Product Development Lifecycle / Build

Von der Vision zur Produktion.

Kein einzelner Entwickler mit einem Prompt. Eine Kette spezialisierter KI-Agenten, die bei jedem Schritt Engineering-Disziplin durchsetzt. Code-Generierung sind 2 von 10 Schritten, die anderen 8 sind Planung, Testing, Review und Verifikation.

Die Implementierungsumgebung

Jeder Agent in der Build-Phase arbeitet innerhalb von drei Säulen, die aus einem Coding-Agenten ein diszipliniertes Engineering-Team machen.

Intelligenz, Prism

Semantische Code-Intelligenz gibt Agenten ein tiefes Verständnis deiner tatsächlichen Codebasis. Sie finden den richtigen Code sofort, statt blind zu suchen. 40–70 % weniger Tokens. Abfragen in Millisekunden über 48 Programmiersprachen.

Disziplin, Rules as Code

30+ Regeldateien, die 200+ Qualitätsprüfungen kodieren. Architekturmuster (Functional Core, Imperative Shell), Design-Muster (Factory + Strategy), Prompt-Muster, typisierte Modelle an den Grenzen. Plan-getriebene Entwicklung mit einem 10-Schritte-Gate-Protokoll. Kein Ad-hoc-Coding.

Verifikation, Review- + UAT-Agenten

CI-integrierte Agenten prüfen jeden PR gegen Spezifikationen, Standards und Geschäftsanforderungen. Intelligentes Routing: automatische Freigabe oder Eskalation. Senior-Entwickler prüfen Architekturentscheidungen, keine Semikolons.

Intelligenter Kontext, kein Context-Dumping

Die Branche lädt Agenten mit immer grösser werdenden .md-Regeldateien voll, Cursor-Regeln, claude.md, Projektkonventionen. Das Problem: Diese statischen Dateien fressen Kontext. Unsere Regeln und Design-Patterns allein verbrauchten 30K Input-Tokens, bevor eine einzige Zeile Code aufgabenspezifischen Kontexts hinzugefügt wurde. Schlimmer noch: Statische Regeln behandeln jede Aufgabe gleich, doch in Wirklichkeit ist jede Coding-Aufgabe anders.

Swisper hat beide Probleme gelöst.

Rules as MCP.

Statt Dokumentation ins Kontextfenster zu kippen, werden unsere Regeln über MCP bereitgestellt. Der Dev-Lead-Agent und der Architect-Agent stellen gezielte Fragen zu Coding-Standards und Design-Entscheidungen, und erhalten präzise Antworten. Kein Durchlesen seitenweiser Regeln mehr, um die drei zu finden, die zählen.

Präzise Aufgabenformulierung

Der Dev-Lead-Agent läuft auf einem Frontier-Modell mit der Zeit und Intelligenz, jede Aufgabe individuell zu analysieren. Er bewertet die Komplexität, wählt nur die relevanten Regeln und den relevanten Kontext aus und formuliert ein präzises Coding-Briefing, genau das, was der Coding-Agent braucht, nicht mehr.

Das Ergebnis: besserer Code, geringere Kosten

Mit präzisem Kontext statt aufgeblähter Regeldateien erreichen kosteneffizientere Modelle dieselbe Qualität wie teure Frontier-Modelle. Der Dev Lead entscheidet pro Aufgabe: welche Komplexität, welches Modell, welche Regeln, welcher Kontext. Jeder Coding-Agent erhält ein präzises Briefing statt eines Heuhaufens.

#
Phase
Agent
Output
1
Planung
Planning Agent
Zerlegt Spezifikationen in maximal parallelisierte Aufgaben. Jeder PR ist überprüfbar, merge-sicher und konfliktfrei. Contracts werden während der Implementierung eingefroren, keine beweglichen Ziele.
2
Implementierung
Dev Lead Agent
Orchestriert ein Team von Coding-Agenten. Erstellt präzise Aufgaben-Briefings: exakte Dateien, APIs und Regeln pro Aufgabe. Wählt das optimale Modell für jede Coding-Aufgabe. Setzt das 10-Schritte-Gate-Protokoll durch, inklusive TDD Red/Green in Docker.
3
Code-Review
Review Agent
CI-integriert, GitHub-nativ. Spec-Traceability: validiert, dass die Implementierung den Akzeptanzkriterien entspricht. Standards-Compliance: lädt anwendbare Regeldateien und prüft jede berührte Datei. Kein Linter, ein kontextueller Review, der Muster, Geschäftsabsicht und dateiübergreifende Konsistenz versteht. ~70 % automatisch freigegeben, 30 % an Menschen eskaliert.
4
Testing
QA Agent
Unit-Tests, Integrationstests, E2E. Test-Designs werden vor der Implementierung geprüft. Red/Green/Refactor in Docker. Automatisierte Abnahme- und Regressionstests.
5
Dokumentation
Docs Agent
Lebendige Dokumentation, nachvollziehbar bis zum Code und zur ursprünglichen Vision. Auto-generiert, auto-aktualisiert. Nie veraltet.

