AI-Augmented Dev Stack
Wie ich Claude Code, mehrere Skill-/Agent-Systeme, MCP-Server und verbindliche Coding-Regeln zu einem Workflow verzahne, der konsistent liefert.
Kein klassisches “Projekt” mit Repo und Release-Note — eher ein Setup, das ich laufend tune. Ziel: einen KI-Coding-Assistenten so eng an meine Arbeitsweise binden, dass er nicht “irgendwas Plausibles” liefert, sondern Code, der zu meinen Regeln und meiner Infrastruktur passt.
Bestandteile
- Claude Code als Basis-Agent. CLI + IDE-Integration, läuft im Terminal.
- ECC (Everything Claude Code) — Hook-System, Continuous-Learning, Cost-Tracker, Quality-Gates. Beobachtet jede Tool-Nutzung, schreibt Session-Summaries, blockt Anti-Patterns vor dem Commit.
- Claude Forge / Skills-Pakete — kuratierte Slash-Commands und Sub-Agents für wiederkehrende Aufgaben (Review, Refactor, Build-Fixes).
- MCP-Server für Live-Daten:
context7für aktuelle Library-Docs (nicht das, was im Modell-Cutoff stand), Preview/Chrome-Server für UI-Verification. - Persistentes Memory-System unter
~/.claude/projects/<repo>/memory/— Benutzer-Profil, Feedback-Regeln, Projekt-Stand. Überlebt Session-Ende. - Verbindliche Coding-Regeln im Repo: Verständlichkeit > Wartbarkeit >
Korrektheit > Testbarkeit > Performance. What/Why/Breaks-Header auf jeden
Export. Migrations append-only. Pre-Commit-Hook gated
astro check,astro build,lint:fonts.
Warum das zusammen besser ist als die Summe der Teile
Ein einzelnes LLM ohne Kontext erfindet plausible APIs, die nicht existieren.
Mit MCP-Docs zieht es die echte Signatur. Mit Memory weiß es, was ich beim
letzten Mal abgelehnt habe. Mit Hooks läuft tsc bevor der Commit live geht.
Mit Coding-Regeln im Repo bleibt der Stil konsistent, auch wenn ich Wochen
nicht reingeschaut habe.
Jeder Layer kostet wenig, aber zusammen verschieben sie das Niveau dessen, was ein KI-Workflow zuverlässig liefert — vom “Vorschlag, den ich review-en muss” Richtung “Code, der schon meine Standards erfüllt”.
Diese Seite als Vitrine
vaskys.de ist selbst der Härtetest: dieselben Regeln, derselbe Workflow,
und am Ende muss das Ergebnis auch noch DSGVO-konform und reproduzierbar
deploybar sein.