- Ein CLI-Tool, um wiederkehrende mehrstufige Entwicklungsaufgaben wie bei der Umsetzung großer Projekte mit einer AI-Agent-Loop zu verarbeiten
- Ruft Claude Code per Bash-Skript fortlaufend auf und führt dabei in jeder Iteration kleine Codeänderungen aus
- Erstellt einen neuen Branch, ändert den Code und führt anschließend automatisch Commit und Push aus
- Erstellt über die GitHub CLI einen PR und überwacht mit
gh pr checks den CI-Status sowie die Review-Ergebnisse
- Wenn alle festgelegten Checks und Reviews bestanden sind, wird gemergt; bei Fehlschlägen wird der PR geschlossen und Branch sowie Änderungen verworfen – dieser Zyklus wird wiederholt
- Um den Kontext zwischen den Iterationen zu erhalten, wird eine gemeinsam genutzte Markdown-Datei wie
SHARED_TASK_NOTES.md als externer Speicher verwendet
- Fasst in jeder Iteration zusammen, was erledigt wurde und was als Nächstes ansteht, und dokumentiert dies im Stil eines „Staffellaufs“
- Beispiel: Wird eine Notiz wie „In Funktion Y muss null-Eingabe behandelt werden“ hinterlassen, priorisiert die nächste Iteration dies und bildet so eine selbstverbessernde Schleife
- Statt unnötig langer Logs sind die Prompts so gestaltet, dass ein Handover-Paket entsteht, das spätere Entwickler und Agenten sofort verstehen können
- Bietet eine vollständig automatisierte Pipeline, die den gesamten PR-Lifecycle abdeckt
- Branch-Erstellung → Ausführung von Claude Code → Commit → PR-Erstellung → Warten auf CI und Reviews → bei Erfolg Merge → Aktualisierung des Main-Branches → Aufräumen und nächste Iteration
- Nutzt bestehende Code-Owner-Regeln, Pflicht-Checks und Preview-Umgebungen eines Repos unverändert weiter und bindet menschliche Reviews natürlich in den Workflow ein
- Mit verschiedenen Flags zur Ausführungssteuerung lassen sich Kosten, Zeit und Anzahl der Versuche begrenzen
- Mit
--max-runs wird die maximale Zahl der Iterationen festgelegt; bei 0 läuft eine Endlosschleife
- Mit
--max-cost lässt sich eine Kostenobergrenze in US-Dollar setzen, mit --max-duration ein Zeitlimit wie 2h oder 30m
- Mehrere Angaben können kombiniert werden, um zusammengesetzte Bedingungen wie „höchstens 10 Durchläufe, höchstens 5 Dollar, höchstens 1 Stunde“ zu definieren
- Unterstützt über Integrationsoptionen mit GitHub auch eine feinere Steuerung von Branch-Strategie und Repository-Struktur
- Mit
--merge-strategy kann zwischen squash / merge / rebase gewählt werden
- Mit
--git-branch-prefix lässt sich die Branch-Benennungsregel festlegen, etwa feature/ statt continuous-claude/
- Mit den Flags
--owner und --repo kann ein Repository explizit angegeben werden, auch wenn das Remote nicht GitHub ist oder sich nicht automatisch erkennen lässt
- Die Art der Kontextspeicherung und die Abbruchbedingungen lassen sich anpassen
- Mit
--notes-file kann statt SHARED_TASK_NOTES.md ein anderer Dateiname verwendet werden
- Über
--completion-signal und --completion-threshold ist ein vorzeitiger Abbruch möglich, wenn Agenten die Formulierung „Projekt abgeschlossen“ eine bestimmte Anzahl von Malen ausgeben
- Enthält Safe Mode- und Dry-Run-Funktionen für Tests, Debugging und Experimente
- Mit
--disable-commits werden echte Commits, PR-Erstellung und Merge deaktiviert, sodass sich nur lokale Änderungen testen lassen
- Mit
--dry-run wird der gesamte Ablauf simuliert, und im Log ist sichtbar, welche Befehle ausgeführt würden
- Unterstützt mithilfe von
git worktree eine Struktur, um mehrere Aufgaben parallel laufen zu lassen
- Mit
--worktree <name> und --worktree-base-dir werden unabhängige Worktrees erzeugt, damit etwa Tests und Dokumentationsarbeit in verschiedenen Verzeichnissen gleichzeitig laufen können
- Mit
--cleanup-worktree lässt sich ein Worktree nach Abschluss aufräumen, und mit --list-worktrees können aktuell aktive Worktrees angezeigt werden
- Erfordert als Abhängigkeiten Claude Code CLI, GitHub CLI und jq; mit einem einfachen Installationsskript lässt sich die Umgebung schnell einrichten
- Über ein Einzeilen-Installationsskript kann
continuous-claude zur Nutzung in ~/.local/bin oder /usr/local/bin installiert werden
- Praktische Einsatzszenarien: geeignet für stark wiederkehrende Aufgaben wie Ausbau der Testabdeckung, große Refactorings oder automatisches Reparieren von Code nach Dependency-Updates
- Während Dependabot nur Versionsupdates behandelt, erstellt dieses Tool auf Basis von Release Notes und fehlgeschlagenen Tests auch nachgelagerte Fix-PRs automatisch – wie eine „verstärkte Dependabot-Version“
- Kann auch für Langläufer-Aufgaben genutzt werden, bei denen mehr als 20 PRs nacheinander erstellt und gemergt werden, etwa beim Aufteilen einer monolithischen Codebasis in mehrere Module oder beim Umstellen von Callbacks auf
async/await
- Das Konzept ähnelt der Continuous AI·agentics-Forschung von GitHub Next und ist auch für die gleichzeitige Nutzung mehrerer spezialisierter Agenten ausgelegt
- Unterstützt Muster, bei denen Agenten mit unterschiedlichen Rollen – etwa für Tests, Refactoring oder Feature-Erweiterungen – parallel laufen und mehrere Bereiche eines Monorepos gleichzeitig voranbringen
- Selbst wenn einzelne Ausführungen scheitern, lassen sich Experimente mit einer iterativen, Verschwendung tolerierenden Strategie durchführen, die auf einer „Wahrscheinlichkeitsverteilung mit korrekter Richtung“ und sinkenden Kosten basiert
- Insgesamt ist es ein Tool, das die PR-basierte Arbeitsweise menschlicher Entwickler beibehält, während eine Agenten-Schicht für AI die wiederkehrenden Aufgaben und Restarbeiten übernimmt und sich direkt in reale Arbeits-Repositories integrieren lässt
Noch keine Kommentare.