalten sind Bausteine für Schema-/Collection-Management, Datenimport und semantische, Keyword- sowie Hybrid-Search.
- Sechs Slash-Commands decken Antworten, Abfragen, Exploration und parametrisierte Suche in wiederverwendbaren Mustern ab.
- Zum Testen verweist Weaviate auf Cloud-Sandbox-Cluster, die für Experimente zeitlich befristet sind.
Weaviate hat am 21. Februar 2026 ein neues Open‑Source‑Repository vorgestellt, das unter dem Namen „Weaviate Agent Skills“ strukturierte Anleitungen und Befehle für KI‑Coding‑Agents bündelt. Das Paket richtet sich an Tools wie Claude Code, Cursor, GitHub Copilot, VS Code und Gemini CLI und soll typische Fehler reduzieren, die entstehen, wenn Modelle veraltete Syntax oder unvollständige Datenbank‑Details „halluzinieren“. Der Ansatz: Statt allgemeiner Prompts erhalten Agents geprüfte, modulare Skills für wiederkehrende Weaviate‑Workflows.
Das Repository ist in zwei große Bereiche gegliedert. In den Skills sind Bausteine für den Betrieb einer Weaviate‑Instanz gebündelt – vom Prüfen und Anlegen von Collections über Metadaten‑Abrufe bis zu typischen Daten‑Lebenszyklus‑Schritten wie Importen aus CSV, JSON oder JSONL. Dazu kommen Beispiele für Agent‑gestützte Suche sowie Optionen für semantische, Keyword‑ und Hybrid‑Search. Für Entwickler, die nicht bei einzelnen Befehlen starten wollen, enthält der zweite Bereich „Cookbooks“ als Blaupausen für vollständige Anwendungen.
Die Cookbooks zielen auf produktionsnahe Muster: Chatbots auf Basis des Weaviate Query Agent mit typischer Web‑API‑Architektur, klassische und „agentische“ RAG‑Pipelines mit Zerlegung komplexer Fragen und nachgelagerter Re‑Ranking‑Logik sowie multimodale Setups, die PDF‑Inhalte mit Vektor‑Embeddings für Retrieval aufbereiten. Weaviate verknüpft die Veröffentlichung ausdrücklich mit dem Query Agent, der Natural‑Language‑Abfragen über mehrere Collections unterstützen soll und seit 2025 schrittweise ausgebaut wurde.
Ein zentrales Element sind sechs vordefinierte Slash‑Commands, die Agents automatisch entdecken und ausführen können. Die Befehle decken Antworten mit Quellenangaben (/weaviate:ask), Schema‑ und Collection‑Übersichten (/weaviate:collections), Datenexploration (/weaviate:explore), Objekt‑Abrufe (/weaviate:fetch), natürliche Sprachabfragen (/weaviate:query) und parametrisierte Suche (/weaviate:search) ab. Gerade bei Hybrid‑Search ist die Parametrisierung wichtig, weil Mischungen aus Keyword‑ und Vektor‑Suche – etwa über einen Alpha‑Wert – sonst häufig falsch implementiert werden.
Zum Testen verweist Weaviate auf zeitlich befristete Cloud‑Sandbox‑Cluster, die für Experimente gedacht sind und bei Bedarf verlängert oder in größere Setups überführt werden können. Das Unternehmen rahmt die Veröffentlichung als Infrastruktur‑Baustein für „agentische“ Anwendungen: Der Code‑Agent soll schneller zu korrekt laufenden Weaviate‑Abfragen kommen, während die Datenbank‑Schnittstelle stabil bleibt. Für Teams, die KI‑gestützt entwickeln, verschiebt sich damit ein Teil der Qualitätssicherung von freien Prompts hin zu wiederverwendbaren, versionierbaren Skills.