Wie das Claude-Code-Team KI-Verifizierungsschleifen skaliert
Das Claude-Code-Team teilt, wie es End-to-End-, Property- und Differenzialtests nutzt, um agentengenerierten Code im großen Maßstab zu verifizieren.
Agenten, Tool-Nutzung, Coding-Assistenten und Automatisierung, die echte Arbeit erledigt.
Das Claude-Code-Team teilt, wie es End-to-End-, Property- und Differenzialtests nutzt, um agentengenerierten Code im großen Maßstab zu verifizieren.
Microsoft Research und UC Berkeley stellen ein Open-Source-Plugin vor, das den Tokenverbrauch von KI-Coding-Agenten reduziert, indem es die Repository-Historie nutzt, ohne das zugrunde liegende Modell zu ändern.
DeepSeek Harness fällt in den Terminal-Bench-Rankings zurück, da er automatisch Hintergrundjobs beendet. Dieses Verhalten widerspricht spezifischen Testanforderungen, obwohl es als Standardpraxis gilt.
Eine technische Analyse der fünf Kernprimitiven, die erforderlich sind, um zustandsbehaftete, proaktive KI-Agenten zu entwickeln, die über mehrere Sitzungen hinweg ohne ständige Aufsicht operieren.
Claude Code Projects bietet nun einen proaktiven Koordinator, das Teilen von Threads im Nur-Lese-Modus sowie neue Verzweigungsbefehle für Pro- und Max-Nutzer.
Anthropic hat eine private Beta für selbst gehostete Claude Managed Agents gestartet. Unternehmen können Server lokal betreiben, während strenge Lizenzkontrollen für Sicherheitsupdates und Telemetrie bestehen bleiben.
Neue Forschungsergebnisse zeigen, dass KI-Agenten menschliche Unterbrechungen oft missachten und sie nicht als gültige Befehle, sondern als Hindernisse bei der Aufgabenerledigung behandeln.
Googles Swarm koordiniert Agenten für einen einzelnen Entwickler, während Cursors multiplayer Projects die Koordination der Agenten von Teamkollegen über verschiedene Aufgaben hinweg ermöglicht.
Google stellt Orchestrator in Antigravity vor, das zwischen den Modellen Gemini 4 Hydrogen und Carbon wechselt, um die Kontingentnutzung um 24 % zu reduzieren und die Aufgabenerledigungsgeschwindigkeit zu verbessern.
AWS hat einen Open-Source-Emulator für seine Clouddienste veröffentlicht, der vollständig von autonomen Coding-Agenten generiert und gewartet wird – ohne menschlich geschriebenen Code.
Cursor und Google ermöglichen Entwicklern nun Echtzeit-Sprachgespräche mit Coding-Agenten, während Anthropics Claude Code weiterhin auf Diktat beschränkt ist.
Das Meta Superintelligence Lab hat Muse Ember veröffentlicht, ein leichtgewichtiges KI-Modell, das auf kosteneffiziente Agentenausführung und multimodale Analyse im großen Maßstab optimiert ist.
Ein langjähriger Nutzer beschreibt seine Migration von Claude Code zu Pi und nennt Stabilitätsprobleme, Token-Aufblähung sowie schlechtes Kontextmanagement als Hauptgründe für den Wechsel.
Ein neues Tool ohne externe Abhängigkeiten nutzt Hooks, um parallele KI-Coding-Agenten zu isolieren und Portkonflikte, RAM-Erschöpfung sowie versehentlichen Datenverlust auf gemeinsamen Rechnern zu verhindern.
KI-Agenten speichern Erinnerungen in inkompatiblen Formaten, was eine Fragmentierung erzeugt, die der Situation vor 2019 im Bereich Observability ähnelt. Ein neuer Vorschlag plädiert für die Vereinheitlichung dieser Schemata, um Interoperabilität zu ermögliche