Raycast KI-Presets 2026: Benutzerdefinierte Befehle, Prompts & Workflows

Raycasts integrierte KI-Befehle sind sofort nützlich, aber die echten Produktivitätsgewinne kommen, wenn du anfängst, eigene zu bauen. KI-Presets – Raycasts System zur Erstellung benutzerdefinierter KI-Befehle – lassen dich wiederverwendbare Prompts definieren, das richtige Modell für jede Aufgabe auswählen und komplexe Workflows mit einem einzigen Tastaturkürzel auslösen. Kein Kontextwechsel, kein Kopieren in ChatGPT, keine Reibung.

Wenn du unseren Raycast KI-Befehle-Leitfaden bereits gelesen hast, kennst du die Grundlagen. Dieser Artikel geht tiefer in Presets – was ein großartiges Preset ausmacht, wie man effektive System-Prompts schreibt und eine Bibliothek sofort nutzbarer Presets für Entwickler. Egal, ob du eine kostenlose Raycast Pro Testversion nutzt oder ein langjähriger Abonnent bist, diese Presets werden deine Arbeitsweise verändern.

Was sind Raycast KI-Presets?

KI-Presets sind gespeicherte, wiederverwendbare KI-Befehle, die du einmal konfigurierst und wiederholt verwendest. Jedes Preset besteht aus einem Namen, einem System-Prompt (die Anweisung, die das Verhalten der KI formt), einer Modellauswahl, einem Kreativitätsniveau und einer Ausgabe-Aktion. Einmal erstellt, erscheint ein Preset in der Raycast-Befehlspalette wie jeder andere Befehl.

Stell dir Presets als spezialisierte KI-Assistenten vor. Anstatt eines allgemeinen Chatbots bekommst du einen Code-Reviewer, einen Test-Schreiber, einen PR-Beschreibungs-Generator und einen Dokumentations-Ersteller – jeder mit den genauen Anweisungen, Einschränkungen und dem Ton, den du benötigst.

Wie man ein KI-Preset erstellt

Das Erstellen eines Presets dauert etwa zwei Minuten. Hier ist der Prozess:

1. Raycast öffnen und zu Einstellungen → KI → Presets gehen
2. Auf „Preset erstellen“ klicken
3. Einen beschreibenden Namen vergeben (dieser erscheint bei der Suche in der Befehlspalette)
4. Deinen System-Prompt schreiben – die Anweisungen, die der KI genau sagen, wie sie sich verhalten soll
5. Ein Modell auswählen (GPT-4o, Claude, Gemini usw.)
6. Den Kreativitäts-Schieberegler setzen – niedrig für deterministische Aufgaben wie Code-Generierung, höher für Brainstorming
7. Die Ausgabe-Aktion wählen – in Zwischenablage kopieren, inline einfügen, Auswahl ersetzen oder in einem Fenster anzeigen

Der System-Prompt ist das Herzstück. Ein vager Prompt produziert vage Ergebnisse. Ein spezifischer, gut eingeschränkter Prompt produziert Ausgaben, die du sofort ohne Bearbeitung verwenden kannst.

Beste KI-Presets für Entwickler

Hier sind die Presets, die ich täglich verwende, komplett mit den tatsächlichen System-Prompts. Kopiere diese direkt in Raycast und passe sie an deinen Stack an.

1. Code-Review

Dieses Preset analysiert ausgewählten Code auf Bugs, Performance-Probleme und Style-Probleme. Kreativität auf niedrig setzen und Claude für beste Ergebnisse bei Code-Analyse verwenden.

System-Prompt:

Du bist ein Senior Software Engineer, der ein Code-Review durchführt. Analysiere den bereitgestellten Code und identifiziere: (1) Bugs oder potenzielle Laufzeitfehler, (2) Performance-Probleme, (3) Sicherheitsschwachstellen, (4) Lesbarkeits- oder Wartbarkeitsbedenken. Erkläre für jedes Problem, WARUM es ein Problem ist, und gib eine spezifische Lösung an. Wenn der Code sauber ist, sage es – erfinde keine Probleme. Sei direkt und prägnant. Format als Aufzählungsliste.

2. Unit-Tests schreiben

Eine Funktion oder Klasse auswählen und umfassende Tests generieren. Das Testing-Framework im Prompt an dein Projekt anpassen.

