Learning Loop

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.

Learning Loop

Deine Korrekturen

  • Nein, erst die Tests laufen lassen
  • Ich sagte doch: nicht die Lockfile

Vorgeschlagene Regel

Vor jedem Commit die Testsuite ausführen

Annehmen

Jeder 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. 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. 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. 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. 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 anderes
Wie höre ich auf, Claude Code immer wieder dieselbe Korrektur zu geben?
Öffne Learning Loop in AgentsRoom und starte eine Auswertung. Sie liest, was du den Agenten des Projekts geschrieben hast, findet die Korrekturen, die immer wiederkehren, und schlägt sie als kurze Regeln vor. Nimm die richtigen an: Sie werden ins Projektgedächtnis geschrieben, und jeder Claude-Code-Agent des Projekts liest sie vor einer Aufgabe, sodass du es nicht noch einmal sagen musst.
Funktioniert es auch mit Codex und anderen CLIs, nicht nur mit Claude Code?
Ja. Die Regeln liegen im Projektgedächtnis von AgentsRoom, das jedes mit AgentsRoom verbundene Agenten-CLI liest: Claude Code, Codex, Antigravity und die anderen. Eine Korrektur, die du einem Claude-Code-Agenten gegeben hast, wird zu einer Regel, die auch ein Codex-Agent befolgt.
Ist das ein Coding-Agent, der sich selbst verbessert?
Praktisch gesehen ja: Deine Agenten arbeiten Sitzung für Sitzung besser so, wie du es willst. Aber nichts ändert sich hinter deinem Rücken. Die Verbesserung ist eine Liste kurzer Regeln, die du freigegeben hast, an einem Ort, an dem du sie lesen, bearbeiten oder entfernen kannst.
Wohin gehen meine Prompts während einer Auswertung?
Standardmäßig nirgendwohin, wo sie nicht schon waren: Die Auswertung läuft auf deinem eigenen CLI, sodass deine Prompts nur den Anbieter erreichen, der sie bereits erhalten hat. Nur wenn du den AgentsRoom-Dienst für ein Projekt einschaltest, mit deiner ausdrücklichen Zustimmung, gehen die maskierten Prompts über unseren Server an OpenAI. Secrets werden vorher auf deinem Rechner maskiert, und rohe Prompts werden nie auf unserem Server gespeichert.
Was ist der Unterschied zu einer CLAUDE.md-Datei?
Eine CLAUDE.md- oder AGENTS.md-Datei schreibst und pflegst du selbst, und jedes CLI liest seine eigene. Learning Loop findet die Regeln für dich in dem, was du bereits geschrieben hast, lässt sie dich bestätigen und legt sie an einem einzigen Ort ab, den jedes CLI liest. Beides passt gut zusammen: Behalte deine Anweisungsdatei für das große Ganze, und lass Learning Loop die Details sammeln, die du immer wieder korrigierst.
Kommt eine Regel, die ich abgelehnt habe, wieder?
Nein. Eine abgelehnte oder entfernte Regel wird nie wieder vorgeschlagen, und die Auswertung weiß davon, damit sie auch nicht umformuliert zurückkommt.
Woher weiß ich, ob eine angenommene Regel wirklich wirkt?
Der Tab Angenommen zeigt für jede Regel, ob du dieselbe Korrektur seit der Annahme erneut machen musstest. Wenn eine Regel immer wieder gebrochen wird, bearbeite sie, damit sie klarer wird.

Mehr zum Thema

Das könnte dich auch interessieren

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.

AgentsRoom herunterladenKostenlos

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.