
Nach einem Jahr Arbeit ist meine OwlMeans Platform völlig veraltet. Das wurde mir direkt nach dem Release und den Tests mit echten Nutzern klar. Ihnen ist es nicht aufgefallen, mir schon. Eigentlich wusste ich es bereits Ende des Frühjahrs. Jetzt muss ich klären, warum ich das damals liegen ließ und was ich ändern will.
Ich hätte den Release verschieben und zuerst die Engine austauschen können. Es gab aber schon ein Produkt, das ich veröffentlichen konnte. Außerdem konnte die bisherige Implementierung während des Umbaus verfügbar bleiben. Den Kern will ich in etwa einer Woche überarbeiten. Interessant ist dabei, wie viel davon tatsächlich ersetzt werden muss.
OwlMeans führt nach wie vor jeweils eine User Story durch einen vorgegebenen Entwurfs- und Implementierungsprozess. Zusammengehörige Features werden in getrennten Läufen umgesetzt, selbst wenn sie von denselben Entscheidungen abhängen. Der geplante Ersatz behält die Abhängigkeiten und die Mechanismen zur Wiederaufnahme bei. Innerhalb der einzelnen Phasen sollen Agenten aber mehr Freiheit bekommen, selbst nachzuforschen.
Wenn du lieber schaust als liest, fang mit diesem Video an. Das Uroboros-Video führt durch den ersten Entwurf: die Grenzen zwischen Anwendungen, die Kompatibilitätsanforderungen und den Übergang zur hybriden Ausführung.
My AI platform was outdated at launch. Here is what I am changing | Uroboros.
Storys und Ausführung
Eine User Story beschreibt, was eine Person braucht. Daraus ergibt sich nicht unbedingt eine sinnvolle Arbeitsmenge für einen einzelnen Agentenlauf.
Nimm den Status einer Bestellung. Der Kunde sieht ihn, der Operator ändert ihn. Zwei ganz gewöhnliche Storys teilen sich Zustände, Zugriffsregeln und API-Verträge. Schickst du sie durch getrennte Läufe, muss die Engine einen Großteil desselben Wissens zweimal zusammentragen. Kleine Karten machen die Anwendung dahinter nicht kleiner.
Mit kleinen Storys wollte ich die Aufgaben so begrenzen, dass der verfügbare Kontext für produktive Arbeit reichte. So wurde auch der Fortschritt sichtbar. Nach einem fehlgeschlagenen Lauf ließ sich die Arbeit fortsetzen, ohne das ganze Projekt neu zu beginnen. Der Kompromiss war vernünftig. Er koppelte aber die Beschreibung eines Features an die Strategie für seine Umsetzung.
Später habe ich angefangen, zusammengehörige Aufgaben rund um ein Subsystem zu bündeln. So ließ sich das gemeinsame Verhalten klären, bevor die einzelnen Features entstanden, die darauf aufbauten. Storys will ich als Beschreibungen und Akzeptanzkriterien behalten. Zusammengehörige Storys sollen sich aber einen Lauf teilen können.
Größere Kontextfenster geben diesem Experiment mehr Spielraum. Neu sind sie nun wirklich nicht: Im Februar 2024 kündigte Google die Vorschau von Gemini 1.5 an. Sie war eingeschränkt verfügbar und bot ein Kontextfenster von einer Million Token. Kapazität allein wählt allerdings keinen relevanten Code aus. Sie legt auch keine Abhängigkeit offen, die in einem anderen Paket steckt.
In Lost in the Middle stellten Liu und sein Forschungsteam fest, dass das Wiederfinden von Informationen von ihrer Position im Kontext abhing. Ihre Studie von 2024 untersuchte bestimmte Modelle. Bei einer heutigen Engine muss man prüfen, ob sie den für eine Änderung nötigen Code findet und verwendet.
Was in eine Pipeline gehört
Heute beginnt die Entwicklung einer Story damit, ein StoryDesign-Objekt zu erstellen. Darin stehen Screens, Komponenten und Interaktionen sowie Daten- und Laufzeitanforderungen. Die Implementierung liest diesen gespeicherten Entwurf und schreibt die Anwendung. Damit hat die Engine ein Artefakt, das sie prüfen und ändern kann. Nach einer Unterbrechung kann sie dort wieder ansetzen.