Das 10-Schritte-Gate-Protokoll

Jedes Feature folgt einem strukturierten Pfad von Branch bis Merge. Code-Generierung sind 2 von 10 Schritten, die anderen 8 sind Planung, Testing, Review und Verifikation. Drei Workflow-Modi passen sich dem Umfang an:

Vollständiger Workflow

Multi-File-Features und Refactorings. Alle 10 Schritte: Branch + TODO → Spezifikation entdecken & planen → Phasen-Teilplan → Menschliche Freigabe → Test-Design-Review → TDD Red (Docker) → TDD Green (Docker) → Datei-Kritik → Wartbarkeits-Review → Refactor & Re-Test → Definition of Done + PR → Phasenzusammenfassung.

Branch + TODO
Spec & Plan erkunden
Phasen-Teilplan
Menschliche Freigabe
Testdesign-Review
TDD Rot (Docker)
TDD Grün (Docker)
Datei-Kritik
Wartbarkeits-Review
Refactoring & Re-Test
Definition of Done + PR
Phasenzusammenfassung

Leichtgewichtig

1–3 Dateiänderungen mit klarer Absicht. Schritte 0, 4, 5, 8.

Überspringen

Tippfehler, reine Dokumentation, Formatierung. Direkter Commit.

Kernprinzip

Plan-getrieben, nicht prompt-getrieben. Jede Codezeile ist auf einen genehmigten Plan zurückführbar. Jeder Plan ist auf eine genehmigte Spezifikation zurückführbar. Fehlt die Spezifikation, stoppt der Agent.

Jede Codezeile ist auf einen genehmigten Plan zurückführbar. Jeder Plan ist auf eine genehmigte Spezifikation zurückführbar. Fehlt die Spezifikation, stoppt der Agent.

Rules as Code

30+ Regeldateien, die 200+ Qualitätsprüfungen kodieren. Die Disziplin deines besten Senior-Ingenieurs, kodifiziert und auf jede Code-Zeile angewandt.

Domäne
Was es durchsetzt
Architektur
Functional Core, Imperative Shell. Reine Geschäftslogik in testbaren Funktionen, I/O in dünnen Adaptern.
Muster
Factory + Strategy statt if/elif-Ketten. Komposition über Vererbung. Keine God Classes.
Design
Tell, Don't Ask. DRY mit Schwellenwert: 2× tolerieren, ab 3× extrahieren. Keine verfrühten Abstraktionen.
LLM-Prompts
Drei-Block-Prompt-Muster (System / Developer / User). Strukturierter Output mit strikten JSON-Schemas.
Modelle
Typisierte Modelle an den Grenzen. Pydantic für APIs, SQLModel für die DB. Kein Dict-Chaos in der Domäne.
Grenzen
Explizite Schnittstellen für LLM, DB, externe APIs. Die Domäne hängt von Schnittstellen ab, nicht von Implementierungen.

Regeln sind Markdown-Dateien (.mdc) mit Glob-Mustern. Agenten lesen sie, bevor sie Code schreiben. Dieselben Regeln lädt der Review Agent zur Validierung. Konsequent. Um 3 Uhr morgens. Ohne Burnout.

Zahlen

40–70%Token-Reduktion durch Prism
~70%PRs automatisch vom Review Agent freigegeben
200+Automatisierte Qualitätsprüfungen pro PR
10Qualitäts-Gates pro Feature
VollTraceability von Code → Spec → Vision

Features werden in 1–2 Monaten für $2–4K geliefert.

Das ist nicht Copilot mit Leitplanken. Das ist eine vollständige KI-native Engineering-Umgebung.