Agentic Coding ist mehr als Autovervollständigung. Analysen zu Loop Engineering, Toolchains, Harness-Architektur und dem Zusammenspiel von Entwicklern und KI-Agenten.
13 Artikel
KI-Agenten machen jede zweite Implementierung fast kostenlos. Warum das die Wartung nicht mitverbilligt und wann ein gemeinsames Paket die bessere Wahl ist.
Eine Studie der ETH Zürich belegt: Kontextdateien wie AGENTS.md treiben KI-Kosten um 20 Prozent in die Höhe, ohne den Code zu verbessern.
Addy Osmani und das Claude Code Team zeigen die Praxis hinter Loop Engineering. Wer Agenten ohne harte Abbruchbedingungen arbeiten lässt, scheitert.
Generierter Code wird nicht dadurch zu deinem Code, dass er in deinem Branch liegt. Wie du LLMs über Verträge, reine Funktionen und Plan Mode steuerst, statt ihren Output zu beaufsichtigen.
PewDiePies KI-Workspace Odysseus zeigt, dass moderne Systembaupläne nicht länger traditionellen Organisationen vorbehalten sind. Eine Analyse zu Vibe-Coding, Architektur und Sicherheitsrisiken.
Ein Agent ist ein LLM, eine Schleife und genug Tokens. Die Gleichung klingt trivial, aber sie verschiebt die gesamte Engineering-Arbeit vom Modell auf den Harness. Fünf Kernideen definieren diesen Wandel, von der Inner/Outer Loop über Loop Engineering bis zur Fabrikmetapher.
Ein durchschnittliches Sprachmodell mit einem starken Harness schlägt ein überlegenes Modell mit schwacher Konfiguration. Harness Engineering verwandelt jeden Ausfall über das Ratchet-Prinzip in permanente Regeln.
Boris Cherny und Peter Steinberger tippen keine Prompts mehr per Hand. Sie bauen autonome Schleifen, die Agenten steuern.
Ben Edgars von OpenAI zeigt anhand konkreter Experimente: KI-Agenten verschieben die Arbeit, aber sie lassen sie nicht verschwinden. Schemas, Tests und Architekturdenken bleiben menschliche Aufgaben.
Zen van Riel zeigt seinen produktionserprobten Workflow für agentisches Coding mit Cloud Code. Vier parallele Terminals, gestaffelte Effort-Level, Git Worktrees und eine klare Haltung gegen Hype-Methoden.