Schichtenarchitektur in Claude Code: Router, Agent, Skill und deterministic Tools

Key Takeaway

Eine effektive Nutzung von Claude Code erfordert die Trennung von deterministischen Programmfunktionen und stochastischen Entscheidungsprozessen: Router → Agent → Skill → Programme.

Summary

Hauptproblem des „Master Prompt“

Ein einzelner LLM‑Agent übernimmt zu viele Aufgaben (Suchen, Interpretieren, Ausführen) → „Jack of all trades, master of none“. Fehleranfälligkeit und Halluzinationen nehmen mit zunehmender Komplexität zu.

Arbeitsteilung in vier Schichten

• Router (Layer 1): Entscheidet, welche Domäne und Methodik für die Anfrage geeignet ist. Verhindert Kontextverschmutzung, fungiert als Switchboard bzw. Koordinator.
• Agent (Layer 2): Enthält dichten Kontext (z. B. Go‑Programmierung, Projektarchitektur). Ist keine Persona, sondern definiert, welche Expertise vorhanden ist.
• Skill (Layer 3): Repräsentiert methodische Vorgehensweisen (z. B. systematisches Debugging). Stellt sicher, dass der Agent keine Schritte überspringt; Phase‑Gate‑Prinzipien erzwingen Reproduzierbarkeit, Isolation, Identifikation, Verifikation.
• Deterministische Programme (Layer 4): Reale Befehls­ausführungen (grep, kubectl, read_file, etc.) werden über Wrapper‑Funktionen mit optimierten Parametern implementiert. LLM wählt Werkzeug, Werkzeug führt deterministisch aus; Variation bleibt auf Auswahl beschränkt.

Unterscheidung von „gelösten“ und „ungelösten“ Problemen

Gelöst: Dateisuche, Testausführung, Build‑Validierung, YAML‑Parsing – technische, deterministic. Ungelöst: Diagnose von Kubernetes‑Pods, Interpretation von Fehlern im Kontext des gesamten Systems – erfordern Verständnis, Kontextverknüpfung, also stochastische Entscheidungsfindung.

Beispieldebugging („debug this failing pod“)

1. Router erkennt Kubernetes‑Debug‑Task.
2. Agent lädt K8s‑Konzepte (Lifecycles, Events, Logs).
3. Skill erzwingt den Prozess: Reproduzieren → Isolieren → Identifizieren → Verifizieren.
4. Deterministische Programme liefern strukturierte Daten (pod description, events, logs).
5. LLM verbindet die Fakten und erstellt Diagnose („ImagePullBackOff wegen abgelaufenem Registry‑Secret“).

Lernfeld

Alles, was als Programm implementiert werden kann, sollte es sein. Das LLM muss nur Entscheidungen treffen, nicht wirklich ausführen. Stochasticität bleibt für die Interpretation und Entscheidung beim LLM; deterministische Ausführung bleibt sauber in dedizierten Programmen.

Metapersona

Der Autor betont, dass Entwickler sich mit dieser neuen Schichtenarchitektur vertraut machen müssen, um nicht in der „Rocks“ des 9‑Meter‑Erdbebens der KI‑Entwicklung zurückzubleiben. Für effiziente Nutzung ist ein mentales Modell der Schichten und ihrer Verantwortlichkeiten entscheidend.

Related queries

Wie lässt sich der Router in bestehenden Multi-Agenten‑Frameworks implementieren?

Welche Tools eignen sich am besten für deterministische Dateisuche in großen Codebasen?

Wie kann ein Skill die Fehlerbehandlung in Kubernetes‑Debug‑Workflows verbessern?

Source

Artikel