Unterschied: Agent, Skill & Slash Command – KI-Begriffe endlich verständlich

Slash Commands: Der direkte Schalter an der Wand

Slash Commands sind die primitivsten, aber berechenbarsten Werkzeuge in der modernen KI-Bedienung. Sie führen eine fest verdrahtete Aktion ohne jegliches Nachdenken des Sprachmodells aus. Wenn du in Tools wie Slack, Discord oder Warp ein / eintippst, öffnet sich ein Menü mit vordefinierten Befehlen, die sofort und deterministisch reagieren.

Sofortige Ausführung ohne KI-Magie

Denk an einen Slash Command wie an einen simplen Lichtschalter. Du kippst ihn, das Licht geht an. Es gibt keine Überraschungen, keine kreativen Interpretationen und keine Halluzinationen. Befehle wie /clear zum Löschen des Chat-Verlaufs, /usage für die Kostenkontrolle oder /model für den Wechsel des KI-Modells erledigen genau eine Sache. Für klar umrissene Einzelschritte mit einer Ausführungszeit von unter drei Sekunden ist diese Methode unschlagbar robust. In der Warp-Konsole kosten manche dieser Befehle Credits, weshalb sie transparent mit einem Sternchen markiert sind.

Feste Logik statt Kontext-Futter

Der Kernunterschied zu komplexeren Systemen liegt in der fehlenden Prompt-Injektion. Built-in Commands in der Claude Code CLI wie /help oder /compact führen direkt hinterlegte Programmcode-Logik aus. Sie laden keine seitenlangen Verhaltensregeln in den Kontext des Sprachmodells. Das macht sie extrem schnell und ressourcenschonend. Bei Discord wurden Slash Commands genau aus diesem Grund standardisiert: Sie bieten Entwicklern eine Möglichkeit, Benutzereingaben schon im Eingabefeld zu validieren, noch bevor eine Anfrage an den Server oder Bot rausgeht.

Skills: Die Spezialaufsätze für die Bohrmaschine

Wenn ein Slash Command der Lichtschalter ist, ist ein Skill die Bohrmaschine mit verschiedenen Aufsätzen. Du packst das richtige Bit drauf und schraubst zuverlässig immer wieder dieselbe Art von Aufgabe in die Wand. Skills sind wiederverwendbare, promptbasierte Anleitungen, die der KI genau beibringen, wie sie einen bestimmten Workflow abarbeiten soll.

Baupläne für wiederkehrende Aufgaben

Technisch gesehen sind Skills einfache Ordner, die eine SKILL.md Datei mit YAML-Frontmatter enthalten. Der dort vergebene Name wird automatisch zu deinem Aufrufbefehl, etwa /deploy oder /review. Im Gegensatz zu fest programmierten Befehlen bestehen Skills aus natürlichen Sprachanweisungen, die das Sprachmodell lesen und interpretieren muss. Sie eignen sich perfekt für wiederkehrende Qualitätsarbeit wie das Zusammenfassen von Code-Änderungen, das Durchführen von Migrationen oder festgelegte API-Workflows. Du kannst sogar Argumente übergeben. Ein Platzhalter wie $ARGUMENTS in der Datei wirkt wie ein kleines Post-it auf dem Arbeitsauftrag, sodass ein Aufruf wie /review 123 die Pull-Request-Nummer direkt in die Anleitung der KI schiebt.

Steuerung und Leitplanken

Weil Skills das Sprachmodell aktivieren, brauchen sie saubere Grenzen. Mit dem Parameter allowed-tools definierst du ein metaphorisches Werkzeugkoffer-Schloss. Du legst genau fest, welche Systembefehle die KI nutzen darf, damit sie nicht versehentlich Produktionsdaten löscht. Ein weiteres wichtiges Feld ist disable-model-invocation. Das ist dein Totmannschalter. Setzt du diesen Wert auf true, darf die KI diesen Skill niemals von allein starten, sondern wartet brav, bis du den Aufruf manuell abfeuerst. Das ist besonders bei sicherheitskritischen Deploy-Prozessen eine essenzielle Einstellung.

Agents: Das autonome Handwerker-Team

Agenten betreten die Bühne, wenn sture Befehle und simple Schritt-für-Schritt-Anleitungen nicht mehr ausreichen. Sie sind KI-gesteuerte Software-Assistenten, die ein offenes Ziel erhalten und selbst entscheiden, welche Werkzeuge sie in welcher Reihenfolge nutzen müssen, um dieses Ziel zu erreichen.

Eigene Entscheidungen und Orchestrierung

Stell dir einen Agenten wie ein eigenständiges Handwerker-Team vor. Du sagst nur, was am Ende gebaut sein soll. Das Team plant die Schritte, teilt die Arbeit bei Bedarf parallel auf und liefert das Ergebnis, auch wenn du nicht ständig danebenstehst. Frameworks wie LangChain nutzen das Sprachmodell als Denkzentrale, um diese Tool-Sequenzen dynamisch zu generieren. Das erfordert weitaus mehr Überwachung und Leitplanken als ein stumpfer Skill, liefert aber Ergebnisse für komplexe Automatisierungen, die über einfache Skripte hinausgehen.

Lokal versus Cloud

In modernen Ökosystemen wie Warp wird strikt zwischen lokalen und cloudbasierten Agenten getrennt. Ein Local Agent läuft interaktiv direkt in deinem Terminal und unterstützt dich bei der aktuellen Session. Cloud Agents hingegen arbeiten autonom im Hintergrund. Sie werden über die Orchestrierungsplattform Oz verwaltet und lassen sich durch externe Ereignisse wie Slack-Nachrichten, neue GitHub-Issues oder feste Zeitpläne triggern. Diese Langläufer-Aufgaben dokumentieren ihre Zwischenschritte detailliert, damit du später genau nachvollziehen kannst, warum der Agent welche Entscheidung getroffen hat.

