- Integrierte Entwicklungsumgebung, die die Produktivität steigert – durch spezialisierte AI-Agenten, kontinuierliche Akkumulation von Wissen und automatisierte Workflows zur Ausführung komplexer Methoden
- Ziel ist es, bewährte Muster und spezialisierte Workflows bereitzustellen, damit jede Sitzung ohne Initialisierung starten kann und komplexe Lösungen zuverlässig erstellt werden können
- Zentrale Tools und Systeme
- Mehr als 20 spezialisierte Agenten: Fachagenten je Aufgabenbereich für Architektur, Debugging, Sicherheit usw.
- Kernentwicklung: zen-architect (einfaches Design), modular-builder (Einhaltung von Modularitätsprinzipien), bug-hunterr (systematisches Debugging), test-coverage (umfassende Tests), api-contract-designer (sauberes API-Design)
- Analyse·Optimierung: security-guardian (Sicherheitsanalyse), performance-optimizer (Performance-Profiling), database-architect (Datenbankdesign und -optimierung), integration-specialist (Integration externer Services)
- Wissen·Insights: insight-synthesizer (verborgene Zusammenhänge erkennen), knowledge-archaeologist (Entwicklung von Ideen nachverfolgen), concept-extractor (Wissen aus Dokumenten extrahieren), ambiguity-guardian
- Meta·Support: subagent-architect (neue Agenten erstellen), post-task-cleanup (Codebase aufräumen), content-researcher (Recherche durch Sammlung von Inhalten)
- Vorgeladener Kontext: Muster und Philosophie sind in die Umgebung integriert, um die Kosten des Initial-Boots zu minimieren
- Paralleles Worktree-System: Unterstützt dabei, mehrere Ansätze gleichzeitig zu entwickeln und zu testen, um die beste Lösung auszuwählen
- Mit
make worktree feature-jwt und make worktree feature-oauth lassen sich Worktrees für parallele Experimente anlegen
- Mit
make worktree-list und make worktree-rm <name> kann man vergleichen und anschließend Unnötiges löschen und aufräumen
- System zur Wissensextraktion: Extrahiert Konzepte·Beziehungen·Muster aus Dokumenten und wandelt sie in abfragbares Wissen um
- Mit
make knowledge-update werden aus Dokumenten Konzepte·Beziehungen·Muster extrahiert, um akkumuliertes Wissen aufzubauen
- Mit
make knowledge-query Q="…" und make knowledge-graph-viz sind Abfragen und Graph-Visualisierung möglich
- Aufbewahrung des Gesprächsverlaufs: Der Kontext geht nie verloren. Vor der Kompaktierung wird automatisch exportiert, sodass der gesamte Gesprächskontext wiederhergestellt werden kann
- Die Befehle
/transcripts und make transcript-* unterstützen Suche·Wiederherstellung·Auflistung
- Automatisierungstools: Automatisieren Qualitätsprüfungen und die Einhaltung von Mustern, um Konsistenz sicherzustellen
- Einfache Installation unter macOS und Ubuntu/WSL
- Nutzbar über Claude Code (in bestehenden/neuen Projekten oder im Amplifier-Projekt selbst)
Noch keine Kommentare.