00:00:00Stellen Sie sich vor, Claude Code wäre nicht nur ein Assistent, sondern ein ganzes Team von 20, 30 oder gar 50 Agenten,
00:00:06die parallel arbeiten und Features liefern, während Sie einfach zusehen.
00:00:09Das ist Gastown.
00:00:11Es ist kein Chat mit einer KI, es ist eine Fabrik.
00:00:14Es zerlegt Features, weist parallele Arbeiter zu, führt Code automatisch zusammen, speichert alles
00:00:20in Git und läuft sogar nach einem Absturz einfach weiter.
00:00:23Das könnte Ihren Output verzehnfachen oder alles im Chaos enden lassen.
00:00:27Schauen wir uns das Setup an und wie das Ganze eigentlich funktioniert.
00:00:35Gastown ist ein Open-Source-Orchestrator, der KI-Coding-Agenten in etwas verwandelt,
00:00:39das fast wie Kubernetes für Entwickler-Workflows ist.
00:00:43Zuerst einmal: Gastown ist kein KI-Modell, sondern nur ein Orchestrator.
00:00:48Es setzt auf Tools wie Claude Code auf und macht daraus koordinierte Multi-Agenten-Systeme.
00:00:53Man gibt dem sogenannten "Mayor" ein übergeordnetes Ziel vor, und der Mayor zerlegt dieses Ziel
00:00:58in strukturierte Aufgabeneinheiten, die "Beads" genannt werden.
00:01:02Beads werden dann zu sogenannten "Convoys" gruppiert, und die Worker-Agenten namens
00:01:07"Polecats" führen diese dann parallel aus.
00:01:09Das ist aus mehreren Gründen eine riesige Sache.
00:01:11Alles läuft über Git.
00:01:13Jeder Agent arbeitet auf Branches, Merges werden eingereiht, der Status wird gespeichert – wenn es also abstürzt, muss man
00:01:20nicht wieder ganz von vorne anfangen.
00:01:21Vergleichen wir das mal mit normalem "Vibe Coding", also KI-Programmierung im Allgemeinen.
00:01:26Da haben wir eine Sitzung, lineare Ausführung, Context Drift, manuelle Orchestrierung... es ist ein ziemliches Durcheinander.
00:01:32Gastown ist im Grunde horizontale Skalierung für Kognition, und das ist ein echter Meilenstein.
00:01:37Aber die Preisfrage ist: Funktioniert das auch wirklich?
00:01:40Wenn Ihnen dieser Content gefällt, abonnieren Sie den Kanal.
00:01:42Wir veröffentlichen ständig neue Videos.
00:01:44Jetzt legen wir los, werfen die Kiste an und machen ein paar Tests.
00:01:47Alles klar, ich habe hier eine einfache To-Do-App am Laufen.
00:01:49Ich habe eine super simple Go-basierte App auf GitHub gefunden.
00:01:53Ich habe Go gewählt, weil Gastown selbst hauptsächlich in Go geschrieben ist, aber eigentlich macht es
00:01:58keinen Unterschied, welches Projekt man wählt; es wird ganz normal ausgeführt.
00:02:02Diese To-Do-App hat bisher keine Authentifizierung, es ist nur eine einfache CRUD-Anwendung.
00:02:06Und wer schon mal Auth in eine bestehende App eingebaut hat, kennt den Schmerz,
00:02:11dabei Dinge kaputt zu machen.
00:02:12Es ist nie nur "Login hinzufügen", sondern Datenbankänderungen, Routen, Middleware, Formulare, Tests, Docker – einfach alles.
00:02:18Beim Bauen solcher Apps ist alles mit allem verzahnt.
00:02:22Die Testfrage ist: Kann Gastown das schaffen, ohne dass ich Mikromanagement betreiben muss?
00:02:26Um ehrlich zu sein, war das Setup hier ein ziemlicher Krampf.
