Effizienter Workflow mit Claude Code: Planung vor der Ausführung

Boris Tane beschreibt seinen Ansatz zur Verwendung von Claude Code für die Entwicklung, indem er die Bedeutung der Trennung von Planung und Ausführung betont. Diese Methodik basiert auf einem zentralen Prinzip: Claude niemals Code schreiben zu lassen, bevor ein schriftlicher Plan überprüft und genehmigt wurde. Dies hilft, unnötige Anstrengungen zu vermeiden und die architektonische Integrität zu wahren.
Kernphasen des Workflows
Phase 1: Forschung
Jede Aufgabe beginnt mit einer tiefen Forschungsphase, in der Claude angewiesen wird, die relevanten Teile des Codebases gründlich zu verstehen. Dieses Verständnis wird in einer research.md-Datei dokumentiert, um das Verständnis der KI sicherzustellen, bevor mit der Planung begonnen wird. Dies hilft dabei, potenzielle systematische Probleme wie die Vernachlässigung bestehender Caching-Schichten oder inkonsistente API-Implementierungen zu identifizieren.
Phase 2: Planung
Nach der Forschung wird ein detaillierter Umsetzungsplan in einer plan.md-Datei erstellt. Dieser Plan enthält eine umfassende Erklärung des Ansatzes, notwendige Code-Snippets und Dateimodifikationspfade. Tane hebt hervor, dass spezifischer Open-Source-Code als Referenz für Funktionen verwendet wird, um Claude bei der Erstellung effektiver Pläne zu leiten.
Der Annotationszyklus
Kritisch für Tanes Workflow ist ein Annotationszyklus, in dem er die von Claude generierten Pläne in seinem Texteditor überprüft und sorgfältige Bearbeitungen und Anmerkungen vornimmt, bevor Claude mit der Codegenerierung fortfährt. Dieser sorgfältige Ansatz schützt vor der Produktion isolierter Implementierungen, die den umliegenden Code stören könnten.
📖 Lesen Sie die vollständige Quelle: HN AI Agents
👀 Siehe auch

Benutzerdefinierte Ausgabestil-Sammlung für Claude Code
Ein Entwickler hat 13 benutzerdefinierte Ausgabestile für Claude Code erstellt, die das Verhalten der KI durch Systemprompts verändern. Die Stile umfassen Roast für brutale Code-Kritik, Socratic für geführtes Fragenstellen, Breaker für adversarielles Testen, Ship It für pragmatische Lösungen, Paranoid für Sicherheitsfokus und TDD für testgetriebene Entwicklung.

Beacon: Open-Source-Endpunkt-Telemetrie für lokale KI-Agenten
Beacon erfasst lokale KI-Agent-Aktivitäten (Claude Code, Codex CLI, Cursor usw.) und normalisiert sie in Endpunkt-Ereignisse zur Überprüfung oder SIEM-Weiterleitung über Wazuh, Elastic, Splunk HEC.

SkillOpt: Optimierung von Markdown-Fähigkeitsdateien als trainierbare Parameter für KI-Agenten
SkillOpt formalisiert den Ad-hoc-Prozess des Bearbeitens von Markdown-Skill-Dateien für KI-Codierungsagenten, indem es Frontier-Modelle nutzt, um begrenzte Änderungen vorzuschlagen, die an Validierungssätzen geprüft werden. Die besten Skills konvergieren mit 1-4 akzeptierten Änderungen aus vielen Vorschlägen und lassen sich zwischen Modellen wie Codex und Claude Code übertragen.

Claudlytics: Selbst gehostetes Dashboard zur Verfolgung von Claude-Code-Token-Nutzung und Kosten
Claudlytics ist ein Node.js-Webserver, der lokale .jsonl-Sitzungsdateien von Claude Code liest, um die Token-Nutzung und Kosten in Echtzeit zu verfolgen. Er läuft lokal auf 127.0.0.1 und kann über einen SSH-Tunnel für Remote-Server zugänglich gemacht werden.