Lernen

Every developer's agent on your team works a different way, and the shared instructions file grows until nobody reads it. In nine lessons you give the team one way of working, built by asking Claude Code: a short AGENTS.md that routes to your standards and docs, a locked review list, a hook, one bug-fix workflow, and three loops that keep it small. Lesson 9 checks your own repo for the certificate.

Agentengesteuerte Abnahmetests sind ein Prüf-Loop, in dem ein KI-Agent jede User Journey in einem echten Browser durchläuft und anhand eingefrorener Abnahmekriterien meldet, ob sie bestanden ist oder nicht. Wir führen Abnahmetests mit Playwright MCP auf ConvOps durch: Der Agent, der testet, repariert nie, und ein Fehlschlag geht zurück in den Build, bis der ganze Lauf wieder besteht.

Ein selbstverbesserndes KI-System ist ein Repository aus Standards, ein Gedächtnisspeicher und Workflows mit Gates, die die Lehren jedes abgeschlossenen Jobs in Regeln verwandeln, die der nächste Job liest. Es lernt in sechs Ebenen, vom Gedächtnis bis zu einer Pipeline, die das ganze System prüft. Wir betreiben unseres auf ConvOps.

Ein Löschschutz für Claude Code besteht aus vier Schichten, die verhindern, dass ein Agent Ihre Dateien löscht: einer Bestätigungsabfrage, einer Deny-Regel, einem PreToolUse-Hook und Arbeit, die committet und gepusht ist. ConvOps ergänzt isolierte Läufe und eine Freigabe vor dem Merge für die Läufe, die niemand beobachtet.

Eine CLAUDE.md ist zu lang, wenn sie Zeilen enthält, ohne die der Agent nichts falsch machen würde. Neomanex löst das mit einer Prüfung: jede Zeile testen, behalten, was einen Fehler verhindert, und den Rest auf eine Doku-Seite, in einen Skill, eine Ordnerregel, einen ConvOps-Workflow oder einen Hook verschieben, für CLAUDE.md und AGENTS.md gleichermaßen.

Ein Unternehmen mit KI-Agenten zu führen heißt: Jeder Job läuft in einem schriftlichen Workflow, nicht in einem Chat. Sein erster Schritt ruft ab, was vorher entschieden wurde, eine Person gibt dort frei, wo es darauf ankommt, und der Job behält, was sich zu merken lohnt. Wir arbeiten mit ConvOps, wo unsere Tasks, Workflows und Erinnerungen liegen.

Ein KI-Agent für die selbstheilende Website ist ein geplanter Loop, der eine Website so liest, wie sie beim Leser ankommt, jeden Fehler als Bug anlegt und einen Agenten in einer isolierten Umgebung reparieren lässt, was er umschreiben und erneut prüfen kann. Der Rest wartet auf eine Person. ConvOps steuert den wöchentlichen Prüflauf, den Bug-Pool und die Reparatur pro Bug.

Der Loop für SEO-Experimente ist ein Agent-Loop, der jede SEO-Korrektur in ein vorregistriertes Experiment mit einer zufällig gezogenen Kontrollgruppe verwandelt. ConvOps plant jeden Lauf, Claude Code nimmt die Änderung vor, ein Mensch mergt sie, und ein Skript bewertet sie an Tag 15 und Tag 31 im Vergleich zu unveränderten Seiten.

Graph Engineering bedeutet, ein KI-Agentensystem als Graph zu entwerfen: Knoten erledigen die Arbeit, Kanten entscheiden, was als Nächstes läuft, und der Zustand wandert zwischen ihnen. Unsere Sicht: Der Graph ersetzt die Anweisungsdatei, sodass eine CLAUDE.md auf 8 Zeilen schrumpfen kann, während Ablauf und Regeln in Workflows und Standards liegen.