00:02:30Ich musste viele große Pakete über Brew installieren, alles sortieren, und es
00:02:35nach der Installation zum Laufen zu bringen, erforderte einiges an Troubleshooting und Zeit.
00:02:39Aber sobald alles synchronisiert ist, läuft es wirklich gut.
00:02:43Jetzt, wo es läuft, verbinde ich den Mayor und gebe ihm einen einzigen Prompt.
00:02:46Ich sage so etwas wie: "Füge JWT-Auth hinzu, nutze SQLite, erstelle Login- und Registrierungs-Endpunkte,
00:02:52schütze die Routen, füge HTML-Formulare hinzu, schreibe Tests und eine Docker-Datei."
00:02:58Das war's.
00:02:59Das ist aber eine ganze Menge Holz, oder?
00:03:00All diese Dinge gleichzeitig.
00:03:01Kein Schritt-für-Schritt-Prompting. Schauen wir uns mal an, was hier tatsächlich passiert.
00:03:05Der Mayor zerlegt diese Features nun automatisch.
00:03:10Das Schema, die Middleware, Auth-Endpunkte, Frontend-Formulare, Tests – all das werden separate Beads.
00:03:18Und zur Erinnerung: Ein Bead ist so etwas wie einer dieser Arbeiter.
00:03:21Und sehen Sie sich das an: All diese Polecats schwärmen jetzt aus.
00:03:25Ein Agent erstellt das SQLite-Schema, einer schreibt die JWT-Middleware, einer baut die
00:03:31Login- und Register-Routen, ein anderer aktualisiert die UI-Formulare, und dann schreibt einer Integrationstests,
00:03:37unser Docker-File... das passiert alles zur gleichen Zeit.
00:03:40Und hier liegt der große Kontrast.
00:03:42Wenn man Claude Code alleine nutzen würde, müsste man das sequenziell machen.
00:03:47Man würde prompten, warten, fixen, erneut prompten, den Kontext immer und immer wieder erklären.
00:03:52So funktionieren diese Coding-Agenten normalerweise.
00:03:55Aber hier isolieren Git-Branches die Arbeit, Merges werden gepuffert, der Status wird verfolgt.
00:04:00Anstatt dass Sie den ganzen Plan im Kopf behalten müssen, übernimmt das System das für Sie.
00:04:05Und falls es mittendrin abstürzt, ist das gar kein Problem.
00:04:09Man macht später einfach automatisch beim gespeicherten Status weiter.
00:04:13Jetzt kommt der Moment der Wahrheit.
00:04:14Ich habe das in ein Repo geforkt und will mir nun alle Änderungen ansehen, die es
00:04:19direkt hier in meinem GitHub vorgenommen und hinzugefügt hat.
00:04:22Wir sehen den alten Code, aber alles andere hier wurde bearbeitet.
00:04:25Registrierung, Login, Token-Ausgabe, geschützte Routen funktionieren, Tests bestehen – das ganze Paket.
00:04:32Das alles wurde durch Gastown hinzugefügt.
00:04:35Das gesamte Feature wurde in nur wenigen Minuten zerlegt und implementiert.
00:04:39Und genau das ist der Punkt.
00:04:40Der Unterschied liegt nicht nur in der Geschwindigkeit, sondern in der kognitiven Entlastung.
00:04:44Wir managen nicht mehr jeden kleinen KI-Schritt einzeln, aber das heißt nicht,
00:04:49dass es automatisch ein Gewinn ist.
00:04:50Denn der Betrieb kann eine andere Geschichte sein.
00:04:52Ich lasse das mal kurz laufen.
00:04:53Schauen wir uns mal an, was wir hier haben und womit wir arbeiten.
00:04:56Im Großen und Ganzen sieht es so aus.
00:04:58Nicht übel, eine super simple App.
00:05:00Man sieht, dass ich mich einloggen und einen Account erstellen kann.
00:05:03Die To-Do-Liste funktioniert noch, daran wurde nichts verändert.
00:05:06Es hat unsere Routen, die Docker-Dateien und das ganze Extra-Zeug mit JWT-Authentifizierung hinzugefügt.