Der große Vergleich

Wer effizient arbeiten will, muss den Unterschied Agent Skill Slash Command in der Praxis blind beherrschen. Die Begriffe klingen in den Marketing-Broschüren der Tech-Industrie oft verwechselbar, adressieren aber völlig unterschiedliche Ebenen der Automatisierung.

Die klare Trennlinie

Slash Commands bilden die Bedienoberfläche für schnelle, triviale Aktionen. Skills sind die inhaltlichen Rezepte und Arbeitsanweisungen, die du dir einmal zurechtlegst. Agenten sind die ausführenden Akteure, die diese Rezepte lesen, interpretieren und auch bei unerwarteten Fehlern Lösungswege suchen. In der Praxis wächst ein gesundes Setup organisch: Du nutzt eingebauten Shortcuts für das Tempo, legst dir ein bis zwei Skills für nervige Routine-Checks an und delegierst erst dann an einen autonomen Agenten, wenn eine Aufgabe wirklich im Hintergrund auf Trigger reagieren muss.

Kriterium	Slash Commands	Skills	Agents
Kurzdefinition	Feste, eingebaute Aktionen	Wiederverwendbare Anleitungen in SKILL.md	LLM-gesteuerte Worker
Typische Beispiele	/clear, /compact, /model	/simplify, /review, /batch	Local Agent, Cloud Agent via Oz
Wer startet?	Immer der Nutzer	Nutzer oder Agent automatisch	Nutzer, Trigger, Zeitpläne
KI-Reasoning?	Nein, fest verdrahtete Logik	Ja, Promptinhalt plus Tools	Ja, eigenständige Planung
Kontext	Einmalige Aktion	Voller Inhalt wird beim Aufruf injiziert	Laufender Gesprächszustand mit Logs
Wann nutzen?	Modus wechseln, UI bedienen	Wiederkehrende Workflows, Playbooks	Länger laufende, eventgetriebene Arbeit

5-Fragen-Checkliste (welches Konzept passt?)

• Ist die Aktion klar umrissen und in <3 Sekunden quittierbar? → Slash Command.
• Muss die Fähigkeit in mehrere Bots/Plattformen sauber wiederverwendbar sein? → Skill.
• Gibt es offene Ziele mit mehreren Toolschritten/Entscheidungen? → Agent.
• Benötigst du Sprach-UX oder Hands‑free? → Alexa Skill (oder Voice‑fähiger Bot).

Die Praxis im Terminal und Editor

Die klare theoretische Trennung verschwimmt in den Benutzeroberflächen der aktuellen Tools oft bewusst, um die Bedienung flüssiger zu machen. Alles, was du über die Tastatur schnell erreichen sollst, landet im Menü hinter dem Schrägstrich.

Das Claude Code Ökosystem

Anfang 2026 hat Anthropic in Claude Code die Trennung zwischen reinen Commands und Skills vereinheitlicht. Beide Varianten erzeugen nun einen Eintrag im Menü. Neue Erweiterungen sollen aber zwingend als Skills angelegt werden, da sie mehr Features wie Frontmatter-Steuerung und Subagenten-Kontext unterstützen. Ein eingebauter Befehl wie /compact fasst einfach nur den Verlauf nach fester Logik zusammen. Ein mitgelieferter Skill wie /simplify hingegen startet unter der Haube drei Review-Subagenten parallel, um die Codebasis aufzuräumen. Wenn du eigene Skills anlegst und es zu Namenskonflikten kommt, priorisiert Claude Code strikt: Enterprise schlägt Personal, und Personal schlägt Project. Ein Skill gewinnt außerdem immer gegen einen gleichnamigen alten Command.

Plattformübergreifende Portabilität

Der größte Vorteil von Skills ist ihre Übertragbarkeit. Anstatt für jedes Tool proprietäre Prompt-Formate zu pflegen, folgen Agent Skills dem offenen Standard agentskills.io. Eine sauber geschriebene SKILL.md funktioniert identisch in GitHub Copilot innerhalb von VS Code, in der Copilot CLI und in Claude Code. Intelligente Terminals wie Warp scannen beim Start ganz bewusst eine breite Palette an Verzeichnissen ab, darunter .agents/skills, .warp/skills oder .claude/skills. So kannst du dir einmalig ein Repository mit deinen wichtigsten Workflows aufbauen und diese Fähigkeiten nahtlos zwischen verschiedenen KI-Werkzeugen und Editoren teilen.

Tipp: Benennungen sind Marketing. ‘Agent’, ‘Skill’, ‘Command’ sind oft nur Trigger vs. Fähigkeit vs. Orchestrierung – baue das, was die Nutzer wirklich brauchen.

Fazit

Die ungeschoente Wahrheit ist: KI-Tools sind keine Magie, sondern schlichtes Handwerkszeug mit drei voellig unterschiedlichen Eskalationsstufen. Du brauchst kein Informatikstudium, um zu kapieren, dass ein Slash Command fuer blitzschnelle Basis-Befehle, ein Skill fuer deine nervigen Standard-Checks und ein Agent fuer komplett eigenstaendige Hintergrundaufgaben da ist. Mach es dir also nicht unnoetig schwer und baue dein Automatisierungs-Setup strikt organisch auf. Fang heute damit an, deine haeufigsten Handgriffe ueber banale Slash Commands abzufeuern und leg dir genau eine simple Textdatei als Skill fuer deinen allergroessten woechentlichen Zeitfresser an. Erst wenn dieser Prozess absolut blind sitzt und du bei einer komplexen Aufgabe wirklich nicht mehr Haendchen halten willst, delegierst du den ganzen Kram guten Gewissens an einen autonomen Agenten.