Ihr LLM sollte nicht Ihr Codierungs-Agent-Workflow sein: Trennung der Zuständigkeiten in OpenClaw

Wenn Ihr Coding-Agent-Workflow in dem Moment zum Stillstand kommt, in dem Sie Ihr LLM-Limit erreichen, hat Ihre Architektur ein Problem: Das LLM übernimmt zu viel. Eine praktische Regel aus der OpenClaw-Community: Das Modell sollte über die Arbeit nachdenken, aber nicht selbst der Workflow sein.

Wichtige Erkenntnisse

• Trennen Sie Orchestrierung von Urteilsvermögen: Warteschlangen, Zustandsverwaltung, Wiederholungen, Planung, Verifikation, Belege und Wiederherstellung können alle deterministisch laufen – ohne LLM-Beteiligung.
• Rufen Sie das LLM nur auf, wenn Urteilsvermögen erforderlich ist: Konzentrieren Sie Modellaufrufe auf Aufgaben, die wirklich Denkfähigkeit erfordern, nicht auf Routine-Kontrollfluss.
• Machen Sie Ihre Schleife zu Infrastruktur, nicht zu Prompting: Diese Trennung verwandelt eine Agent-Schleife von "weiter prompten" in etwas, das tatsächlich zuverlässig funktionieren kann.

Warum das wichtig ist

Wenn das LLM in jeden Schritt Ihres Workflows eingebettet ist, wird ein Nutzungslimit zu einem harten Stopp. Sie sind blockiert, nicht weil die Arbeit erledigt ist, sondern weil der Orchestrator ohne sein Gehirn nicht denken kann. Indem Sie die deterministischen Teile – Zustandsspuren, Wiederholungslogik, Planung, Verifikationsprüfungen – in einfachen Code verlagern, funktioniert das System weiter, auch wenn das LLM nicht verfügbar ist.

Das Ergebnis ist eine Coding-Agent-Schleife, die sich wie Infrastruktur verhält: Sie erholt sich, wiederholt und verifiziert von selbst. Sie geben nur dann LLM-Tokens aus (und stoßen an Limits), wenn die Aufgabe tatsächlich Denkfähigkeit erfordert.

Für wen das gedacht ist

Entwickler, die Coding-Agents (z. B. mit OpenClaw) bauen oder erweitern und robuste, produktionsreife Automatisierung statt fragiler Prompt-Ketten entwickeln möchten.