Ein Teil der Entwurfsarbeit läuft parallel. Andere Teile müssen warten: Das Layout legt fest, wohin eine Komponente gehört. Erst danach verwenden UX- und Datenentwurf ihren Pfad. Die Implementierung hat zwanzig benannte Schritte. Dazu gehören Typen und Ressourcen, Domänenlogik und Endpunkte, Worker und Stores, Views, Zugriffsregeln sowie Navigation.
Diese Abhängigkeiten haben konkrete Folgen. Ein Handler braucht die Deklaration des Vorgangs, den er in eine Warteschlange stellt. Zugriffsregeln brauchen einen Endpunkt, den sie schützen können. Die Navigation braucht Screens als Ziele. Code kann diese Reihenfolge erzwingen, ohne dass ein Modell sie bei jedem Lauf neu herausfinden muss.
Außerdem speichert jeder abgeschlossene Entwurfsschritt eine Revision. Stürzt der Prozess ab, kann der nächste Prozess den Entwurf lesen und weitermachen. Sich nach einem Absturz auf „erledigt“ zu verlassen, ohne dass die Arbeit gespeichert wurde, wäre ziemlich optimistisch.
Diese Mechanik will ich behalten. Die Pipeline legt Ausführungsreihenfolge und Abhängigkeiten fest. Ihre Schritte rufen schon heute Modelle auf, um Inhalte zu erzeugen, und versuchen Fehler zu beheben. Die Pipeline bestimmt, wann diese Aufrufe stattfinden und was vor dem nächsten Schritt vorhanden sein muss.
Die schwierigen Entscheidungen fallen innerhalb eines Schritts. Der Agent muss entscheiden, welche Dateien er sich ansieht und ob er genug Kontext gefunden hat. Vielleicht erfordert die Änderung einer Komponente auch eine Änderung an einer anderen. Die Antworten hängen davon ab, was er während der Arbeit entdeckt.
Anthropics Building effective agents vom Dezember 2024 unterscheidet zwischen vorgegebenen Abläufen und Systemen, in denen ein Modell seine nächste Handlung selbst wählt. Ein hybrider Ansatz kann bekannte Abhängigkeiten erhalten und dort eigene Nachforschungen erlauben, wo der Weg variiert. Bei der Umsetzung muss man festlegen, welche Entscheidungen der Agent innerhalb dieser Grenze selbst treffen darf.
Agenten innerhalb und außerhalb
In der Free-Flight-Konsole kann schon heute ein Agent die geführten Pipelines aufrufen. Er kann Dateien untersuchen und Coding-Werkzeuge verwenden. Stellt der Host das Gateway bereit, kann er außerdem eine Story entwerfen, den Entwurf lesen oder ändern, ihn implementieren und einen Lauf fortsetzen. Ohne Gateway bleiben die Werkzeuge der unteren Ebene verfügbar.
Ein Pipeline-Aufruf gibt dem Agenten nicht die Erlaubnis, darin alles zu ändern. Mit einer Entwurfsänderung darf der Agent festlegen, dass eine Komponente etwas anderes tut. Ein von der Registry vergebener Pfad oder Alias bleibt dagegen bestehen, weil andere Teile der Anwendung diesen Namen schon verwenden.
Bei Bedingungen, die einen vollständigen Abbruch verlangen, braucht es dieselbe Unterscheidung. Ein aufgebrauchtes Guthaben muss die gesamte Schleife beenden. Gibt man das als gewöhnlichen Werkzeugfehler zurück, kann das Modell einen anderen Vorgang versuchen und erneut Geld ausgeben. Hier sollte es lieber nicht so hilfsbereit sein.
Ich will diese Anordnung auch umdrehen: eine Agentenschleife innerhalb einer geführten Pipeline-Phase. Geplant sind die Phasen Vorbereitung, Serverseite, Website-Seite, Verbinden und Prüfen. Zu jeder Arbeitseinheit innerhalb einer Phase gehören ihr Entwurf, ihre App, ihre Registry-Einträge und ihre Verträge.
