Vergiss Codex vs. Claude Code, Goal Buddy löst endlich beide Probleme
AAI LABS
컴퓨터/소프트웨어창업/스타트업AI/미래기술
Transcript
00:00:00Das ist Gary die Schnecke, und er hat eine Marktlücke erkannt, um eine Dating-Plattform für Schnecken zu bauen
00:00:04aber da er extrem langsam ist, möchte er, dass Claude Code seine langwierigen Aufgaben autonom erledigt
00:00:09Glücklicherweise sind Agenten mittlerweile sehr gut bei langwierigen Aufgaben. Claude Code hat einen
00:00:13Goal-Befehl, der den Agenten einfach so lange laufen lässt, bis die Aufgabe erledigt ist, aber während unseres
00:00:18Tests haben wir viele Probleme mit dem Goal-Befehl festgestellt. Da Gary kürzlich eine
00:00:22Scheidung durchgemacht hat und wir wollen, dass er glücklich ist, haben wir dieses Open-Source-Tool gefunden, das das Problem tatsächlich löst
00:00:28und es funktioniert nicht nur mit Claude Code, sondern auch mit Codex, und verbreitet Liebe, genau wie deine Mutter, die ich
00:00:32mir sicher bin, liebt dich genauso sehr wie dein angestelltes Geschwisterkind. Claude Code hatte zuvor einen Befehl namens
00:00:38Goal veröffentlicht, der den Agenten so lange arbeiten lässt, bis eine bestimmte Bedingung erfüllt ist. Wir haben diesen auf unserem
00:00:42Kanal nicht behandelt, aber du kennst ihn wahrscheinlich schon. Davor gab es ein Plugin namens Ralph Wiggum,
00:00:47das viel Aufmerksamkeit erregte und im Grunde das Gleiche tat; es benutzte Hooks, um den Prompt
00:00:52zurück an Claude Code zu geben, bis die Bedingung tatsächlich erfüllt war. Aber die Sache ist, diese Bedingungen müssen ein
00:00:57exakter Treffer sein, weil die Ralph-Schleife ein Shell-Skript verwendet, um die Bedingung buchstäblich zu prüfen, wie
00:01:02der Sicherheitsbeamte am Flughafen, der dich nicht durchlässt, weil dein männliches Körperspray über dem Gepäck-
00:01:06limit liegt. Der Goal-Befehl funktioniert anders: Er nimmt die Bedingung und die bisherige Konversation und gibt sie
00:01:11an ein kleines Modell, nämlich Haiku, und dieses Modell evaluiert intelligent, ob die Aufgabe erledigt ist oder nicht.
00:01:17Es gibt eine Ja-oder-Nein-Entscheidung zurück, und ein Nein sagt Claude, weiter an derselben Aufgabe zu arbeiten, wie wenn dein Chef
00:01:22dir sagt, du sollst die Benutzererfahrung verbessern, weil er einfach einen Button auf der Seite nicht finden kann. Das macht also
00:01:27die Bewertung subjektiv, und für Dinge, die wir nicht selbst quantifizieren können, ist das eine echte Verbesserung.
