Produktentwicklungs-Lebenszyklus / Build

Von der Vision zur Produktion.

Kein einzelner Entwickler mit einem Prompt. Eine Kette spezialisierter KI-Agenten, die an jedem Schritt Engineering-Disziplin durchsetzt. Code-Generierung ist 2 von 10 Schritten — die anderen 8 sind Planung, Tests, Ueberpruefung 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 Ihrer tatsächlichen Codebasis. Sie finden den richtigen Code sofort, ohne blind zu suchen. 40–70 % weniger Token. Millisekundenanfragen über 48 Programmiersprachen.

Disziplin — Rules as Code

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

Verifikation — Review + UAT Agents

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

Präziser Kontext, kein Kontext-Dumping

Die Branche lädt Agenten mit immer größer werdenden .md-Regeldateien — Cursor-Regeln, claude.md, Projektkonventionen. Das Problem: Diese statischen Dateien fressen Kontext. Unsere Regeln und Design-Patterns allein verbrauchten 30.000 Input-Tokens, bevor eine einzige Zeile aufgabenspezifischen Kontexts hinzugefügt wurde. Schlimmer noch: Statische Regeln behandeln jede Aufgabe gleich — aber in der Realität ist jede Coding-Aufgabe anders.

Swisper hat beide Probleme gelöst.

Rules as MCP.

Statt Dokumentation ins Kontextfenster zu dumpen, 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 Durchsuchen von Seiten voller Regeln, um die drei relevanten zu finden.

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 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 Regelfiles erreichen kosteneffizientere Modelle die gleiche Qualität wie teure Frontier-Modelle. Der Dev Lead entscheidet pro Aufgabe: welche Komplexität, welches Modell, welche Regeln, welcher Kontext. Jeder Coding-Agent erhält ein klares Briefing statt einem Heuhaufen.

#
Phase
Agent
Output
1
Planung
Planning Agent
Zerlegt Spezifikationen in maximal parallelisierte Aufgaben. Jeder PR ist überprüfbar, merge-sicher und konfliktfrei. Verträge werden während der Implementierung eingefroren — keine beweglichen Ziele.
2
Implementierung
Dev Lead Agent
Orchestriert ein Team von Coding-Agenten. Erstellt präzise Aufgaben-Briefings: genaue Dateien, APIs und Regeln pro Aufgabe. Wählt das optimale Modell für jede Coding-Aufgabe. Setzt das 10-Schritte-Gate-Protokoll einschließlich TDD-Red/Green in Docker durch.
3
Code-Review
Review Agent
CI-integriert, GitHub-nativ. Spezifikations-Rückverfolgbarkeit: validiert, dass die Implementierung den Akzeptanzkriterien entspricht. Standards-Compliance: lädt anwendbare Regel-Dateien und prüft jede berührte Datei. Kein Linter — eine kontextuelle Überprüfung, die Muster, Geschäftslogik und dateiübergreifende Konsistenz versteht. ~70 % automatisch genehmigt, 30 % eskaliert.
4
Tests
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, die auf Code und ursprüngliche Vision zurückverfolgt werden kann. Auto-generiert, auto-aktualisiert. Nie veraltet.

Das 10-Schritte-Gate-Protokoll

Jedes Feature folgt einem strukturierten Pfad von Branch bis Merge. Code-Generierung ist 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 Genehmigung → Test-Design-Review → TDD Red (Docker) → TDD Green (Docker) → Datei-Kritik → Wartbarkeits-Review → Refactor & Re-Test → Definition of Done + PR → Phasenzusammenfassung.

Branch + TODO
Discover spec & plan
Phase sub-plan
Human approval
Test design review
TDD Red (Docker)
TDD Green (Docker)
File critique
Maintainability review
Refactor & re-test
Definition of done + PR
Phase summary

Leichtgewichtig

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

Überspringen

Tippfehler, nur 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+ Regel-Dateien mit 200+ Qualitätsprüfungen. Die Disziplin Ihres besten Senior-Ingenieurs — kodifiziert und auf jede Zeile angewandt.

Domain
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 vorzeitigen Abstraktionen.
LLM Prompts
Drei-Block-Prompt-Muster (System / Entwickler / Benutzer). Strukturierter Output mit strikten JSON-Schemas.
Modelle
Typisierte Modelle an Grenzen. Pydantic für APIs, SQLModel für DB. Kein Dict-Chaos in der Domain.
Grenzen
Explizite Schnittstellen für LLM, DB, externe APIs. Die Domain hängt von Schnittstellen ab, nicht von Implementierungen.

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

Zahlen

40–70 %Token-Reduzierung über Prism
~70 %PRs automatisch vom Review Agent genehmigt
200+Automatisierte Qualitätsprüfungen pro PR
10Qualitäts-Gates pro Feature
VollRückverfolgbarkeit von Code → Spezifikation → Vision

Features werden in 1–2 Monaten für 2.000–4.000 $ geliefert.

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