Sandy – Ich habe es gebaut, weil es frustrierend ist, wenn AI-Agenten jedes Mal nachdenken

Ich habe AI-Agenten einen Sandevistan verpasst.

Hat es überhaupt einen Sinn, wenn Automatisierungsagenten langsamer sind als Menschen?
Es war frustrierend, dass sie bei jedem Klick mehrere Sekunden stocken, also habe ich darüber nachgedacht.
Auch Menschen handeln bei Wiederholungen irgendwann, ohne nachzudenken – die Hände bewegen sich zuerst. Könnte AI das nicht auch so machen?

🐢 Herkömmliche Agenten
Observe → LLM-Inferenz (langsam) → Action → Observe → LLM... Wiederholung
Bei jedem Klick halten sie an und denken nach.

🐇 Sandy

1. Erster Durchlauf: Das LLM erfasst den Workflow → als Szenario gespeichert
2. Danach: Wiedergabe des Szenarios (kein LLM-Aufruf)
   Sobald der Weg einmal frei ist, sprintet es ohne Zögern hindurch.

Das LLM wird nur für die anfängliche Wegfindung genutzt, danach läuft alles nach dem gespeicherten Szenario ab – so lassen sich Geschwindigkeit und Kosten gleichzeitig optimieren.

Demo (YouTube-Video suchen → abspielen):

• links: normaler Agent (5-fache Geschwindigkeit)
• rechts: Sandy (normale Geschwindigkeit)
  https://www.youtube.com/watch?v=nSKs8sy7o2c

Nützlich in solchen Fällen:

• E2E-Testautomatisierung
• Regressionstests (deterministische Ausführung)
• Aufgaben, die mehrere Tools verbinden (GitHub → Slack-Benachrichtigung usw.)

Dank MCP-Server-Kompatibilität lassen sich Browser-Automatisierung und API-Aufrufe in einem einzigen Szenario bündeln.

GitHub: https://github.com/Sangkwun/sandy

Ehrliche Grenzen:

• Wenn sich die UI ändert, muss das Szenario neu aufgezeichnet werden
• Eher für wiederkehrende Aufgaben geeignet als für dynamische Erkundung

Fragen oder Feedback sind willkommen. Ich freue mich auch auf PRs 😊