00:01:32Der Goal-Befehl funktioniert für viele Aufgaben gut, hat aber immer noch viele Probleme. Das erste Problem ist, dass
00:01:37er keine Wissensdatenbank oder kein Dateisystem verwendet, das den Fortschritt der Aufgabe verfolgt, und da er das
00:01:42nicht tut, wird die einzige Quelle der Wahrheit für den Agenten der Chat-Kontext. Das könnte dich
00:01:47triggern, da es dein Vater war, der das Krypto-Vermögen auf einen Zettel schrieb, der vom Kühlschrank fiel, zurück im
00:01:52Jahr 2017. Sobald die Sitzung aus irgendeinem Grund endet und das Ziel nicht erreicht wurde, kannst du es zwar mit
00:01:58dem Claude-Resume-Befehl fortsetzen; das Ziel geht nicht verloren, aber der einzige Weg, wie er weiß, wo er aufgehört hat, ist der
00:02:03Chat-Kontext, und da dieser Befehl für langwierige Aufgaben gedacht ist, nicht für einfache, können Dinge dazwischen
00:02:08durcheinandergeraten. Und natürlich, wenn der Goal-Befehl stundenlang läuft, wird Kontext-Überlastung und das Erreichen der Kompaktierung
00:02:13irgendwann garantiert ein echtes Problem. Nach der Kompaktierung verschlechtert sich der Output des Agenten;
00:02:18er fängt an, sich wie meine Oma zu verhalten, die wegen ihrer Demenz anfängt, den Namen
00:02:22dieses Kanals zu vergessen. Ich brauche euch Leute, die das letzte Video für sie ansehen. Ein weiteres Problem ist, dass er Aufgaben
00:02:27nicht in kleinere unterteilt. Stattdessen nutzt er einfach den Hauptagenten und führt die Aufgabenzerlegung
00:02:32von alleine durch, so wie Claude Code es normalerweise tut, also gibt es keinen strukturierten Plan und der Agent könnte den Überblick verlieren,
00:02:37was noch zu tun ist. Und obwohl dies in einigen Fällen gut funktionieren mag, ist eine unklare
00:02:42Definition davon, wie “erledigt” aussieht, für Agenten nie das Richtige. Das Goal verlässt sich vollständig auf
00:02:47das Modell, um den Abschluss zu bewerten, daher ist es in einigen Fällen möglicherweise nicht so effektiv. Es ist besser als
00:02:52Ralph Wiggum, das durch die Verwendung von Skripten komplett strikt ist, aber zumindest sollte es eine Metrik geben,
00:02:56die dem Agenten sagt, wie “erledigt” aussehen könnte, genau wie dein Hochzeitsfotograf, der immer sagte
00:03:01“noch ein Foto”, bis das ganze Ereignis vorbei war. Hier versagt also das Goal, und diese Dinge
00:03:05sehen vielleicht nicht nach viel aus, aber in wirklich schweren Arbeitsabläufen können sie einige ernsthafte Probleme verursachen.
00:03:10Nun, Goal Buddy ist ein Tool, das mit einem Zweck entwickelt wurde: den Goal-Befehl tatsächlich so funktionieren zu lassen,
00:03:16wie er sollte. Es löst alle Probleme, über die wir gerade gesprochen haben, aber es bekommt nicht wirklich so viel
00:03:20Aufmerksamkeit, wie es sollte, angesichts dessen, wie nützlich es ist. Es ist wie das heiße Babysitter-Mädchen, nur dass sie nicht
00:03:25mit dir flirtet, sondern einfach auf deine langwierigen Aufgaben aufpasst. “Goal” bewahrt den Arbeitsstatus nicht
00:03:30lokal, also behebt dieses Tool das und zwingt “Goal”, den lokalen Status zu lesen und zu aktualisieren, anstatt sich auf
00:03:36den Chatverlauf zu verlassen. Außerdem endet es mit einem Beweis, damit der Agent tatsächlich weiß, wie “erledigt” aussieht, bevor
00:03:42er anfängt. Um den Fortschritt zu verfolgen, enthält es auch ein ganzes Dashboard, auf dem du zusehen kannst,
00:03:46wie dein Agent arbeitet, während er arbeitet. Um das alles zu bewältigen, basiert es auf drei Agenten, nämlich dem
00:03:51Scout, dem Worker und dem Judge; im Grunde ein Y-Combinator-Startup-Team, bei dem einer die ganze Arbeit macht, einer
00:03:56ihm dabei zuschaut und einer beide auf Twitter beurteilt. Die Installation ist ziemlich unkompliziert: einfach
00:04:01den Installationsbefehl kopieren und in deinen Projektordner einfügen. Es wird als Plugin installiert,
00:04:06verfügbar für sowohl Claude Code als auch Codex. Sobald du eine neue Sitzung startest, kannst du den Befehl
00:04:10sehen, der zur Verfügung steht. Diese drei Agenten haben also jeweils eine streng definierte Rolle und Zugriffsebene. Da dieses
00:04:16Tool auch für Codex gebaut ist, sind die Agenten in TOML definiert anstatt in dem standardmäßigen Markdown. Der
00:04:21erste Agent ist der “Judge”, der nur Lesezugriff hat. Er analysiert skeptisch schwierige Entscheidungen wie riskanten
00:04:26Scope, widersprüchliche Quellen und andere Muster, um sicherzustellen, dass die Aufgabe sicher abgeschlossen wird. Seine
00:04:31Anweisungen verbieten das Bearbeiten, weil er nur für das Treffen von Urteilen existiert, sonst nichts. Und da seine
00:04:36Aufgabe hochkritisch ist, ist die Überlegung dieses Agenten auf das Höchste eingestellt, damit Entscheidungen ordnungsgemäß getroffen werden.
