Beobachtetes Signal · 3. Mai 2026 · Tutorial · Quelle: DEV Community · Relevanz: 1/5 · Sentiment: Neutral
Eigenen Claude Code Agent-Harness in 15 Schritten bauen
Der Artikel bietet eine detaillierte Schritt-für-Schritt-Anleitung zum Bau eines eigenen KI-Agenten-Harness, ähnlich wie Claude Code, mit etwa 1.200 Zeilen Python. Der Autor, bekannt als 'phuryn', teilt sein 'Mini Harness'-Projekt, das bei Terminal-Bench 2.0 mit Claude Haiku 5.5 die Spitzenposition erreichte und bei DeepSeek mit Claude Code gleichzog. Der Leitfaden konzentriert sich auf die Kernbausteine: die Reasoning-Schleife, Tools, Kontextverwaltung, Sitzungen, Kompaktierung, Berechtigungen mit einem KI-Richter, Subagenten, Zielmodus, Skills und MCP-Server. Er enthält 15 umsetzbare Prompts, um in 1-2 Stunden einen eigenen Harness zu bauen, mit dem Fokus auf Lernen und Portfolio-Wert. Der Artikel bietet technische Einblicke in Kosteneinsparungen durch Caching und effiziente Kontexthandhabung, mit Testergebnissen im Vergleich verschiedener Harnesses.
Unterstreicht die Bedeutung von Agent-Harnesses in der KI-Toolchain, relevant für AdTech, da KI-Agenten im Marketing-Betrieb an Bedeutung gewinnen.
Marktsignale zu Anthropic in Echtzeit verfolgen
Polaris7 erfasst behördliche Registrierungen, Primärquellen, Führungswechsel und Deal-Aktivitäten rund um die Uhr. Erstellen Sie Ihren Polaris7-Workspace, um automatisierte Executive Briefings zu erhalten.
Wichtigste Kernpunkte & Evidenz
- Mini Harness ist ein 1.200-Zeilen-Python-Agent-Harness, der zum Lernen entwickelt wurde.
- Mini Harness erreichte 9,2/10 bei Terminal-Bench 2.0 mit Claude Haiku und übertraf Claude Code.
- Bei DeepSeek V4.1 Flash erreichte Mini Harness 8,4 und lag damit gleichauf mit Claude Code.
- Der Leitfaden enthält 15 Build-Prompts, um in 1-2 Stunden einen eigenen Harness zu erstellen.
- Der Code ist kostenlos auf GitHub (phuryn/mini-harness).
Verknüpfte Unternehmen
“Anbieter der Claude-Modelle und der API, die vom Harness verwendet wird.”
“Anbieter der DeepSeek-Modelle als Alternative zu Claude.”
Ontologie & Marktkonzepte
Verwandte Marktsignale & Trends
Aktuelle verifizierte Unternehmensentwicklungen und Deal-Aktivitäten in diesem Marktsegment.
Anthropic Claude API: Modelle, Core-Features und Best Practices im Überblick
Ein neuer technischer Leitfaden analysiert die Implementierung der Claude-API von Anthropic und deckt zentrale Aspekte wie Setup, Multi-Turn-Chats, Streaming, Tool Use, Vision-Inputs und Strategien zur Kostenoptimierung ab. Anthropics Architektur kombiniert Safety mit Leistungsfähigkeit, basierend auf Constitutional-AI-Training und einer System-Prompt-Hierarchie, bei der Betreiberanweisungen Vorrang vor Nutzer-Prompts haben. Alle aktuellen Modelle (claude-3-5-sonnet, claude-3-5-haiku, claude-3-opus) bieten ein Context Window von 200K Tokens. Der Report vergleicht die Varianten hinsichtlich Latenz und Token-Pricing und erläutert fortgeschrittene Funktionen wie Prompt Caching (ephemerer Cache mit ca. 5 Minuten TTL), Tool-Calling-Muster, Bildverarbeitung sowie Best Practices für Retries und Rate-Limit-Handling in Produktivumgebungen.
Anthropics Claude Code: Umfassender Leitfaden für das agentische Entwicklertool
Dieser Leitfaden stellt Claude Code vor, ein agentisches Entwicklertool von Anthropic, das direkt im Terminal operiert. Die Lösung analysiert vollständige Codebases, führt Shell-Befehle wie Bash, npm oder Git aus und modifiziert Dateien nach Freigabe. Der Artikel beschreibt die Installation unter macOS, Linux und Windows via Homebrew, WinGet oder nativer Installer sowie die Authentifizierung über Claude-Abonnements (Pro, Max, API) und Enterprise-Konnektoren wie Amazon Bedrock, Google Vertex AI oder Microsoft Foundry. Neben Berechtigungsmodi (Normal, Auto, Plan) und nativen Tools für Dateioperationen und Websuchen bietet Claude Code ein Kontextfenster von rund 200.000 Tokens. Über Konfigurationsdateien wie CLAUDE.md und Auto Memory lassen sich persistente Projektanweisungen hinterlegen. Ergänzt wird die Dokumentation durch Best Practices für Prompting, automatisierte Tests, Git-Workflows sowie Strategien für effizientes Token-Management in Software-Teams.
Claude Code: Setup mit Ollama/llama.cpp und Preisstruktur
Dieser technische Leitfaden beschreibt die Installation, Konfiguration und den Betrieb des Entwickler-Agenten Claude Code von Anthropic sowie das Routing über lokale Drittanbieter-Backends wie Ollama und llama.cpp. Behandelt werden Installationsmethoden (nativer Installer, Homebrew, WinGet), hierarchische Konfigurationsdateien, Umgebungsvariablen wie ANTHROPIC_API_KEY und ANTHROPIC_BASE_URL sowie Model-Aliasing. Zudem werden operative Anforderungen wie große Kontextfenster (ca. 64k Tokens empfohlen), das --jinja-Flag für llama-server zur Tool-Nutzung und Authentifizierungsoptionen thematisiert. Eine Übersicht der Kostenstruktur fasst Subscription-Tiers (Pro, Max, Team) und API-Token-Preise pro Million Tokens für Haiku-, Sonnet- und Opus-Modelle zusammen. Ergänzend werden Berechtigungsmodi, integrierte CLI-Befehle, der nicht-interaktive Print-Modus und Kostenkontrollen dokumentiert.
Alle künftigen Signale zu Anthropic & Wettbewerbern im Briefing erhalten
Verpassen Sie keine M&A-Transaktionen, Führungswechsel, Kunden-Etats oder Produkt-Launches mehr. Polaris7 überwacht über 20.000 Primärquellen rund um die Uhr und liefert evidenzbasierte Telemetrie direkt in Ihr wöchentliches Executive Briefing.
