AGENTIC CODING RECOMMENDATIONS

Agentic Coding entwickelt sich rasant weiter – die Arbeitsabläufe von heute könnten morgen bereits ganz anders aussehen. In diesem Artikel teile ich meine Erfahrungen und Empfehlungen zur Nutzung von Agentic Coding, insbesondere mit Claude Code.

Einführung

In den letzten Wochen habe ich zahlreiche Anfragen zu meinen eigenen Praktiken im Bereich Agentic Coding erhalten. Hier sind einige Einblicke in meinen Workflow und die Tools, die ich verwende.

Mein Workflow

Ich nutze hauptsächlich Claude Code mit dem günstigeren Max-Abonnement für 100 Dollar im Monat. Diese Wahl hat mehrere Gründe:

• Ich verwende ausschließlich das günstigere Sonnet-Modell, das für meine Bedürfnisse vollkommen ausreichend ist und dessen Ergebnisse ich sogar dem teureren Opus-Modell vorziehe.
• Ich optimiere meine Tool-Nutzung, um token-effizient zu arbeiten. Screenshots und Browser-Interaktionen vermeide ich, wann immer es möglich ist.

Mein allgemeiner Workflow besteht darin, einem Agenten eine Aufgabe zuzuweisen (der effektiv volle Berechtigungen hat) und dann darauf zu warten, dass er die Aufgabe abschließt. Ich unterbreche ihn selten, es sei denn, es handelt sich um eine kleine Aufgabe. Dadurch wird die Rolle der IDE – und die Rolle der KI in der IDE – stark reduziert; ich verwende sie hauptsächlich für abschließende Bearbeitungen. Diese Herangehensweise hat sogar meine Nutzung von Vim wiederbelebt, das keine KI-Integration hat.

Die Grundlagen

Ich deaktiviere alle Berechtigungsprüfungen, was bedeutet, dass ich claude –dangerously-skip-permissions ausführe. Ich habe dafür ein Alias namens claude-yolo eingerichtet. Man kann das als verantwortungslos betrachten, und es gibt definitiv Risiken, aber man kann diese Risiken managen, indem man seine Entwicklungsumgebung in Docker verschiebt. Ich muss jedoch sagen, dass es sogar überraschend gut funktioniert, ohne zu dockerisieren.

Die Wahl der Programmiersprache

Ich habe die Leistung von Agenten in verschiedenen Programmiersprachen bewertet, und wenn Sie Ihre Sprache wählen können, empfehle ich dringend Go für neue Backend-Projekte. Mehrere Faktoren sprechen stark für Go:

• Kontextsystem: Go bietet einen fähigen Copy-on-Write-Datenbehälter, der explizit durch den Codeausführungsweg fließt, ähnlich wie contextvars in Python oder dem Ausführungskontext von .NET.
• Test-Caching: Überraschend entscheidend für effiziente agentische Schleifen.
• Go ist einfach: Rob Pike beschrieb Go als geeignet für Entwickler, die nicht in der Lage sind, mit einer komplexen Sprache umzugehen.
• Strukturelle Schnittstellen: Schnittstellen in Go sind strukturell, was es Agenten erleichtert, sie zu verstehen.
• Geringe Ökosystem-Fluktuation: Das gesamte Ökosystem von Go fördert die Rückwärtskompatibilität.

Im Vergleich dazu stellt Python oft erhebliche Herausforderungen dar. Agenten haben Schwierigkeiten mit der Magie von Python, was häufig zu fehlerhaftem Code führt.

Werkzeuge, Werkzeuge, Werkzeuge

Unabhängig von der Sprache ist effektives Tooling von größter Bedeutung. Einige wichtige Regeln sind:

• Alles kann ein Werkzeug sein.
• Werkzeuge müssen schnell sein.
• Werkzeuge müssen benutzerfreundlich sein.
• Werkzeuge müssen gegen Missbrauch geschützt sein.
• Werkzeuge müssen die richtige Debugging- und Beobachtbarkeit bieten.

Ein Beispiel für eine agentische Interaktion zeigt, wie wichtig Logging ist. Mein App hat einen Anmelde- und Registrierungsfluss, der eine E-Mail an den Benutzer sendet. Im Debug-Modus wird die E-Mail einfach in die Standardausgabe geloggt, was entscheidend ist, damit der Agent den gesamten Anmeldevorgang mit einem fernsteuerbaren Browser abschließen kann.

Es geht um Geschwindigkeit

Die Ineffizienz des agentischen Codierens ergibt sich hauptsächlich aus den Inferenzkosten und suboptimaler Tool-Nutzung. Schnelle, klare Tool-Antworten sind entscheidend. Einige Werkzeuge sind „emergent“, also temporär von den Agenten selbst geschrieben. Schnelle Kompilierung und Ausführung steigern die Produktivität des Agenten erheblich.

Stabilität und Copy/Paste

Stabile Ökosysteme sind entscheidend. LLMs sind großartig mit Go und lieben es, Flask zu verwenden, da diese stabil sind. Die KI hinterlässt oft nützliche Kommentare, die später verwirrend werden können, wenn Bibliotheken ohne Grund aktualisiert werden.

Schreibe einfache Codes

Einfache Codes übertreffen komplexe Codes in agentischen Kontexten. Die Agenten sollten „die dümmste mögliche Lösung, die funktioniert“ implementieren.

Mach es parallelisierbar

Agenten sind nicht besonders schnell, aber Parallelisierung steigert die Effizienz. Finden Sie Wege, um gemeinsame Zustände zu verwalten, damit Sie mehr als einen Agenten gleichzeitig ausführen können.

Was kommt als Nächstes?

Agentic Coding entwickelt sich schnell weiter, und mein Workflow von heute könnte morgen bereits ganz anders aussehen. Es ist klar, dass die Integration von Agenten in Ihren Entwicklungsprozess erhebliche Produktivitätsgewinne freisetzen kann. Ich ermutige Sie, weiter zu experimentieren und die Prinzipien von Einfachheit, Stabilität, Beobachtbarkeit und intelligenter Parallelisierung zu berücksichtigen.