00:04:42Es ist genau wie wenn du vier Stunden lang mitten in der Nacht diesen einen Text an deinen Schwarm geschrieben hast.
00:04:47Nachdem er fertig ist, gibt er eine JSON-Struktur mit den genehmigten und
00:04:52abgelehnten Entscheidungen zusammen mit der Begründung zurück. Der Scout ist ein weiterer schreibgeschützter Agent, der eine aktive Aufgabe
00:04:57abbildet und eine kompakte Nachweisquittung dafür erstellt. Da seine Aufgabe nur darin besteht, den Status der Aufgabe zu überprüfen,
00:05:02wird sein Denkaufwand niedrig gehalten, genau wie beim Türsteher deines Lieblings-Stripclubs: es interessiert ihn eigentlich
00:05:07nicht so sehr. Und dann gibt es den “Worker”-Agenten, den einzigen mit Bearbeitungszugriff. Er erledigt die eigentliche Arbeit und
00:05:12ihm ist es nur erlaubt, eine Aufgabe nach der anderen auszuführen. Es gibt auch die PM-Rolle, das ist der Hauptthread, der
00:05:17den Workflow koordiniert. Er verhält sich wie ein tatsächlicher Projektmanager, der die minimal nötige Arbeit leistet.
00:05:22Es ist die einzige Instanz, die die Aufgabe tatsächlich als “erledigt” markieren kann. Der Kern-Workflow beginnt damit, die
00:05:27Absicht der Aufgabe in klaren Worten auszudrücken, nicht vage, wie wir Homo Sapiens es normalerweise tun, sondern auf eine Art,
00:05:33die der Agent richtig verstehen kann. Dann wird das “Orakel” definiert. Das Orakel ist im Grunde ein beobachtbares
00:05:38Signal, das das Ergebnis identifiziert. Es ist das, woran das System iteriert, um zu sehen, ob die Aufgabe
00:05:43als “erledigt” markiert werden kann oder nicht. Es könnte alles sein: eine Test-Suite, ein Browser-Rundgang, irgendwelche Artefakt-Benchmarks oder der Code,
00:05:49der meine Mikrowelle in eine Zeitmaschine verwandelt, denn warum nicht? KI-Agenten machen mittlerweile alles.
00:05:54Dann ist der nächste Schritt: “Surface”. Er unterteilt die Aufgabe in umsetzbare Schritte, erstellt das Dashboard und bildet
00:06:00die Aufgaben in einem visuellen Format ab. Das letzte Stück ist der PM; er ist in diesem Fall der Manager und lässt das “Goal” laufen,
00:06:06bis das abschließende Audit das “Goal” als erfüllt markiert. Um Goal Buddy zu verwenden, führst du einfach den “Goal Prep”-Befehl aus.
