AgentMind: Ein Claude-Code-Plugin, das Ihre Programmierpräferenzen lernt und anwendet

Was AgentMind tut

AgentMind ist ein Claude Code-Plugin, das das Problem löst, in jeder neuen Sitzung erneut Codierungspräferenzen erklären zu müssen. Es lernt automatisch Muster wie "pnpm statt npm verwenden", "immer Typen hinzufügen" und "keine Standardexporte verwenden", indem es beobachtet, wie Sie arbeiten, und diesen Kontext in zukünftige Interaktionen einfügt.

Wie es funktioniert

Das System arbeitet mit einer sechsstufigen Kernschleife: Beobachten → Analysieren → Merken → Anwenden → Validieren → Entwickeln.

Beobachtungshooks laufen an wichtigen Lebenszykluspunkten:

• Sitzungsbeginn
• Werkzeugnutzung
• Fehler
• Kompaktierung

Diese Hooks beobachten Korrekturen (wie "nein, verwende X stattdessen"), wiederholte Muster und Fehlertypen, ohne Ihren tatsächlichen Code zu speichern.

Technische Implementierung

Das Plugin verwendet ein dreidimensionales Konfidenzbewertungssystem, um zu bestimmen, wann gelernte Präferenzen angewendet werden sollen:

• Häufigkeit × 0,35
• Effektivität × 0,40
• Menschliches Feedback × 0,25

Präferenzen mit hoher Konfidenz werden automatisch in Sitzungen eingefügt, während solche mit niedriger Konfidenz still bleiben. Das System enthält Abklingmechanismen, bei denen Präferenzen verblassen, wenn sie nicht über die Zeit verstärkt werden.

Entwicklungssystem

AgentMind verfügt über eine vierstufige Entwicklungsstruktur:

• L0: Individuelle Instinkte
• L1: Muster (aus individuellen Instinkten gruppiert)
• L2: Strategien (aus Mustern abstrahiert)

Zum Beispiel könnten separate Präferenzen wie "immer vitest verwenden", "immer Testdateien in tests/ hinzufügen" und "Tests nach Änderungen ausführen" zu einem "TDD-Workflow"-Muster evolvieren.

Technische Details

• ~3000 Zeilen TypeScript-Kern
• ~800 Zeilen Shell-Hooks
• 115 Tests bestanden
• Unterstützt Multi-Agent mit isolierten Präferenzspeichern
• Keine Konfiguration erforderlich – installieren und es beginnt zu lernen
• Beobachtungsschicht verwendet rein bash + jq, um leichtgewichtig zu bleiben
• MIT-lizenziert und kostenlos

Entwicklungseinblicke

Der Ersteller merkte an, dass die größte Herausforderung nicht der Lernalgorithmus war, sondern zu wissen, wann man still sein sollte. Frühere Versionen injizierten jede gelernte Präferenz, was das Kontextfenster verschmutzte. Die Konfidenzbewertung mit Abklingen löste dieses Problem.

Eine weitere technische Herausforderung war, Shell-Hooks und TypeScript zusammenarbeiten zu lassen, ohne schwere Abhängigkeiten hinzuzufügen. Die Lösung war eine leichtgewichtige Beobachtungsschicht mit bash und jq.