Der Agent liest den relevanten Code und ändert ihn. Dann prüft er das Ergebnis und behebt die gefundenen Fehler. Deckt ein Versuch eine fehlende Abhängigkeit auf, kann er ihr vor dem nächsten Versuch nachgehen. Für neue Erkenntnisse braucht die äußere Pipeline dann keinen eigenen Schritt mehr, solange der Agent sie innerhalb der Phase berücksichtigen kann.
Dafür braucht es Werkzeuge, deren Vorgänge sich gefahrlos wiederholen lassen, und Prüfungen für einzelne Arbeitseinheiten. Wird ein Schreibvorgang nach einer Unterbrechung wiederholt, darf weder ein zweites Artefakt entstehen noch ein vorhandenes verloren gehen. Nach einem begrenzten Lauf muss die Schleife entweder ein geprüftes Ergebnis oder genaue Angaben zu den ungelösten Punkten zurückgeben.
Heute kann ein Story-Endpunkt, der keine Antwort liefert, bei der Validierung durchfallen. Ein Smoke-Test kann nach begrenzten Reparaturversuchen eine Warnung hinterlassen. Diese Ergebnisse bedeuten etwas Unterschiedliches. Eine lokale Schleife muss diesen Unterschied erhalten, wenn sie die Steuerung an die übergeordnete Pipeline zurückgibt.
Einen einfachen Ablauf werde ich als Vergleichsbasis behalten. Xia und sein Forschungsteam konnten 2024 mit Agentless gegen die auf SWE-bench Lite getesteten Open-Source-Agenten bestehen. Dafür nutzten sie strukturierte Schritte zur Lokalisierung, Reparatur und Validierung. Eine Agentenschleife muss sich ihren Platz verdienen.
Die SWE-agent-Publikation von 2024 zeigte, wie die Schnittstellen zur Navigation im Repository, zum Bearbeiten und zum Testen die Ergebnisse eines interaktiven Agenten beeinflussten. Mit „eine Schleife einbauen“ fängt die Arbeit also gerade erst an. Noch muss geprüft werden, wie gut die zugehörigen Werkzeuge und das implementierte System tatsächlich funktionieren. Keine der beiden Arbeiten belegt ein Ergebnis für OwlMeans.
Gemeinsame Arbeit über mehrere Anwendungen hinweg
Beim Bestellbeispiel würde ein gebündelter Lauf die Statusübergänge planen und dabei sowohl die Kunden- als auch die Operator-Story berücksichtigen. Ihre Screens und Endpunkte würden auf dieser gemeinsamen Entscheidung aufbauen. Es wäre weiterhin sinnvoll, die Implementierung in kleinere Teile zu zerlegen. Den Domänenentwurf zu wiederholen wäre es nicht.
Innerhalb einer Story nutzen die Stufen der Engine schon heute einen gemeinsamen Zustand. Ein koordinierter Lauf braucht Arbeitskontext und eine Registry über mehrere Storys hinweg. Jede Story braucht dabei ein eigenes Ergebnis. Bleibt eine davon unvollständig oder schlägt sie fehl, muss das Ergebnis sagen, welche und warum.
Bei jedem Aufruf das gesamte Repository mitzuschicken wäre ein schlechter Umgang mit gemeinsamem Kontext. Ausgangspunkt sollten der Entwurf und die bekannten Verträge sein. Details der Implementierung liest der Agent erst, wenn er sie für die Arbeit braucht. Anthropic beschreibt diese Nutzung von Referenzen und Werkzeugen in seinen Empfehlungen zum Context Engineering vom September 2025.
Ein einzelner Lauf kann weiterhin viele Aufrufe, Prüfungen und Checkpoints enthalten. Er soll zusammenhängende Entscheidungen über diese Aufrufe hinweg zusammenhalten. Ich habe noch nicht gemessen, ob dadurch bessere Ergebnisse entstehen. Ebenso offen ist, ob es nennenswert hilft, denselben Kontext seltener zu übermitteln.
Eine weitere Grenze setzt die Struktur des generierten Projekts. Heute besteht es aus einer Website mit einer API für Gast-, Nutzer-, Admin- und Operator-Bereiche. Ein Bereich beschreibt, für wen ein Screen gedacht ist. Er gibt einer separaten Anwendung keine eigene Frontend- und API-Struktur.