00:06:11Dies ist der Befehl, der den Workflow initialisiert, und du definierst das Ziel, das du erreichen möchtest. Er
00:06:16stellt zunächst sicher, dass die Agenten installiert und einsatzbereit sind. Er leitet dann den Workflow ein, aber im Gegensatz
00:06:21zum nativen Goal-Befehl ist er extrem selbstbewusst und beseitigt zuerst seine eigenen Unklarheiten, indem er dir
00:06:27Fragen stellt, sodass du die Implementierung klar definieren kannst. Und genau wie deine misstrauische Ehefrau
00:06:32wird er so lange Fragen stellen, bis er den ersten Schritt verstanden hat. Er konzentriert sich darauf, die Goal-Dateien zu erstellen. Er platziert
00:06:38die ursprüngliche Anfrage zusammen mit unseren Antworten und bildet sie dann auf das richtige Ziel in für Agenten
00:06:43verständlicher Sprache ab. Er enthält eine Zusammenfassung aller Informationen und definiert dann das Orakel,
00:06:48was der wichtigste Teil ist. Das Orakel für diese Aufgabe ist direkt: Alle Tests müssen bestehen, mit
00:06:53ordnungsgemäßem Verhalten. Diese Art von Ziel ist spezifisch, weil es programmgesteuert
00:06:57ausgewertet werden kann, im Gegensatz zu deiner Ausrede von gestern Abend, die deine Frau dir absolut nicht abkauft. Goal Buddy unterteilt den ganzen Workflow
00:07:03in kleine, machbare Aufgaben. Diese werden “Slices” genannt, aber anders als in der echten Welt spielt die Größe hier keine Rolle,
00:07:08denn ein kleines “Slice” bedeutet nicht eine kleine Aufgabe; es bedeutet etwas, das sicher ist, leicht verifiziert werden kann
00:07:14und individuell ausgeführt werden kann. Er definiert explizit die sichere “Slice”-Größe im Dokument. Er erstellt
00:07:19die state.yaml, die das Projekt und die Aufgaben verfolgt und definiert, wie die PM-Schleife aussehen würde. Die state.yaml besteht aus
00:07:26allen Zielen und Regeln mit allen Aufgaben, unterteilt nach ihren IDs und dem zugewiesenen Agenten. Er enthält
00:07:31ein Feld zur Verfolgung der aktiven Aufgabe. Er erwähnt auch das verknüpfte Dashboard. Er listet alle “To-Do”-
00:07:36Aufgaben und die laufenden Aufgaben auf. In unserem Fall ist der “Scout”-Agent gerade aktiv und bildet alle
00:07:42Dateien und Endpunkte ab. Um die Schleife zu starten, kopierst du einfach diesen Befehl und führst ihn aus. Er weist Claude an,
00:07:47das Ziel festzulegen, alles in der goal.md-Datei zu erledigen. Von dort aus wird er die erste aktive
00:07:52Aufgabe wie ein König aufgreifen und dann seine untergeordneten Agenten rufen, um sie auszuführen. Sobald der Scout abgeschlossen hat,
00:07:58die Arbeit, aktualisiert er die Fortschrittsdatei mit all seinen Erkenntnissen und dokumentiert sie in einem separaten Verzeichnis.
00:08:03Er aktualisiert auch das Board von “aktiv” auf “erledigt”. Dann greift die Schleife die nächste Aufgabe auf, markiert sie als
00:08:08aktiv und startet den “Judge”-Agenten. Der Judge überprüft kritisch die Ergebnisse und sequenziert den Bericht
00:08:13in die wenigstmöglichen vertikalen “Slices”, was die Aufgabenzerlegung für den “Worker” ist, um sie
00:08:18unabhängig auszuführen. Er aktualisiert dann den “Slice”-Zähler und aktualisiert die Statusdatei entsprechend. Jede Aufgabe
00:08:22Jede Aufgabe listet explizit die erlaubten Dateien auf, wie sie zu prüfen sind und wann Schluss ist; so wird jeder Teilabschnitt definiert.
00:08:28damit Agenten eine klare erwartete Ausgabe, Prüfungen und alle notwendigen Details haben, dann eins nach dem anderen
00:08:33er den “Worker”-Agenten und beginnt mit dem ersten “Slice”. Der Fortschritt jedes Agenten kann auf dem Dashboard verfolgt werden.
00:08:39Du wirst wissen, was jede Aufgabe gerade tut, welcher Agent aktiv ist, welche Aufgaben in der Warteschlange stehen und
00:08:44welche abgeschlossen sind, sodass du Dinge nicht selbst überwachen musst und tatsächlich deinen Kindern
00:08:48die Zeit geben kannst, die sie brauchen. Sobald alle Aufgaben abgeschlossen sind, führt er das letzte Audit als PM durch,
00:08:53um sicherzustellen, dass alle Tests ordnungsgemäß durchgeführt wurden. Sobald das Audit abgeschlossen ist, markiert er die “Judge”-Aufgabe
00:08:58des letzten Audits als erledigt und markiert dann das “Goal” als abgeschlossen. Danach musst du mit dem Beten anfangen
00:09:03und hoffen, dass diese Agenten nicht halluziniert haben. Insgesamt funktionierte dies angesichts der
00:09:09Komplexität und des Umfangs der App, die wir ihm gegeben haben, ziemlich gut, aber wir denken, eine effektivere Parallelisierung könnte
00:09:13hinzugefügt werden, weil er alles nacheinander erledigte. Er hat eine Aufgabe nach der anderen behandelt und nicht von
00:09:18Claude Codes Parallelisierungsfunktionen Gebrauch gemacht. Dario wäre tatsächlich enttäuscht gewesen, das zu sehen,
00:09:23aber angesichts dessen, wie gut er den Workflow geplant hat, funktionierte es ziemlich gut. Auch, wenn dir unsere Inhalte gefallen,
00:09:28überlege dir, den “Hype”-Button zu drücken, weil es uns hilft, mehr Inhalte wie diesen zu erstellen und mehr Menschen zu erreichen.