System-Prompt:

Du bist ein Test-Ingenieur. Schreibe Unit-Tests für den bereitgestellten Code mit Jest (TypeScript). Folge diesen Regeln: describe/it-Blöcke verwenden, beschreibende Testnamen schreiben, die das erwartete Verhalten erklären, Happy-Path + Edge Cases + Fehlerbehandlung abdecken, expect()-Assertions verwenden, externe Abhängigkeiten mocken. Gib NUR den Testcode aus – keine Erklärungen. Benötigte Imports einschließen.

3. PR-Beschreibungs-Generator

Einen Git-Diff oder eine Liste von Commits einfügen und eine strukturierte Pull-Request-Beschreibung erhalten. GPT-4o mit niedriger Kreativität verwenden.

System-Prompt:

Generiere eine Pull-Request-Beschreibung aus dem bereitgestellten Diff oder der Commit-Liste. Verwende diese Struktur: ## Zusammenfassung (2–3 Sätze, die die Änderung erklären), ## Änderungen (Aufzählungsliste spezifischer Änderungen), ## Tests (wie diese Änderungen verifiziert werden), ## Notizen (was Reviewer wissen sollten). Sei spezifisch darüber, was sich geändert hat und warum. Unter 300 Wörter halten.

4. Fehler-Debugger

Eine Fehlermeldung und Stack-Trace einfügen, um eine Erklärung und Lösungsvorschläge zu erhalten. Funktioniert am besten mit Claude für technische Genauigkeit.

System-Prompt:

Du bist ein Debugging-Experte. Der Benutzer stellt eine Fehlermeldung, einen Stack-Trace oder eine Beschreibung eines unerwarteten Verhaltens bereit. Führe Folgendes durch: (1) Erkläre, was der Fehler in verständlicher Sprache bedeutet, (2) Identifiziere die wahrscheinlichste Ursache, (3) Gib 2–3 spezifische Lösungen an, geordnet nach Wahrscheinlichkeit, (4) Code-Snippets für die Lösung einschließen, wenn anwendbar. Sei direkt – keine generischen Ratschläge.

5. SQL zu ORM-Konverter

Konvertiert rohe SQL-Abfragen in dein bevorzugtes ORM. Das ORM im Prompt anpassen – Prisma, Sequelize, SQLAlchemy oder ein anderes.

System-Prompt:

Konvertiere die bereitgestellte SQL-Abfrage zu Prisma (TypeScript). Folge diesen Regeln: Prisma Client API korrekt verwenden, Joins mit include/select behandeln, WHERE-Klauseln zu Prismas where-Syntax konvertieren, Abfragelogik exakt beibehalten. NUR den Prisma-Code ausgeben. Wenn die Abfrage Funktionen verwendet, die Prisma nativ nicht unterstützt, $queryRaw verwenden und erklären warum.

6. Dokumentations-Schreiber

Eine Funktion, Klasse oder einen API-Endpunkt auswählen und klare Dokumentation generieren. Kreativität auf mittel setzen.

System-Prompt:

Schreibe Entwicklerdokumentation für den bereitgestellten Code. Einschließen: eine kurze Beschreibung dessen, was es tut, Parameter/Argumente mit Typen und Beschreibungen, Rückgabewert, Verwendungsbeispiel und wichtige Anmerkungen. JSDoc/TSDoc-Format für Funktionen verwenden. Prägnant sein – Entwickler lesen Dokumentation, um schnell Antworten zu finden, nicht um Essays zu lesen.

7. Commit-Message-Schreiber

Einen Diff auswählen oder Änderungen beschreiben und eine gut formatierte konventionelle Commit-Message erhalten.

System-Prompt:

Schreibe eine Git-Commit-Message für die bereitgestellten Änderungen im Conventional-Commits-Format. Struktur: Typ(Bereich): Beschreibung (max. 50 Zeichen für die Betreffzeile). Body hinzufügen, wenn die Änderung nicht trivial ist, und erklären, WARUM die Änderung vorgenommen wurde, nicht was geändert wurde. Typen: feat, fix, refactor, docs, test, chore, perf, style. NUR die Commit-Message ausgeben – kein Kommentar.

Erweiterte Presets: Über die Grundlagen hinaus

API-Response-Mocker

Einen API-Endpunkt oder ein TypeScript-Interface einfügen und realistische Mock-Daten für Tests erhalten. Nützlich für Frontend-Entwickler, die gegen noch nicht fertige APIs bauen müssen.

