Auf der GitHub-Trendseite dominierte am Donnerstag erneut eine einzige Kategorie: „Agent Skills" – kleine Plug-ins, die verändern, wie Coding-Assistenten Code schreiben. Und weit oben stand ein Repository mit einem pointierten Versprechen: Bringen Sie Ihrem KI-Harness bei, richtig zu gestalten.
Impeccable, entwickelt von Paul Bakaus, kommt als einzelne Skill mit 24 Befehlen und 61 deterministischen Prüfregeln. Das Ziel ist ein gut dokumentiertes Fehlermuster: Weil die meisten Coding-Modelle auf einander überlappenden SaaS-Templates trainiert wurden, konvergieren sie sich selbst überlassen auf dieselben wenigen „Tells" – Inter für alles, Violett-zu-Blau-Verläufe, Karten in Karten, grauer Text auf farbigem Grund, ein quadratisches Icon-Kachelchen über jeder Überschrift.
Die Antwort des Projekts ist ein gemeinsames Vokabular. Ein einmaliges `/impeccable init` schreibt dauerhafte Produktwahrheiten – Zielgruppe, Zweck, Einschränkungen, Tonalität – in eine PRODUCT.md; danach lassen Befehle wie `polish`, `audit`, `critique`, `distill`, `animate`, `bolder` oder `quieter` gezielte Design-Eingriffe anfordern, statt zu hoffen, dass das Modell sie errät. `harden` kümmert sich um Fehlerbehandlung, Internationalisierung und Textüberlauf, `onboard` um Erstnutzungs-Flows und leere Zustände.
Anders als die meisten Skill-Pakete funktioniert Impeccable auch ganz ohne Modell. Die Engine wird als eigenständige Binärdatei ausgeliefert: `npx impeccable detect src/` scannt ein Verzeichnis, eine Datei oder eine Live-URL und liefert maschinenlesbares JSON, mit für CI ausgelegten Exit-Codes (0 sauber, 2 Befunde, 1 Scan-Fehler). Das Projekt sagt offen, dass dies eine Untergrenze und keine Obergrenze ist – ein sauberer Detektor-Lauf sei, so die eigene Dokumentation, „ein Beleg, aber kein Beweis für visuelle oder Barrierefreiheits-Qualität".
Das Repository steht unter Apache 2.0 und lässt sich in Cursor, Claude Code, GitHub Copilot, Codex CLI, Gemini CLI, Grok Build und gut einem Dutzend weiterer Harnesses installieren; anbieterspezifische Hooks spielen Befunde zurück, während ein Agent UI-Dateien bearbeitet. Auf der GitHub-Tagesliste erschien es mit rund 74.000 Sternen, 717 davon am vergangenen Tag.
Die Botschaft dahinter ist ein reifer werdender Markt. Zwei Jahre lang lautete die Frage bei KI-Coding-Tools, ob der Code läuft. Da Agenten nun Oberflächen in Serie ausliefern, ist der nächste Unterschied nicht die Korrektheit des Codes, sondern ob das Ergebnis von allem unterscheidbar ist, was das Modell je produziert hat.
