Open-Source-Fähigkeit für parallele KI-Codierungsagenten mit menschlichem Gate

Ein Reddit-Nutzer hat eine Open-Source-Skill-Definition (eine Markdown-Datei) veröffentlicht, um parallele KI-Coding-Agenten mit einer Human-in-the-Loop-Kontrollinstanz vor der Produktion auszuführen. Der Skill richtet sich an Entwickler, die Claude Code, Codex, Cursor oder jedes andere LLM verwenden, das Markdown liest. Er löst das Problem nach dem parallelen Merge: Wie man mehrere Features gemeinsam validiert, Smoke-Tests durchführt und sicherstellt, dass nichts ohne explizite Freigabe in die Produktion gelangt.

So funktioniert es

Drei Agenten arbeiten gleichzeitig, jeder in einem eigenen Git-Worktree, um Konflikte zu vermeiden. Der Skill automatisiert dann die vollständige Pipeline:

• Parallele Worker – jeder Agent arbeitet an einem separaten Feature-Branch.
• Integrationsbranch – alle Feature-Branches werden in einem Integrationsbranch zusammengeführt, um sie gemeinsam zu validieren.
• Typ-/Build-Validierung – führt Typprüfung und Build-Schritte auf dem Integrationsbranch durch.
• Laufzeit-Smoke-Tests – führt eine schnelle Smoke-Test-Suite aus.
• Staging-Promotion – wenn die Smoke-Tests bestehen, wird in das Staging übernommen.
• Harte menschliche Kontrollinstanz – erfordert manuelle Freigabe, bevor in den Hauptzweig gemergt wird.

Jedes Feature verwendet einen --no-ff-Merge, sodass einzelne Features ohne Auswirkungen auf andere rückgängig gemacht werden können.

Installation

Um den Skill zu installieren, füge diesen Prompt in dein LLM ein:

Lies die Datei SKILL.md von https://github.com/knods-io/parallel-agents-skill und passe sie an unser Projekt an. Behalte den Kernablauf und die mythologischen Workernamen bei, aber stimme alles auf unsere tatsächliche Arbeitsweise ab. Installiere sie dann als Skill in diesem Projekt.

Das Repository befindet sich unter github.com/knods-io/parallel-agents-skill. Es ist keine Bibliothek oder Paket – nur eine Markdown-Datei, die du deinem LLM gibst. Der Autor bittet um Feedback, was fehlt, was in verschiedenen Setups kaputtgehen würde und was andere ändern würden.

Für wen es gedacht ist

Entwickler, die Claude Code oder ähnliche KI-Coding-Agenten verwenden und die Feature-Entwicklung mit parallelen Agenten skalieren möchten, dabei aber Sicherheitschecks vor dem Deployment in die Produktion beibehalten wollen.