Coding-Agenten, die lernen
aus deinen Korrekturen
„Lass die Tests laufen, bevor du committest.“ „Fass die Lockfile nicht an.“ Du hast es zehnmal geschrieben, fünf Agenten, auf drei CLIs. Und morgen muss eine neue Sitzung es wieder hören.
Learning Loop liest, was du den Agenten eines Projekts geschrieben hast, findet die Korrekturen, die du immer wiederholst, und schlägt sie als kurze Regeln vor. Du nimmst jede an, bearbeitest sie oder lehnst sie ab. Angenommene Regeln kommen ins Projektgedächtnis, und jeder Agent befolgt sie ab dann, auf Claude Code, Codex und jedem anderen Agenten-CLI.
Deine Korrekturen
- Nein, erst die Tests laufen lassen
- Ich sagte doch: nicht die Lockfile
Vorgeschlagene Regel
Vor jedem Commit die Testsuite ausführen
AnnehmenJeder Agent befolgt sie
Coding-Agenten beginnen jede Sitzung bei null. Was du gestern korrigiert hast, weiß der Agent von heute nicht, und der Agent daneben auf einem anderen CLI wusste es nie. Also korrigierst du wieder, und dieselbe Korrektur kehrt Woche für Woche zurück.
Die Regel selbst in eine CLAUDE.md- oder AGENTS.md-Datei zu schreiben, funktioniert, aber niemand unterbricht dafür mitten in einer Aufgabe seine Arbeit, und jedes CLI liest seine eigene Datei. Die Korrekturen bleiben in alten Unterhaltungen verstreut, wo kein Agent sie je lesen wird.
Learning Loop schreibt für dich. Es wertet deine eigenen Prompts aus, bemerkt, was du immer wiederholst, und legt dir eine kurze Liste von Regeln zur Freigabe vor. Die Entscheidung bleibt bei dir: Nichts erreicht deine Agenten, bevor du es annimmst.
Was Learning Loop macht
Jede Korrektur, die du einmal machst, kann zu einer Regel werden, die deine Agenten nie vergessen.
Wertet deine eigenen Korrekturen aus
Gelesen wird nur, was du den Agenten geschrieben hast, nicht ihre Antworten. Die Auswertung findet die Korrekturen, die wiederkehren, und schlägt bis zu 10 Regeln vor, jede mit ihrer Kategorie (Konvention, Stolperfalle, Vorliebe, Ablauf) und der Anzahl, wie oft du sie gemacht hast.
Deine Worte als Beleg
Jede vorgeschlagene Regel zeigt die Sätze, die du tatsächlich geschrieben hast, sodass du in einer Sekunde siehst, ob sie stimmt. Secrets werden auf deinem Rechner maskiert, bevor irgendeine Analyse stattfindet.
Du nimmst an, bearbeitest oder lehnst ab
Nichts wird ohne dich übernommen. Nimm eine Regel so an, wie sie ist, formuliere sie um oder lehne sie ab. Eine abgelehnte Regel kommt nie wieder, auch nicht anders formuliert.
Von jedem Agenten befolgt
Angenommene Regeln werden in das gemeinsame Projektgedächtnis geschrieben, ganz oben in dem, was Agenten vor einer Aufgabe lesen. Jeder Agent des Projekts befolgt sie, unabhängig von seinem CLI und vom Rechner.
Zeigt, ob die Lektion gewirkt hat
Jede angenommene Regel zeigt dir, ob du sie seitdem erneut korrigieren musstest. Eine Regel, die immer wieder gebrochen wird, fällt auf, sodass du sie umformulieren kannst, statt dich zu wiederholen.
Jeden Abend, wenn du willst
Starte eine Auswertung von Hand, wann du willst, oder schalte die tägliche Auswertung ein und finde am nächsten Morgen neue Regeln vor. Ein Hinweis über dem Eingabefeld sagt dir, wenn Lektionen auf deine Entscheidung warten.
So funktioniert es
Vier Schritte. Zwei davon machst du, jeweils in wenigen Sekunden.
- 1
Learning Loop öffnen
Klicke auf den Doktorhut im Dock eines Projekts, neben Gedächtnis, und dann auf Auswertung starten. Die erste Auswertung liest deine Prompts an die Agenten dieses Projekts aus den letzten zwei Wochen.
- 2
Ein Auswertungs-Agent liest deine Prompts
Standardmäßig läuft ein Auswertungs-Agent auf deinem eigenen CLI, sodass deine Prompts bei dem Anbieter bleiben, der sie bereits erhalten hat. Er schreibt eine kurze Auswertung: was dir wichtig ist, die Fehler, die du am häufigsten korrigierst, und die Regeln, die er vorschlägt.
- 3
Du entscheidest
Wenige Minuten später warten die vorgeschlagenen Regeln im Tab Zu prüfen, mit deinen eigenen Worten als Beleg. Nimm jede an, bearbeite sie oder lehne sie ab, auf dem Desktop oder auf dem Bildschirm Learning Loop der Mobile-App.
- 4
Jeder Agent befolgt die Regeln
Angenommene Regeln werden ins Projektgedächtnis geschrieben. Der nächste Agent, den du startest, auf jedem CLI und jedem Rechner des Projekts, liest sie, bevor er beginnt, und der Tab Angenommen zeigt dir die Regeln, die du trotzdem noch korrigieren musstest.
