DEIN ARBEITSBEREICH

Wissen behalten.
Bessere Arbeit wiederholen.

Das Web-Labor, dein lokaler Skill-Bestand und die gemeinsame Bibliothek haben eigene Aufgaben. Du kannst sie gemeinsam nutzen.

Dein Konto und deine Forschung

1. Mit ChatGPT anmelden. Dein Konto erhält einen eigenen Arbeitsbereich.
2. Skills suchen, Projektprofile anlegen und Aufgaben mit Abnahmen dokumentieren.
3. Bootcamps vorbereiten, Quellen und tatsächliche Sichtungsabdeckung festhalten. Ein gestarteter Auftrag ist noch kein automatisch absolviertes Bootcamp.
4. In „Belege“ belegte Ergebnisse und echte Messwerte prüfen. Unbekannte Token oder Zeiten bleiben unbekannt.

Prüfpässe und Prompt-Teams

Unter „Prüfen“ hat jeder Skill einen eigenen Prüfpass: Grundaufgabe, Grenzen, anspruchsvolle Fälle, Übertragung, bisherige Fälle und besondere Erfolge. Die Aufträge sind editierbar. Erst tatsächlich ausgeführte Tests mit Ergebnisbeleg zählen. Ränge D bis A und S entstehen aus Punkten und erforderlichen Prüfungen; eigene Einschätzungen sind keine unabhängige Zertifizierung. Eine neue Skill-Version benötigt neue passende Prüfungen.

Im Prompt-Team kannst du Vorlagen aus deiner Bibliothek mit einem Skill verbinden. Nach Anwendungstest, Rechteprüfung und ausgefüllten Platzhaltern entsteht ein editierbares gemeinsames Briefing. Du kannst es herunterladen und im gewünschten Chat benutzen. Es wird nichts automatisch gesendet oder kostenpflichtig ausgeführt.

Individuelle Referenzen und zwei Skill-Versuche

Im Skill-Container zeigt „Referenz & DoD“ die individuelle Aufgabe, das originale Qualitätsziel, vier Prüffälle und die D/C/B/A/S-Kriterien. Versuch 01 vergleicht dieselbe Aufgabe ohne Skill und mit Skill von Beginn. Versuch 02 vergleicht normale und Skill-Nacharbeit am exakt gleichen eingefrorenen Original. Folgeaufgaben passen zur jeweiligen Funktion. Für neue importierte Skills wird eine eigene Karte aus der tatsächlichen Anleitung vorbereitet; allgemeine Namensvorlagen reichen nicht.

Textläufe brauchen den aktuellen verbundenen Codex-Client und die bestehende ChatGPT-Anmeldung. Echte Bild-, 3D- und Programmabläufe werden im passenden Werkzeug durchgeführt und geprüft. Laufzeitdaten, Qualitätsbelege und wirtschaftliche Messungen bleiben getrennt. Die beiden Versuche starten kein Bootcamp.

Lokale Nutzung

„Skills herunterladen“ liefert eine ZIP mit den aktuellen eigenen Skills und Referenzen. Entpacke sie, starte Installieren.py mit Python oder kopiere ausgewählte Ordner in deinen Codex-Skill-Ordner. Der Installer überschreibt standardmäßig nichts; bewusste Updates erhalten eine Sicherung. Plugins und Programme benötigen ihre eigenen Zugänge.

Online statt Installation

Das Skill-Labor stellt einen authentifizierten Plugin-Zugang bereit: Skills finden, aktuelle Inhalte einschließlich Referenzen abrufen, Prüfpässe lesen, Prompt-Vorlagen finden und gemeinsame Briefings vorbereiten. In Codex unter Plugins → Persönlich → Von dir erstellt den Skill-Labor-Zugang installieren oder verbinden. Der Abruf einer Anleitung ersetzt keinen lokalen Blender- oder Photoshop-Zugang.

Lokale Daten wieder anbinden

Unter „Teilen & Zugänge“ einen persönlichen Geräteschlüssel erstellen. Den lokalen Client herunterladen und mit Python ausführen: zuerst „pair“, danach „sync“. Windows schützt den Schlüssel mit DPAPI. Der Sync liest den lokalen Bestand und das Journal; die Quelldateien werden nicht verändert. Der Datenimport bleibt deinem Konto zugeordnet.

Gemeinsam verbessern

Die Community-Freigabe ist aus. Aktivieren erlaubt ausgewählte Einreichungen mit Änderungen, Praxisbeleg und bestätigten Weitergaberechten. Es wird nicht dein gesamtes Projekt hochgeladen. Ein Beitrag wird erst nach bestandener Rechte-, Sicherheits-, Nutzen- und Regressionsprüfung veröffentlicht. Freigabe widerrufen stoppt noch offene Beiträge.

KI-Prüfworker

Der Betreiber kann einen eigenen Prüfworker-Schlüssel erzeugen. Der Client-Befehl „review“ verarbeitet höchstens zwei Beiträge mit einer vorhandenen ChatGPT-Anmeldung in Codex. Er führt eingereichten Code nicht aus. Ohne unabhängig bestätigte Praxis- und Regressionstests bleibt die Veröffentlichung gesperrt. Wiederholte Ausführung kann als geplante Aufgabe auf dem verbundenen Rechner eingerichtet werden; der Webserver startet keine kostenpflichtige Modell-API.

Eigene Skill-Verbesserungen entstehen durch die Nutzung eines Lernworkflows und dokumentierte Prüfungen. Das Labor selbst verändert keine Modellgewichte. Ein neu installiertes Paket wird erst dann regelmäßig weiterentwickelt, wenn sein Lernworkflow im verwendeten Agenten aktiviert und tatsächlich angewendet wird.

Aktuelle Vorabversion: keine Zahlung und kein automatisch aktiviertes Abo. Für einen entgeltlichen Verkauf bleiben Rechtefreigabe, Betreiberangaben und Zahlungsanbindung erforderlich.