The Gauntlet Loop: Prompting-Methode für autonome Agenten hinter Claude of Duty

LinkMatt ShumerAnleitung

Matt Shumer beschreibt die Methode 'Gauntlet Loop', mit der Claude Opus 5 über Claude Code aus einem einzelnen Prompt ein funktionierendes 3D-Spiel mit rund 55.000 Zeilen Code generierte. Der Ansatz teilt Aufgaben auf Subagenten auf und setzt getrennte Builder- und Kritiker-Agenten ein, die Ergebnisse iterativ gegen eine konkrete Qualitätsreferenz abgleichen.

Das Wichtigste

  1. Erfordert eine agentische Umgebung wie Claude Code oder Codex, die Werkzeuge bedienen, Dateien editieren und Subagenten starten kann.
  2. Dem Leit-Agenten wird nur das Ziel und ein konkreter Vergleichsmaßstab vorgegeben, nicht die detaillierte Architektur oder Implementierung.
  3. Die Qualitätslatte muss greifbar und prüfbar sein (z. B. Screenshots von Referenzspielen, UI-Designs oder Test-Suites), nicht vage Aufforderungen wie 'mach es besser'.
  4. Strikte Trennung von Erstellung und Bewertung: Builder-Agenten dürfen sich nicht selbst benoten; unabhängige Kritiker-Agenten bewerten die realen Zwischenergebnisse ohne Vorwissen im Blindvergleich.
  5. Der Leit-Agent zerlegt das Ziel in kleinteilige Einheiten, die in endlosen Schleifen iteriert werden, bis der Nutzer den Prozess manuell stoppt.
  6. Optionale Schritte umfassen eine Workbench-Statusseite zur Überwachung ohne Unterbrechung und einen Harmonisierungs-Agenten am Ende größerer Phasen.

Warum das relevant ist

Viele Versuche mit autonomen Programmier-Agenten scheitern an nachlassender Qualität oder ungenauen Qualitätskriterien. Das Gauntlet-Loop-Muster zeigt, wie man durch strikte Rollenteilung (Builder vs. Critic) und permanente Vergleiche mit externen Benchmarks komplexe Softwaresysteme ohne manuelle Mikromanagement-Schritte bauen lassen kann.

Einordnung

Shumer verlagert die Kontrollfunktion vollständig in das Prompt-Design: Statt dem Modell Architektur-Vorgaben zu machen, delegiert er die Aufteilung an den Leit-Agenten und zwingt das System durch asymmetrische Bewertungsrollen zur kontinuierlichen Selbstoptimierung. Die Methode setzt allerdings erhebliche Compute-Ressourcen voraus (wie den ultracode-Modus) und eignet sich vor allem für Artefakte, deren Qualität sich direkt messen oder visuell vergleichen lässt.

Erwähnte Links

Gefunden in

Zusammenfassung von KI erstellt (Gemini 3.8 Flash, 27. September 2026). Sie kann Fehler enthalten – maßgeblich ist die Originalquelle.

Ähnliche Einträge

Inhaltlich ähnlich, ermittelt über die KI-Suche.

  • Repository:mshumer/Claude-of-Duty

    Claude of Duty: Browser-FPS mit Three.js vollständig prozedural von KI-Agenten generiert

    Claude of Duty ist ein quelloffener First-Person-Shooter im Browser, der auf Three.js r180 und WebGL2 basiert. Das Projekt umfasst rund 55.000 Zeilen Code in elf Subsystemen und wurde von orchestrierten KI-Agenten erzeugt. Eine Besonderheit: Das Spiel nutzt keinerlei externe Grafik- oder Sound-Assets; Texturen, Geometrien, Animationen und Töne werden zur Laufzeit rein prozedural per Code berechnet.

    3366SterneJavaScript

    KI & AI· Demo

  • Link:IndyDevDan

    Tactical Agentic Coding: Weiterentwicklung vom Prompting zum Agentic Engineering

    Mit dem Kursangebot Tactical Agentic Coding (TAC) propagiert der Entwickler IndyDevDan den Übergang vom interaktiven KI-Coding hin zu vollautonomen Agenten-Pipelines. Statt kontinuierlich im Prompting-Kreislauf („In the Loop“) zu verweilen, sollen Software-Entwickler lernen, deterministischen Code mit nicht-deterministischen KI-Agenten wie Claude Code zu kombinieren, um autonome Entwicklungsabläufe („Out of the Loop“) zu etablieren.

    KI & AI· Sammlung

  • Repository:chaseai-yt/claudex-loop

    claudex-loop: Gegenseitige Planprüfung mit Claude Code und OpenAI Codex

    claudex-loop ist ein Skill und Plugin für Claude Code zur Härtung von Entwicklungsplänen vor der eigentlichen Umsetzung. Zwei konkurrierende KI-Modelle prüfen und hinterfragen Entwürfe wechselseitig, um Architekturfehler und Datenrisiken vor dem Schreiben von Code zu eliminieren.

    1622Sterne

    KI & AI· Tool

  • Repository:coleam00/skills

    Cole's AI Skills: Modulare Fähigkeiten für Coding-Agenten

    Das GitHub-Repository 'coleam00/skills' liefert eine Sammlung von 33 strukturierten Skills für KI-Coding-Agenten wie Claude Code. Anstelle einer riesigen Instruktionsdatei (wie einer unübersichtlichen CLAUDE.md) definiert jeder Skill in Markdown eine konkrete Aufgabe und wird erst bei Bedarf in den Prompt geladen. Das System basiert auf einem standardisierten Ablauf von Vorbereitung über Planung und Implementierung bis hin zur Validierung und Code-Review.

    482SternePython

    KI & AI· Tool

  • Repository:achimala/dream-loop

    dream-loop: Agent-Skill für 3D-Szenen mit iterativer Bildkritik

    dream-loop ist ein Open-Source-Agent-Skill von Anshu Sharma (@anshuc), der visuelle 3D-Szenen, Spiele oder Web-Apps über eine geschlossene Feedback-Schleife generiert. Ein Bildmodell erzeugt zunächst eine Zielgrafik, während ein separater AI-Kritiker das laufende Ergebnis visuell mit der Vorgabe abgleicht und Korrekturen anstößt.

    1532SterneJavaScript

    KI & AI· Tool

Zurück zur Wissensbasis

Lassen Sie uns über Ihr Projekt sprechen

Kontakt aufnehmen

Standorte

  • Mattersburg
    Johann Nepomuk Bergerstraße 7/2/14
    7210 Mattersburg, Austria
  • Wien
    Ungargasse 64-66/3/404
    1030 Wien, Austria

Dieser Inhalt wurde teilweise mithilfe von KI erstellt.