Maggy, der Open-Source-KI-Engineering-Harness von palgu>.

Jede Aufgabe geht an das günstigste Modell, das sie tatsächlich lösen kann.

• Jede Nachricht wird auf einer Skala von 1 bis 10 nach Komplexität und Risiko bewertet (der „Blast Score“) und nach Aufgabentyp klassifiziert, alles lokal durch einen kostenlosen Qwen3-Klassifikator, sodass die Triage nichts kostet.
• Der Score wählt eine Stufe: T0 Qwen3 (lokal) für Klassifizierung und Massenoperationen, aufsteigend über DeepSeek, Kimi, Gemini, Grok und Codex bis hin zu Claude Sonnet/Opus (T11 bis T12) für Architektur- und Sicherheits-Reviews. Rund 80 % der realen Arbeit landen auf den günstigen, aber leistungsstarken mittleren Stufen.
• Budgetobergrenze mit automatischer Herabstufung: Nähert sich eine Organisation ihrem Limit, weicht das Routing auf günstigere Stufen aus, statt zu blockieren. Ermüdungsbewusst und kaskadierend: Ein fehlgeschlagener Aufruf fällt entlang der Kette zurück.

Deterministische, auf die Absicht abgestimmte Workflows statt bloßer Prompts.

• Protokolle sind YAML-Dateien (maggy/skills/protocols/). Wenn Ihre Absicht einem Protokoll entspricht („push to git“, „ship a feature“), führt Maggy die Schritte der Reihe nach mit echten Gates aus.
• Beispiel git-push: Linting, Typecheck, Tests, Staging, Commit (mit KI-generierter Nachricht), Push. Jeder fehlgeschlagene Schritt stoppt das Protokoll; nichts wird halbfertig ausgeliefert.
• Legen Sie eine .yaml-Datei ab, um eigene hinzuzufügen. 67 mitgelieferte Skills decken Python, TypeScript, React, React Native, Flutter, Supabase, Stripe, Playwright, Sicherheit, ADRs und agentenübergreifende Delegation ab.

Tests zeigen, dass der Code durchläuft; Telos zeigt, dass er seine Absicht erfüllt.

• Telos bewertet Arbeit auf einer Intent Fidelity Scale: IFS = F1 x F2 x F3 über drei Ebenen: Conformance (erfüllt sie die schriftliche Spezifikation), Validation (tut sie das Richtige) und Integrity (ist sie solide und sicher).
• Der Score ist multiplikativ: Eine Null in einer einzigen Ebene lässt den Gesamtwert auf null fallen. Man besteht nicht, indem man zwei Ebenen meistert und die dritte ignoriert.
• Wird als Plugin ausgeliefert und läuft so als fester Teil der Pipeline statt als manueller Nachgedanke.

Ein abfragbarer Code-Graph, den jeder Harness über MCP nutzen kann.

• Cortex erstellt einen Code-Property-Graphen mit 10 Kantentypen, Metriken zur zyklomatischen Komplexität, FTS5-Volltextsuche und bidirektionaler Traversierung, alles in einer einzigen SQLite-Datenbank.
• Es stellt 15 MCP-Tools bereit, sodass Claude Code, Codex oder jeder andere MCP-Client strukturierte Fragen stellen kann („was ruft das auf“, „was würde diese Änderung beschädigen“), anstatt mit grep zu suchen.
• Im Benchmark gegen einfache Codebase-Memory-Ansätze getestet: Graph-Traversierung schlägt flaches RAG bei Fragen nach dem „Warum“ und dem „Blast Radius“.

Mehrere Agenten ohne Dateikonflikte auf einem Repository ausführen.

• Parallele Agenten-Sessions erhalten jeweils einen Docker-isolierten Workspace, der beim Start einer zweiten Session automatisch bereitgestellt wird.
• Da jeder Agent in seinem eigenen isolierten Checkout arbeitet, überschreibt parallele Arbeit niemals die Dateien eines anderen Agenten. Das verhindert den klassischen Fehler beim Einsatz mehrerer Agenten in einem gemeinsamen Repository.
• Über Isolationsmodi bestimmen Sie, wie strikt die Trennung für einen bestimmten Durchlauf ist.

Ein Gedächtnis, das Kompaktierung übersteht und über Wochen erhalten bleibt.

• Mnemos ist ein aufgabenbezogenes Gedächtnis mit einem vierdimensionalen Ermüdungsmodell und typisierten Checkpoints. Es liest Sitzungsprotokolle von Claude Code ein, bewertet, wie „verschwommen“ jede Sitzung ist, und setzt automatisch Checkpoints, bevor Kontext verloren geht.
• Wenn der Kontext komprimiert wird, stellt Mnemos den typisierten Checkpoint wieder her, statt dass Sie die Aufgabe neu erklären müssen. Das spart Token und hält den roten Faden.
• Engram ist die Langzeitschicht: Sie speichert Architekturwissen über Wochen hinweg und fängt sieben verschiedene Arten von „Amnesie“ ab, damit Entscheidungen zwischen Sitzungen nicht verloren gehen.

Speichert, warum Code existiert, nicht nur, was er tut.

• Der um Absichten erweiterte Code Property Graph hält neben der Struktur auch die Begründung hinter dem Code fest: ReasonNodes und Randbedingungen.
• Es erkennt Abweichungen über sechs Dimensionen hinweg und schlägt Alarm, wenn sich eine Implementierung von der ursprünglichen Absicht entfernt hat.
• Und es verhindert doppelte Implementierungen: Bevor Sie etwas Neues bauen, verrät Ihnen der Graph, ob es bereits existiert.

Eine TDD-Pipeline mit sechs Agenten und einer Durchsetzung, die nicht vom bloßen Drandenken abhängt.

• Sechs Rollen bearbeiten jedes Feature: Lead, Quality, Security, Review, Merger und Feature. Eine echte Pipeline, nicht ein einziges Modell für alles.
• Stop-Hooks setzen TDD durch: Tests müssen erfolgreich sein, bevor eine Aufgabe als erledigt gilt. Ohne Grün kein Merge.
• Qualitäts-Gates werden pro Datei durchgesetzt: maximal 20 Zeilen pro Funktion, 3 Parameter und 2 Verschachtelungsebenen. Nicht-triviale Änderungen erfordern ein ADR (das bei Fehlen aus der Git-Historie abgeleitet wird).