00:09:33Wir wollten “Goal Buddy” auch an etwas Allgemeinerem testen, wie dem Design einer UI, um zu sehen, wie es
00:09:38Aufgaben handhabt, die nicht programmgesteuert evaluiert werden können. Der vorherige Test war ein spezifischer Workflow mit
00:09:44klaren Bestehen- und Nicht-Bestehen-Kriterien, aber genau wie bei dir, wenn du einen frischen Haarschnitt vom Friseur bekommst, haben einige Aufgaben
00:09:49einfach keine. Also gaben wir zuerst dem üblichen Goal-Befehl einen vagen Prompt. Er initialisierte die Goal-
00:09:54Aufgaben, konsultierte den Berater und gab in kürzester Zeit eine Website aus. Da er faul war, erstellte er nur eine einfache HTML-Seite
00:10:00und entschied sich für kein Framework, aber die Landingpage sah nicht schlecht aus. Also gaben wir denselben Prompt an
00:10:05Goal Buddy ebenfalls. Sobald er startete, folgte er dem gleichen Workflow und gab eine ähnliche Befragungssitzung,
00:10:10um die Absicht mit uns zu klären. Hier fragte Goal Buddy tatsächlich auch nach dem Tech-Stack. Normalerweise
00:10:14würde ich das “Küssen” nennen, aber da ich meinen KI-Agenten ernst nehme, nenne ich es “gründlich sein”. Ähnlich
00:10:20erstellte er das Board und die goal.md-Datei und übersetzte unsere ursprüngliche Anfrage in ein richtiges Ziel. Er hat auch
00:10:26das Orakel richtig identifiziert, aber das Orakel in der vorherigen Aufgabe war einfach; es musste nur alle
00:10:31Tests bestehen. Dieses hatte andere Ziele: Es definierte die Aufgabe als “komplett”, wenn der Dev-Server oben wäre und
00:10:36läuft und Browser-Rundgänge bestätigen, dass alle Abschnitte wie definiert funktionieren. So verwandelte er eine
00:10:41nicht-quantifizierbare Aufgabe in etwas Quantifizierbares. Er erstellte auch die state.yaml erneut mit den Orakel-
00:10:47Regeln, Agenten und allen aufgelisteten Aufgaben und fing dann an, auf die gleiche Weise zu arbeiten. Er brauchte eine längere
00:10:52Zeit als der normale Goal-Befehl, aber er implementierte die App ordnungsgemäß. Das wird kein
00:10:57Problem für Gary die Schnecke sein, aber du solltest in der Zwischenzeit ein paar Liegestütze machen; ich kann sehen, dass du dick geworden bist.
00:11:02Vergleichsweise schnitt die ganze Website deutlich besser ab als das, was der einfache Goal-Befehl erstellte.
00:11:07Wenn du wirklich ein KI-B2B-SaaS-Gründer sein willst, der gerne baut, anstatt nur Tutorials zu schauen,
00:11:12dann solltest du ein “AI Labs Pro” sein. Du bekommst dort tatsächlich gleichgesinnte Nerds wie unser Team mit
00:11:17Ressourcen aus den Videos und vielen anderen Goodies. Der Link wird in der Beschreibung sein und
00:11:22du kannst das auschecken. Das bringt uns zum Ende dieses Videos. Wenn du den Kanal unterstützen
00:11:27und uns helfen möchtest, weiterhin Videos wie dieses zu erstellen, kannst du das mit dem “Super Thanks”-Button unten tun. Wie immer,
00:11:32danke fürs Zuschauen und ich sehe dich im nächsten.
Community Posts
No posts yet. Be the first to write about this video!
Write about this video