harness-template: Vorlage für eine Multi-Agenten-Entwicklungsumgebung mit ausführbaren Abnahmeprüfungen

Abstract

Vorlage für die Softwareentwicklung mit Sprachmodell-Agenten, bei der die Rolle, die Code schreibt, ihn nicht selbst abnimmt. Ein Bash-Orchestrator führt jeden Meilenstein durch feste Phasen mit getrennten Rollen: Ein Builder plant und programmiert, ein Reviewer schreibt vor der Umsetzung ausführbare Abnahmetests und prüft Plan und Code, eine optionale QA-Rolle sucht reproduzierbare Gegenbeispiele. Es sind Rollen, nicht zwingend verschiedene Modelle; welches Modell welche Rolle ausführt, legt der Betreiber in der Konfiguration fest. Nach jedem Modellaufruf prüft der Orchestrator per Git, dass die Rolle nur in ihrem Bereich geschrieben hat, und verwirft Verstöße. Abgeschlossen wird ein Meilenstein nur, wenn die vom Betreiber gewählten ausführbaren Prüfungen (Gate-Skripte, etwa Tests, Lint oder Mutationstests) bestehen und der Reviewer zustimmt; ein Modellurteil allein genügt nie. Die Spezifikation ändert nur der Mensch; was eine Schiedsrichter-Sitzung nicht auflösen kann, wird geparkt und als Eskalation an den Menschen übergeben. Selbsttests mit Modellattrappen prüfen die Ablauflogik ohne Modellaufrufe. Prototyp; mit agentengestützter Codeerzeugung entstanden, Dokumentation auf Deutsch. A template for developing software with language-model agents in which the role that writes the code never accepts it. A Bash orchestrator drives each milestone through fixed phases with separate roles: a builder plans and implements, a reviewer writes executable acceptance tests before implementation and reviews the plan and the code, and an optional QA role searches for reproducible counterexamples. These are roles, not necessarily different models; the operator decides in the configuration which model runs which role. After every model call, the orchestrator uses Git to check that the role wrote only within its own territory and discards violations. A milestone is completed only when the executable checks selected by the operator (gate scripts such as tests, linting or mutation testing) pass and the reviewer approves; a model verdict alone is never sufficient. Only the human operator changes the specification; disputes that an arbiter session cannot resolve are parked and handed to the human as an escalation. Self-tests with stub models exercise the orchestration logic without any model calls. Prototype, developed with agent-assisted code generation; documentation in German.