Parallele Coding-Agenten: Ein neuer Trend für mehr Produktivität in der Softwareentwicklung

Parallele Coding-Agenten: Ein neuer Trend für mehr Produktivität in der Softwareentwicklung

In letzter Zeit entwickelt sich unter Ingenieurinnen und Ingenieuren ein neuer Trend: Mehrere AI-Coding-Agenten werden gleichzeitig ausgeführt, um Entwicklungsaufgaben zu erledigen. Der Entwickler und Autor Simon Willison erklärte, dass er anfangs dachte, es wäre ineffizient, weil die Review von AI-generiertem Code Zeit koste. Nachdem er es jedoch selbst ausprobiert hatte, entdeckte er nach und nach die Vorteile dieses Ansatzes und begann, ihn in seinen eigenen Workflow zu integrieren.

Die wichtigsten Muster, mit denen er parallele Agenten effektiv nutzt, sind die folgenden.

1. Recherche für Proofs of Concept (PoC)

Wenn neue Bibliotheken oder Technologien evaluiert werden, kann man dem Agenten die Entwicklung eines einfachen PoC übertragen, um schnell zu prüfen, ob die Technik funktioniert. Der Agent kann selbst bei neuesten Bibliotheken, die nicht in den Trainingsdaten enthalten sind, den Code direkt lesen, die Verwendung verstehen und die Aufgabe ausführen.

2. Verständnis bestehender Codebasen

Wenn man nachvollziehen muss, wie eine bestimmte Funktion in einer riesigen Codebasis arbeitet, kann man den Agenten mit der Analyse beauftragen. Mithilfe von Tools wie grep verfolgt der Agent Codepfade über Dutzende Dateien hinweg und liefert innerhalb weniger Minuten eine detaillierte Erklärung zu bestimmten Funktionen, etwa zum Setzen von Cookies oder zur Abdeckung der API-Dokumentation.

3. Kleine Wartungsaufgaben

Aufgaben mit geringer kognitiver Belastung, die aber lästig sind — etwa das Beheben von Warnungen in einer Test-Suite — lassen sich an Agenten delegieren. Dadurch können Entwicklerinnen und Entwickler kleinere Probleme lösen, ohne den Fluss ihrer Hauptarbeit zu unterbrechen.

4. Klar formulierte Arbeitsanweisungen

Wenn Entwicklerinnen und Entwickler selbst den Lösungsansatz und die detaillierte Spezifikation festlegen und die Implementierung dann dem Coding-Agenten überlassen, lässt sich der Zeitaufwand für die Review der Ergebnisse deutlich reduzieren. Das ist wesentlich effizienter, als ungezielt generierten Code zu analysieren.

Aktueller Workflow und Werkzeuge

Willison erklärte, dass er derzeit vor allem Claude Code, Codex CLI und Codex Cloud nutzt und in mehreren Terminalfenstern gleichzeitig unterschiedliche Aufgaben laufen lässt. Für Aufgaben, denen er vertraut, verwendet er einen „YOLO-Modus“, in dem Code ohne Genehmigung ausgeführt wird. Aus Sicherheitsgründen ziehe er außerdem in Betracht, Agenten künftig in Docker-Containern auszuführen.

Er betonte, dass sich dieses Feld noch in einer frühen Phase befinde und die Modellleistung erst seit Kurzem ausreichend verbessert sei. Zum Abschluss seines Beitrags forderte er andere Entwicklerinnen und Entwickler auf, ihre eigenen Nutzungsmuster und Workflow-Erfahrungen aktiv zu teilen.