ClawCodex /Beratungsmodus: Billigen Arbeiter mit teurem Prüfer kombinieren, um Kosten zu senken ohne Qualitätsverlust

Die meisten Agent-CLIs zwingen dich, ein einzelnes Modell zu wählen: Opus trifft gute Entscheidungen, aber sprengt dein Budget, während Haiku günstig ist, aber kritische Architekturentscheidungen verfehlt. ClawCodex, ein Open-Source-Python-Port von Claude Code, löst dies mit einem /advisor-Modus, der ein günstiges Worker-Modell mit einem teuren Reviewer-Modell an wichtigen Entscheidungspunkten kombiniert.

Wie es funktioniert

Der günstige Worker (z. B. haiku-4-5, deepseek-v4-pro) erledigt die Hauptarbeit – Dateilesen, Bearbeitungen, Testläufe. An Entscheidungspunkten – bevor eine Interpretation übernommen wird, bevor eine Aufgabe als erledigt erklärt wird, oder bei Blockaden – pausiert der Worker und konsultiert einen stärkeren Reviewer (z. B. opus-4-7). Der Reviewer sieht die gesamte Konversation (jeden Tool-Aufruf, jedes Ergebnis) und gibt einen kurzen Lücken/Risiken/Als nächstes-Ratschlag zurück. Der Worker fährt dann fort.

Zwei Ausführungsmodi

• Serverseitig (Anthropic 1P): Verwendet einen Advisor-Beta-Header – ein Roundtrip, Prompt-Cache-freundlich. Worker und Advisor laufen beide auf Anthropic.
• Clientseitig (beliebiger Anbieter): Der Worker gibt ein reguläres tool_use aus, der Agent fängt es ab und führt einen separaten Aufruf zum konfigurierten Advisor-Modell durch. Zwei Roundtrips, aber du kannst Anbieter mischen – z. B. DeepSeek Worker + Claude Opus Advisor, oder Gemini Worker + GLM Advisor.

Konfiguration & Überwachung

Die Konfiguration erfolgt mit einer einzigen Zeile im REPL:

/advisor anthropic:claude-opus-4-7
/advisor deepseek:deepseek-v4-pro

Die Statusleiste zeigt Worker-Token, Advisor-Token und USD-Kosten separat an, sodass du genau siehst, wohin dein Budget fließt.

Benchmarks & Kompatibilität

ClawCodex unterstützt nativ Anthropic, OpenAI, Gemini, DeepSeek, GLM, Minimax und OpenRouter. Auf SWE-bench Verified erreicht der Agent 58,2% mit Gemini 2.5 Pro, verglichen mit OpenClaudes 53% unter derselben Testumgebung.

Der schwierige Teil: Prompts

Die kniffligste technische Herausforderung war zu verhindern, dass der Advisor einfach den Plan des Workers wiederholt – frühe Versionen verschwendeten Kontext mit wortwörtlichen Wiederholungen. Die Lösung war eine strenge „Keine Ich-Perspektive, keine Wiederholungen“-Regel kombiniert mit der Lücken/Risiken/Als nächstes-Vorlage.

Für wen es gedacht ist

Entwickler, die KI-Coding-Agenten nutzen und Architektururteile auf Opus-Niveau wünschen, ohne Opus-Preise für jeden einzelnen Aufruf zu zahlen.