System-Prompt:

Generiere realistische Mock-JSON-Daten, die der bereitgestellten API-Response-Struktur oder dem TypeScript-Interface entsprechen. Realistische Werte verwenden (echt aussehende Namen, E-Mails, UUIDs – nicht „test123“). 3 abwechslungsreiche Elemente für Arrays generieren. Edge-Cases wie null-Werte einschließen, wo Typen es erlauben. Nur gültiges JSON ausgeben.

Regex-Erklärer & -Ersteller

Entweder einen Regex einfügen, um eine Erklärung zu erhalten, oder beschreiben, was du abgleichen möchtest und einen Regex zurückbekommen. Modell auf Claude für präzises Muster-Matching setzen.

System-Prompt:

Wenn die Eingabe ein regulärer Ausdruck ist, erkläre ihn Schritt für Schritt in verständlicher Sprache. Jeden Teil des Musters aufschlüsseln und erklären, was er abgleicht. Wenn die Eingabe eine Beschreibung dessen ist, was abgeglichen werden soll, einen Regex schreiben, der damit umgeht. Den Regex, eine Erklärung und 2–3 Beispiel-Treffer/Nicht-Treffer einschließen. JavaScript-Regex-Syntax verwenden.

Das richtige Modell pro Preset wählen

Eine der besten Funktionen von Raycast ist die Modellauswahl pro Preset. Nicht jede Aufgabe benötigt dasselbe KI-Modell. Für einen tieferen Blick darauf, wie Raycast verschiedene KI-Modelle handhabt, sieh dir unseren Raycast ChatGPT-Integrations-Leitfaden an.

• Claude – Am besten für Code-Review, Debugging, technisches Schreiben und Aufgaben, die Präzision erfordern.
• GPT-4o – Hervorragend für kreative Aufgaben, Brainstorming, PR-Beschreibungen und Kommunikation.
• Gemini – Gute Allzweck-Option mit starken Schlussfolgerungsfähigkeiten.
• Schnellere Modelle – Für einfache Transformationen wie Formatierung oder Schreibweise-Konvertierungen ein schnelleres Modell verwenden.

Das Schlüsselprinzip: Modell an die Aufgabenkomplexität anpassen.

Effektive System-Prompts schreiben

Der System-Prompt ist der wichtigste Teil eines Presets. Ein guter Prompt produziert konsistent nutzbare Ausgaben. Hier sind die Muster, die funktionieren.

Explizit über das Ausgabeformat sein

Nicht sagen „Code überprüfen." Sagen „Probleme als Aufzählungspunkte auflisten, jeder mit dem Problem, warum es wichtig ist, und einer Code-Lösung."

Einschränkungen setzen

Der KI sagen, was sie nicht tun soll. „Keine Kommentare hinzufügen, außer die Logik ist nicht offensichtlich." „Antwort unter 200 Wörtern halten."

Persona definieren

Mit „Du bist ein Senior Software Engineer" oder „Du bist ein technischer Redakteur" beginnen. Dies kalibriert tatsächlich Ton, Tiefe und Annahmen des Modells.

Stack-Kontext einschließen

Wenn dein Preset für ein spezifisches Projekt ist, den Tech-Stack im Prompt einschließen. „Das Projekt verwendet React, TypeScript, Tailwind CSS und Prisma."

Basierend auf Fehlern iterieren

Dein Preset 5–10 Mal mit echten Eingaben ausführen. Jedes Mal, wenn die Ausgabe nicht stimmt, identifizieren, was schiefgelaufen ist, und eine Einschränkung oder Klarstellung zum Prompt hinzufügen.

Presets mit deinem Team teilen

Individuelle Presets sind leistungsstark. Teamweite Presets sind transformativ. Wenn jeder Entwickler in deinem Team dasselbe Code-Review-Preset verwendet, erhältst du konsistente Standards.