00:05:11Es hat also wirklich gute Arbeit geleistet.
00:05:12Bei einer größeren App würde ich das gerne mal im Einsatz sehen, aber das hier hat schon ordentlich
00:05:16an meinen Token-Reserven gezehrt.
00:05:18Wo wir gerade dabei sind: Reden wir über die Kompromisse.
00:05:21Vor- und Nachteile, okay?
00:05:23Zuerst die Vorteile: Skalierbarkeit.
00:05:25Das war echt cool.
00:05:27Man kann 20 bis 30 Agenten gleichzeitig arbeiten lassen.
00:05:30Das bedeutet massiven Output bei großen Features, bei denen eine einzelne Person normalerweise in Aufgaben
00:05:35und Abhängigkeiten versinken würde.
00:05:37Zweitens ist die Git-Persistenz ein weiteres cooles Feature.
00:05:40Keine fragilen KI-Sitzungen mehr, bei denen alles weg ist, wenn etwas abstürzt,
00:05:45sodass wir wieder neu ansetzen müssen.
00:05:46Stimmt's?
00:05:47Das sind wirklich, wirklich feine Sachen.
00:05:48Aber jetzt zu den Nachteilen, denn hier erleben manche eine Überraschung.
00:05:50Ich war über einige Dinge auch erstaunt, aber sie ergeben Sinn.
00:05:54Ermüdung durch Aufsichtspflicht. Das System produziert zwar Unmengen, aber Sie müssen
00:06:00jetzt auch Unmengen prüfen.
00:06:01Es kann super produktiv sein, aber auch extrem auslaugend.
00:06:04Dann sind da die Kosten.
00:06:06Starke Nutzung kann schnell teuer werden.
00:06:07Wir lassen nicht nur einen Agenten laufen.
00:06:09Wir lassen all diese Agenten parallel laufen.
00:06:11Die Rechnung können Sie selbst machen.
00:06:13Agenten können immer noch in Konflikt geraten.
00:06:14Sie können Dinge "over-engineeren".
00:06:15Sie können Ihr Repo komplett zerlegen, weil sie volle Handlungsfreiheit über alles haben.
00:06:19Es ist kein reines "Plug and Play", was uns zur eigentlichen Frage führt.
00:06:23Möchte man wirklich so arbeiten und so etwas in den Workflow integrieren,
00:06:27oder ist das fast schon zu viel des Guten?
00:06:29Ja, man kann auch andere Provider wählen, die Wahl liegt bei Ihnen, Claude, OpenAI, okay.
00:06:34Das ist noch ein Tool in einem frühen Stadium, aber es deutet auf etwas viel Größeres hin,
00:06:38denn die Richtung ist klar: Es geht nicht mehr nur darum, dass die KI beim Coden hilft.
00:06:43Sondern die KI verändert den gesamten Workflow durch all diese parallel laufenden Agenten.
00:06:47Gastown steht für diesen Wandel vom KI-Assistenten hin zu vielen Agenten, die zusammenarbeiten.
00:06:54Das verändert unsere Hebelwirkung, weil man jetzt Backend, Frontend, Tests, Doku
00:07:00und Infrastruktur gleichzeitig orchestrieren kann.
00:07:03Das könnte Sie dramatisch produktiver machen oder neu definieren, was Softwareentwicklung überhaupt bedeutet.
00:07:09Die Frage ist nicht, ob Multi-Agenten-Systeme kommen.
00:07:12Sie sind schon da.
00:07:13Das hier ist ein Beispiel dafür.
00:07:14Die Frage ist nur: Werden Sie jetzt damit experimentieren oder erst später?
00:07:19Denn wer weiß?
00:07:20Sie kommen definitiv.
00:07:21Abonnieren Sie für mehr Tools und Tipps zu den Werkzeugen, die Dev-Workflows revolutionieren.
00:07:25Wir sehen uns im nächsten Video.