OwlMeans selbst ist bereits komplizierter aufgebaut. Kundenoberfläche, Verwaltungsdienste, Agentenausführung und Veröffentlichung haben unterschiedliche Zuständigkeiten. Ein Generator, der nur ein einziges Web/API-Paar kennt, kann etwas Vergleichbares nicht beschreiben.
Der Uroboros-Plan ergänzt eine App-Zuordnung, die Bereiche und Funktionalität auf Apps verteilt. Die Apps nutzen darunter weiterhin dieselben Daten, dieselbe Geschäftslogik und dieselben Worker. Betrifft eine Story mehrere Apps, muss die Engine die Änderung durch alle betroffenen Apps verfolgen.
Dafür müssen sich Pfadauflösung, Entwurf und Implementierung ändern, ebenso Vorschauen und Veröffentlichung. Auch Laufzeitstatus und Konnektor-Werkzeuge brauchen Anpassungen. „Mehrere Apps unterstützen“ in einen Prompt zu schreiben erledigt diese Arbeit nicht.
Für bestehende Projekte ohne App-Zuordnung ist standardmäßig eine einzelne main-App vorgesehen. Ihre Pfade und ihr Verhalten bleiben erhalten. Wenn sich das Vokabular der Engine ändert, sollten Kunden deshalb keine funktionierenden Projekte neu bauen müssen.
Die Migration und Uroboros
Für den Umbau des Kerns gebe ich mir etwa eine Woche. Das ist weiterhin ein Ziel, kein abgeschlossenes Ergebnis.
Der erste Teil umfasst die Grundlagen und das App-Routing. Im übergeordneten Plan folgt danach die agentengestützte Umsetzung innerhalb der Phasen. Anschließend kommen koordinierte Läufe für zusammengehörige Storys. Während der Migration muss die bisherige Pipeline neben ihrem Ersatz verfügbar bleiben. Bereits gestartete Läufe müssen mit der Pipeline abgeschlossen werden, mit der sie begonnen haben. Der neue Weg lässt sich dann Projekt für Projekt aktivieren.
Die erste Kompatibilitätsprüfung ist bewusst unspektakulär: ein bestehendes Projekt in die Entwicklungsumgebung übernehmen und sicherstellen, dass es weiterhin startet und funktioniert. Weitere Ende-zu-Ende-Prüfungen betreffen die Beaufsichtigung, das Chatbot-Verhalten und ein kleines geplantes Projekt mit der neuen Struktur.
Dieselben Referenzprodukte müssen durch beide Engines laufen. Dabei müssen wir Fehler und Warnungen dokumentieren. Außerdem halten wir fest, welche Funktionen arbeiten, wie lange die Läufe dauern und wie stark sie die Modelle beanspruchen. Ein erfolgreicher Build sagt nicht, ob Kunde und Operator denselben Bestellstatus sehen. Dafür muss der Ablauf selbst geprüft werden.
In seinen Experimenten mit Agenten-Harnesses für lang laufende App-Entwicklung vom März 2026 verband Anthropic Planung und Generierung mit einer separaten Evaluation. Als sich das Modellverhalten änderte, vereinfachte das Team auch Teile des Agenten-Harnesses. Ein Orchestrierungsschritt sollte bestehen bleiben, weil er ein heutiges Problem löst. Dass er das früher einmal getan hat, reicht nicht.
Mit Uroboros versuche ich, OwlMeans ein System entwickeln zu lassen, das so komplex ist wie OwlMeans selbst. Die Unterstützung mehrerer Apps liefert die Struktur. Koordinierte Läufe und agentengestützte Phasen sollen die Arbeit über App-Grenzen hinweg ermöglichen. Darauf soll ein beaufsichtigter Versuch aufbauen, bei dem sich das System selbst weiterentwickelt.
Schon heute nutze ich einen externen Coding-Agenten, um die Engine zu ändern. Vergleichbare Aufgaben soll künftig der eigene Generierungsablauf von OwlMeans übernehmen. Das Ergebnis will ich anschließend unabhängig prüfen.
Für diesen Versuch muss die Umgebung isoliert und die geplante Änderung klar definiert sein. Außerdem muss sich die vorherige Version wiederherstellen lassen. Dass der Quellcode der Engine geändert wurde, ist ein Ergebnis. Ob die geänderte Engine besser funktioniert, muss gesondert belegt werden. Für diese Beurteilung bleibe ich verantwortlich.