Raycast Teams lässt dich Presets in deiner Organisation teilen. Das ist besonders wertvoll für:

• Onboarding – Neue Teammitglieder erhalten von Tag eins einen kuratierten Satz von Presets, der deinen Coding-Standards entspricht
• Konsistenz – Commit-Messages, PR-Beschreibungen und Dokumentation folgen im gesamten Team demselben Format
• Best Practices – Die Code-Review-Checkliste deines besten Entwicklers wird zur Checkliste aller

Community-Presets importieren

Die Raycast-Community teilt Presets über den Raycast-Store und Community-Foren. Um ein Preset zu importieren, zu Einstellungen → KI → Presets navigieren und die Import-Option verwenden. Du kannst auch geteilte Presets auf der Raycast-Community finden und direkt importieren.

Beim Importieren von Community-Presets den System-Prompt vor der Verwendung prüfen. Sicherstellen, dass er deinen Erwartungen entspricht, und Modell, Kreativität und Ausgabe-Einstellungen an deine Präferenzen anpassen.

Presets vs. Raycast-Extensions: Wann was verwenden

Raycast unterstützt auch Extensions, die sich mit externen Diensten und APIs integrieren können. Wann also ein Preset vs. eine Extension bauen oder installieren?

• Presets verwenden, wenn die Aufgabe primär um Texttransformation geht – Umschreiben, Analysieren, Generieren oder Konvertieren von Text. Presets sind schneller zu erstellen und einfacher zu modifizieren.
• Extensions verwenden, wenn du mit externen Diensten (GitHub, Jira, Slack) interagieren musst, auf Systemressourcen zugreifen musst oder komplexe UI bauen möchtest.

Schau dir unseren Raycast Pro Test für einen breiteren Blick darauf an, wie Presets in den vollständigen Pro-Funktionsumfang passen.

Preise: Was du für KI-Presets benötigst

KI-Presets erfordern Raycast Pro. Der Pro-Plan beginnt bei 8 $/Monat (Jahresabrechnung) und umfasst unbegrenzte KI-Befehle, alle KI-Modelle, Cloud-Sync und jede andere Pro-Funktion. Das ist deutlich günstiger als eigenständige KI-Abonnements – ChatGPT Plus allein kostet 20 $/Monat.

Wenn du Raycast Pro noch nicht ausprobiert hast, ist das beste aktuelle Angebot 80 % Rabatt mit einer kostenlosen 14-Tage-Testversion. Kein Gutscheincode erforderlich. Ein paar Presets während der Testversion bauen und sehen, ob die Workflow-Verbesserungen die Kosten rechtfertigen.

Häufig gestellte Fragen

Was sind Raycast KI-Presets?

Raycast KI-Presets sind wiederverwendbare benutzerdefinierte KI-Befehle, die du mit einem spezifischen System-Prompt, einer Modellauswahl und einem Kreativitätsniveau definierst. Sie erscheinen in der Raycast-Befehlspalette neben integrierten Befehlen. Stell sie dir als gespeicherte KI-Workflows vor, die du mit wenigen Tastenanschlägen auslösen kannst.

Benötige ich Raycast Pro, um KI-Presets zu erstellen?

Ja. KI-Presets und alle KI-Funktionen in Raycast erfordern ein Raycast Pro-Abonnement. Du kannst sie mit einer kostenlosen 14-Tage-Testversion ausprobieren, um zu sehen, ob benutzerdefinierte KI-Befehle zu deinem Workflow passen, bevor du dich festlegst.

Kann ich Raycast KI-Presets mit meinem Team teilen?

Ja. Raycast unterstützt das Teilen von KI-Presets über Teams durch Raycast Teams. Du kannst Presets exportieren und mit Kollegen teilen oder Community-Presets importieren. So hat dein gesamtes Team Zugriff auf dieselben benutzerdefinierten KI-Workflows.

Welches KI-Modell sollte ich für meine Presets verwenden?

Es hängt von der Aufgabe ab. Claude für Code-Analyse, Reviews und technische Genauigkeit. GPT-4o für kreatives Schreiben, Brainstorming und allgemeine Aufgaben. Für einfache Formatierungen oder Transformationen funktionieren schnellere Modelle gut. Du kannst pro Preset ein anderes Modell festlegen.

Wie viele KI-Presets kann ich in Raycast erstellen?

Es gibt keine feste Begrenzung für die Anzahl der KI-Presets, die du in Raycast Pro erstellen kannst. Du kannst so viele benutzerdefinierte Befehle erstellen, wie du benötigst. Die meisten Power-User pflegen 10–20 Presets, die ihre häufigsten Workflows abdecken, von Code-Review bis Dokumentation bis Kommunikation.