Warum es verändert, wie du mit Agenten programmierst
Ohne Learning Loop ist die Zeit, die du mit dem Korrigieren von Agenten verbringst, verloren, sobald die Sitzung endet. Mit Learning Loop zahlst du jede Korrektur nur einmal: Sie wird zur Regel, und die Regel wirkt für jeden Agenten, der danach kommt, auch für die, die du noch gar nicht gestartet hast.
Der Effekt summiert sich. In der ersten Woche erfasst Learning Loop das Offensichtliche: den Testbefehl, den Ordner, den man nicht anfassen darf, das Commit-Format. Einen Monat später erfasst es deinen Geschmack: wie du Dinge benennst, was für dich als fertig gilt, welche Abkürzungen du nie akzeptierst. Deine Agenten arbeiten immer mehr so wie du, und du verbringst weniger Zeit damit, dasselbe zu sagen.
Und es bleibt deins. Die Regeln sind kurze Sätze im Projektgedächtnis, lesbar und bearbeitbar, keine versteckte Modelleinstellung. Entfernst du eine, ist sie für alle Agenten auf einmal weg.
Grenzen
- Nichts läuft von allein: Eine Auswertung startet, wenn du auf Auswertung starten klickst, oder jeden Abend, sobald du die tägliche Auswertung einschaltest.
- Agenten lesen die Regeln aus dem Projektgedächtnis. Ein Agent mit ausgeschaltetem Gedächtnis oder ein Projekt mit ausgeschaltetem Gedächtnis sieht sie nicht.
- Auswertungen lesen die Unterhaltungen, die auf deinem Rechner gespeichert sind, deshalb muss die Desktop-App geöffnet sein, damit eine Auswertung läuft.
- Der optionale AgentsRoom-Dienst sendet deine maskierten Prompts nach deiner Zustimmung zur Analyse an OpenAI: 3 Auswertungen pro Monat bei Free und Plus, unbegrenzt bei Pro oder mit deinem eigenen OpenAI-Schlüssel. Auswertungen mit deinem eigenen CLI sind in jedem Plan unbegrenzt.
- Bis zu 10 vorgeschlagene Regeln pro Auswertung, aus ungefähr den letzten 40.000 Tokens deiner Prompts, die neuesten zuerst.
Häufige Fragen
Frag uns etwas anderesWie höre ich auf, Claude Code immer wieder dieselbe Korrektur zu geben?
Funktioniert es auch mit Codex und anderen CLIs, nicht nur mit Claude Code?
Ist das ein Coding-Agent, der sich selbst verbessert?
Wohin gehen meine Prompts während einer Auswertung?
Was ist der Unterschied zu einer CLAUDE.md-Datei?
Kommt eine Regel, die ich abgelehnt habe, wieder?
Woher weiß ich, ob eine angenommene Regel wirklich wirkt?
AGENTS.md: eine Kontextdatei für jeden Coding-Agenten (Codex, Antigravity, Claude)
AGENTS.md ist die portable Anweisungsdatei, die deine KI-Coding-Agenten lesen, bevor sie deinen Code anfassen. Was reingehört, wie sie sich von CLAUDE.md unterscheidet und wie du einen einzigen Kontext über Codex, Antigravity und Claude hinweg behältst.
Die besten Gedächtnislösungen für Ihre Claude KI-Agenten im Jahr 2026
CLAUDE.md, mem0, Letta, Zep, basic-memory, Obsidian plus MCP, AgentsRoom Projekt Gedächtnis: eine ehrliche Übersicht über die Gedächtnisoptionen für KI-Coding-Agenten und wie man eine auswählt.
Das könnte dich auch interessieren
Projektgedächtnis
Gib deinen KI-Coding-Agenten ein langfristiges Gedächtnis. Entscheidungen, Architektur und Fallstricke bleiben über Sitzungen hinweg bestehen und werden mit allen im Projekt geteilt. Kostenlos, unbegrenzt.
Scheduled Tasks: cron für KI-Agenten
Plane wiederkehrende KI-Agenten und Entwicklungs-Workflows, ohne eine einzige cron-Expression zu schreiben. Lass jeden Morgen eine Claude-Code- oder Codex-Session deine Pull Requests prüfen, scanne jede Nacht die Crash-Logs, kontrolliere jeden Montag die Dependencies, generiere ein wöchentliches Changelog oder starte nach jedem Deploy einen QA-Durchlauf. Wähle eine Frequenz (alle N Minuten, stündlich, täglich, wöchentlich, monatlich), einen Prompt und eine Agenten-Rolle. AgentsRoom startet ihn für dich, holt verpasste Läufe beim nächsten Start nach und bewahrt eine wieder öffnbare Verlaufshistorie.
Neue Funktion
Speichern, organisieren und füge wiederverwendbare Skills (Claude SKILL.md Format + universeller Export) an deine Aufgaben und Agenten an. Synchronisiere über Geräte hinweg, exportiere zu Claude / Cursor / Codex / Windsurf auf Abruf.
Einmal korrigieren. Jeder Agent erinnert sich.
Learning Loop ist in AgentsRoom für macOS, Windows und Linux enthalten, dazu die Mobile-App, um Regeln von deinem Smartphone aus zu prüfen.
Companion-App: Agenten auch unterwegs im Blick behalten
Nutze Claude, Codex, Antigravity CLI oder einen anderen KI-Anbieter.
Bugs und Wünsche direkt in dein öffentliches Backlog schicken.