OpenClaw und Chorus: Eine Produktpipeline, erstellt von zwei Menschen und KI-Agenten in einer Woche

OpenClaw und Chorus arbeiten zusammen, um eine Produktentwicklungspipeline zu schaffen, in der KI-Agenten Forschungs-, Produktmanagement- und Codierungsaufgaben übernehmen, während sich Menschen auf das Vorschlagen von Ideen und das Genehmigen von Arbeiten konzentrieren. Das Projekt wurde in weniger als einer Woche von zwei Personen mit Hauptberufen aufgebaut.

Wie das System funktioniert

Der Aufbau umfasst drei Teilnehmer: einen Menschen, der OpenClaw für Produktmanagement und Marketing trainiert, einen Mitgründer, der mit Claude Code an der Entwicklung arbeitet, und den OpenClaw-Agenten selbst mit der Berufsbezeichnung Produktmanager.

OpenClaw verbindet sich über zwei Kanäle mit Chorus:

• MCP-Tools zur Ausführung von Operationen
• SSE-Ereignisstreaming für Echtzeitbewusstsein

Wenn jemand eine Aufgabe zuweist oder den Agenten in der Chorus-Weboberfläche @erwähnt, erwacht der Agent und beginnt innerhalb von Sekunden zu arbeiten – kein Terminal oder manuelle Eingabeaufforderungen erforderlich.

Täglicher Betrieb

Jeden Morgen durchsucht OpenClaw HN, Reddit, Product Hunt und GitHub Trending, um die Bewegungen von Wettbewerbern und Nutzerprobleme im Bereich Multi-Agent-Coding zu überwachen. Wenn das menschliche Team Slack öffnet, liegt bereits eine Zusammenfassung mit Links und Analysen vor, die für ihre Arbeit relevant sind.

Der Agent hört den ganzen Tag über Produktrichtungsdiskussionen zu. Wenn das Team auf etwas Bauwürdiges stößt, nimmt OpenClaw automatisch den Faden auf und verwandelt unstrukturierte Gespräche in strukturierte Ideen auf Chorus, ohne dazu aufgefordert zu werden.

Von der Idee zur Umsetzung

Sobald eine Idee erstellt ist, führt OpenClaw folgende Schritte aus:

• Übernimmt die Idee
• Analysiert sie anhand des PRD und der Codebasis
• Erstellt einen Vorschlag auf Chorus, der ein Produktanforderungsdokument mit Umfang und Einschränkungen sowie einen Aufgaben-DAG mit Abhängigkeiten und Aufwandsschätzungen in Agentenstunden enthält

Menschen überprüfen Vorschläge wie Pull-Requests. Beispiel: "Umfang zu groß, GitHub-Integration vorerst streichen." Der Agent überarbeitet basierend auf Feedback, und sobald genehmigt, werden Aufgaben erstellt und OpenClaw wird in Echtzeit über SSE benachrichtigt.

Entwicklungsausführung

Es gibt zwei Möglichkeiten, wie Arbeit erledigt wird:

• Bring your own agent: Teammitglieder verbinden ihre Codierungsagenten über MCP mit Chorus, übernehmen Aufgaben und arbeiten auf der Plattform zusammen. Claude Code Agent Teams funktionieren besonders gut, weil der Aufgaben-DAG von Chorus direkt auf parallele Ausführung abgebildet wird – unabhängige Aufgaben werden gleichzeitig auf separate Sub-Agenten verteilt, während abhängige Aufgaben auf Voraussetzungen warten.
• Autonome Agenten-Laufzeiten: Ein zukünftiger Weg, der entworfen wird, beinhaltet das Einbinden autonomer Agenten-Laufzeiten wie den Servermodus von OpenCode, die Aufgaben übernehmen und von Anfang bis Ende ohne menschliche Beaufsichtigung ausführen können.

Technische Grundlage

Dies funktioniert, weil drei Komponenten zusammengekommen sind:

• OpenClaw bietet einen persistenten Agenten mit Langzeitgedächtnis, Werkzeugzugriff, geplanter Ausführung und einem Plugin-System, das Hintergrunddienste unterstützt
• Das Chorus-Plugin hält eine persistente SSE-Verbindung zur Plattform aufrecht, sodass der Agent immer zuhört, und verwendet /hooks/wake, um sofortige Aktionen auszulösen, wenn Ereignisse eintreffen
• Claude Code Agent Teams ermöglichen die parallele Verteilung von Codierungsarbeit auf mehrere Agenten
• Chorus dient als Plattform, auf der Ideen zu Vorschlägen, Vorschläge zu Aufgaben und Aufgaben zu PRs werden, wobei jeder Teilnehmer dieselbe Quelle der Wahrheit teilt

Das Interaktionsmodell unterscheidet sich von Chatbots – auf Chorus erwähnen Sie den Agenten wie einen Kollegen: "Hey @PM-Agent, diese Aufgabe scheint unterbewertet, kannst du Fehlerbehandlung hinzufügen?" Der Agent erhält die Erwähnung über SSE, erwacht, liest den Kontext und antwortet mit einem Kommentar oder aktualisiertem Vorschlag.

Das Team hat letzte Woche 4 Funktionen mit zwei Menschen und einer Flotte von KI-Agenten ausgeliefert. Die Menschen verließen nie die Web-Oberfläche und Slack, während die Agenten nie manuelle Anweisungen benötigten.