Claude Deep Suite - Strukturiertes Entwicklungs-Plugin-Bundle für Claude Code (6 Plugins)

Wie wahrscheinlich viele von Ihnen bei der Nutzung von Claude Code erlebt haben, war auch ich anfangs von seiner Intelligenz beeindruckt, wurde aber bald mit der „Realität“ konfrontiert, dass es nicht so implementiert, wie ich es mir wünsche. Danach tauchte das Konzept des Harness Engineering auf, und ich habe versucht, eine Entwicklungs-Workflow-Suite zu bauen, die dieses Harness Engineering einfließen lässt.

Deep-Suite umfasst insgesamt 6 Plugins.

• deep-work
• deep-review
• deep-wiki
• deep-evolve
• deep-docs
• deep-dashboard

Wenn man in Claude Code einfach /deep-work "Funktion hinzufügen" eingibt, passiert Folgendes.

1. Zuerst wird die Codebasis gelesen (Research). Wenn man in dieser Zeit versucht, den Code zu ändern,
   blockiert der PreToolUse-Hook dies mit exit 2. Statt das LLM per Prompt zu bitten, „nicht zu ändern“,
   werden die Write/Edit-Tools selbst physisch blockiert.

2. Es wird ein Implementierungsplan erstellt (Plan). Wenn das Projekt Next.js ist, wird das automatisch erkannt, sodass frameworkspezifische Leitlinien angewendet werden, etwa
   „verwende use client nicht in layout.tsx“.
   (6 Topologien integriert, darunter React SPA, Express API, Python)

3. Die Implementierung wird per TDD erzwungen. Erst wenn ein fehlschlagender Test geschrieben wurde,
   ist die Änderung des Produktionscodes erlaubt. Auch das wird vom Hook über eine Zustandsmaschine verwaltet.

4. Bei jeder Codeänderung werden Sensoren automatisch ausgeführt. ESLint, tsc, ruff, mypy,
   dotnet build, clang-tidy — Linter und Type-Checker passend zur Projektsprache
   werden automatisch erkannt und ausgeführt. Bei Fehlern kann nicht zur nächsten Implementierung übergegangen werden.

5. Wenn die Implementierung abgeschlossen ist, überprüft ein separater Opus-Agent den Code.
   Der Agent, der den Code schreibt, und der Agent, der ihn überprüft, sind vollständig voneinander getrennt.
   Es gibt strukturell nicht das Problem, dass derselbe Agent seinen eigenen Code mit „LGTM“ abnickt.

Das ist die Aufgabe der beiden Plugins deep-work + deep-review,
und es gibt noch 4 weitere Plugins.

deep-wiki — löst das Problem, dass Wissen zwischen Sitzungen verloren geht.
Die LLM-Wiki-Idee von Karpathy wurde umgesetzt, sodass Claude Code selbst
schrittweise ein Markdown-Wiki aufbaut.
Wenn man eine URL oder Datei mit /wiki-ingest eingibt,
wird sie in das bestehende Wiki integriert, und
bei einer Frage über /wiki-query erfolgt die Antwort auf Grundlage des Wikis.
Es lässt sich direkt als Obsidian-Vault öffnen.

deep-evolve — wenn man ein Ziel vorgibt, verbessert es den Code autonom.
Inspiriert von Karpathys autoresearch.
Es analysiert das Projekt, erzeugt ein Evaluierungsskript und
wiederholt automatisch den Zyklus aus
Codeänderung → Evaluierung → bei höherer Punktzahl behalten / bei niedrigerer verwerfen.
Anwendbar von ML-Training bis hin zur Testabdeckung.

deep-docs — prüft, ob Agenten-Anweisungsdokumente wie CLAUDE.md
noch mit dem Code übereinstimmen, und korrigiert sie automatisch.

deep-dashboard — sammelt die Sensorergebnisse der oben genannten Plugins
und zeigt als quantitative Bewertung (0–10),
wie gut die Codebasis für die Zusammenarbeit mit AI-Agenten geeignet ist.

Insgesamt 36.000 Zeilen, davon 5.400 Zeilen Tests. Alle 6 Plugins werden über einen einzigen
Marketplace installiert.

Installation:
/plugin marketplace add Sungmin-Cho/claude-deep-suite
/plugin install deep-work@Sungmin-Cho-claude-deep-suite

Jedes Plugin kann auch einzeln installiert werden.
Es gibt noch viele Stellen, die verbessert werden müssen.
Feedback ist willkommen.

GitHub: https://github.com/Sungmin-Cho/claude-deep-suite