Claude Code Routines: Automatisierte Cloud-Aufgaben für KI-Entwicklungsworkflows

✍️ OpenClawRadar📅 Veröffentlicht: 17. April 2026🔗 Source
Claude Code Routines: Automatisierte Cloud-Aufgaben für KI-Entwicklungsworkflows
Ad

Claude Code Routines sind gespeicherte Konfigurationen, die einen Prompt, ein oder mehrere Repositories und Konnektoren in automatisierte Aufgaben verpacken, die auf der von Anthropic verwalteten Cloud-Infrastruktur ausgeführt werden. Das bedeutet, dass Routines weiterlaufen, auch wenn Ihr lokaler Rechner offline ist.

Wie Routines funktionieren

Jede Routine kann mit mehreren Triggertypen verknüpft sein:

  • Geplante Trigger: Laufen in wiederkehrenden Abständen wie stündlich, nächtlich oder wöchentlich
  • API-Trigger: Werden bei Bedarf über HTTP POST an einen Routine-spezifischen Endpunkt mit Bearer-Token-Authentifizierung ausgeführt
  • GitHub-Trigger: Laufen automatisch als Reaktion auf Repository-Ereignisse wie Pull Requests, Pushes, Issues oder Workflow-Runs

Eine einzelne Routine kann mehrere Trigger kombinieren. Beispielsweise könnte eine PR-Review-Routine nächtlich laufen, über ein Deploy-Skript per API ausgelöst werden und auch auf jeden neuen Pull Request reagieren.

Praktische Anwendungsfälle

Die Dokumentation bietet mehrere konkrete Beispiele für Routine-Anwendungen:

  • Backlog-Pflege: Ein Zeitplan-Trigger läuft nächtlich gegen Ihren Issue-Tracker über einen Konnektor, liest neue Issues, weist Labels zu, ordnet Verantwortliche basierend auf Code-Bereichen zu und postet Zusammenfassungen in Slack
  • Alarm-Triage: Monitoring-Tools rufen den API-Endpunkt der Routine auf, wenn Fehlerschwellen überschritten werden, und übergeben Alarmtexte. Die Routine zieht Stack Traces, korreliert sie mit kürzlichen Commits und öffnet Draft-PRs mit vorgeschlagenen Fixes
  • Maßgeschneiderte Code-Reviews: GitHub-Trigger bei pull_request.opened wenden teamspezifische Review-Checklisten an, hinterlassen Inline-Kommentare zu Sicherheits-/Performance-/Stilproblemen und fügen Zusammenfassungskommentare hinzu
  • Deploy-Verifizierung: CD-Pipelines rufen den API-Endpunkt der Routine nach Produktions-Deploys auf. Die Routine führt Smoke-Checks durch, scannt Fehlerlogs auf Regressionen und postet Go/No-Go-Entscheidungen in Release-Kanäle
  • Dokumentations-Drift-Erkennung: Wöchentliche Zeitplan-Trigger scannen gemergte PRs, markieren Dokumentation, die geänderte APIs referenziert, und öffnen Update-PRs gegen Docs-Repositories
  • Bibliotheks-Portierung: GitHub-Trigger bei pull_request.closed (gefiltert auf gemergte PRs) portieren Änderungen zu parallelen SDKs in anderen Sprachen und öffnen entsprechende PRs
Ad

Erstellen und Verwalten von Routines

Routines sind auf Pro-, Max-, Team- und Enterprise-Plänen mit aktiviertem Claude Code im Web verfügbar. Sie können sie unter claude.ai/code/routines oder über die CLI mit dem Befehl /schedule erstellen und verwalten.

Erstellungsoptionen umfassen:

  • Web-Oberfläche unter claude.ai/code/routines
  • Desktop-App: Klicken Sie auf "Neue Aufgabe" und wählen Sie "Neue Remote-Aufgabe" ("Neue lokale Aufgabe" erstellt stattdessen lokale Desktop-geplante Aufgaben)
  • CLI mit dem Befehl /schedule

Das Erstellungsformular konfiguriert den Prompt der Routine, Repositories, Umgebung, Konnektoren und Trigger. Alle Erstellungsmethoden schreiben in dasselbe Cloud-Konto, daher erscheinen Routines, die über die CLI erstellt wurden, sofort in der Web-Oberfläche.

Aktueller Status und Einschränkungen

Routines befinden sich derzeit in der Research Preview, was bedeutet, dass Verhalten, Limits und die API-Oberfläche sich ändern können. Sie werden als vollständige Claude Code Cloud-Sitzungen ohne Permission-Mode-Prompts ausgeführt.

📖 Read the full source: HN AI Agents

Ad

👀 Siehe auch

LLMock: HTTP-basierter Mocking-Server für deterministische LLM-Tests über Prozesse hinweg
Werkzeuge

LLMock: HTTP-basierter Mocking-Server für deterministische LLM-Tests über Prozesse hinweg

LLMock ist ein echter HTTP-Server, der OpenAI-, Claude- und Gemini-APIs simuliert und Entwicklern ermöglicht, deterministische Tests über mehrere Prozesse hinweg auszuführen, ohne echte APIs anzusprechen. Er unterstützt SSE-Streaming, Tool-Aufrufe, Prädikat-Routing und Request-Protokollierung ohne Abhängigkeiten.

OpenClawRadar
Signet: Open-Source Memory Layer für KI-Codierungsagenten erreicht 80 % F1 bei LoCoMo
Werkzeuge

Signet: Open-Source Memory Layer für KI-Codierungsagenten erreicht 80 % F1 bei LoCoMo

Signet ist ein Open-Source-Gedächtnissystem für KI-Coding-Agenten, das 80 % F1 auf dem LoCoMo-Benchmark erreicht, verglichen mit 41 % für Standard-RAG. Es extrahiert Erinnerungen nach jeder Sitzung und injiziert relevante Kontexte vor Prompts, lokal mit SQLite.

OpenClawRadar
Intuno: Open-Sourced Network for AI Agent Discovery and Communication
Werkzeuge

Intuno: Open-Sourced Network for AI Agent Discovery and Communication

Intuno ist ein Open-Source-Netzwerk, in dem KI-Agenten ihre Fähigkeiten registrieren, sich gegenseitig über semantische Suche entdecken und Funktionen mit nur drei Zeilen Python-Code aufrufen können. Es beinhaltet MCP-Integration zur Nutzung mit Claude Desktop oder Cursor.

OpenClawRadar
Mozilla Thunderbolt: Open-Source Enterprise-Client für KI auf selbst gehosteter Infrastruktur
Werkzeuge

Mozilla Thunderbolt: Open-Source Enterprise-Client für KI auf selbst gehosteter Infrastruktur

Mozilla hat Thunderbolt angekündigt, einen Open-Source-AI-Client unter MPL-2.0-Lizenz, der Organisationen die Bereitstellung einer selbst gehosteten AI-Infrastruktur mit Modellauswahl, Integration von Unternehmensdaten und plattformübergreifenden nativen Anwendungen ermöglicht.

OpenClawRadar