1 month ago
4
Titel-Idee:
„Gemini 3.0 Pro + Claude 4.5 Opus: Wie du mit dem Abacus AI Desktop Agent in Stunden produktionsreife Apps baust“
Einleitung: Zwei KI‑Modelle, ein Ziel – echte Produktions‑Apps
Stell dir vor, du könntest eine komplexe Web‑App mit moderner UI, sauberer Architektur und solider Code‑Qualität in wenigen Stunden entwerfen und umsetzen – ohne klassisches „Copy & Paste“ aus Chatbots, ohne ständig zwischen Tools zu springen.
Genau darum geht es in diesem Artikel.
Wir schauen uns an, wie du Gemini 3.0 Pro und Claude 4.5 Opus im Abacus AI Desktop Agent kombinierst, um:
- Systemarchitekturen zu planen
- Frontends und Backends zu implementieren
- Code automatisch zu refaktorisieren und zu reparieren
- und am Beispiel der App „AI Code Surgeon“ ein echtes, nutzbares Tool zu bauen
Wenn du jemals frustriert warst, weil:
- einzelne KI‑Tools zwar Code schreiben, aber keine echten Systeme planen können
- du ständig zwischen Browser, IDE und Terminal hin‑ und herwechseln musst
- der erzeugte Code zwar „okay“, aber nie wirklich produktionsreif wirkt
… dann ist dieser Ansatz für dich spannend.
Am Ende dieses Artikels wirst du wissen:
- Warum du Gemini und Claude nicht gegeneinander ausspielen, sondern kombinieren solltest
- Wie der Abacus AI Desktop Agent als Orchestrierungsschicht funktioniert
- Wie du eine reale App wie „AI Code Surgeon“ damit Schritt für Schritt aufbaust
- Welche Prompt‑Strategien und „Modes“ zu deutlich besseren Ergebnissen führen
Problem: Warum ein einzelnes KI‑Modell oft nicht reicht
Viele Entwickler:innen (und Teams) nutzen heute ein großes Sprachmodell für alles:
- Planung
- Architektur
- UI‑Design
- Implementierung
- Refactoring
Die typische Erfahrung:
- Gute Einzellösungen, aber wenig Konsistenz im Gesamt‑System
- Oberflächliche Architekturpläne, die in der Praxis nicht durchgehalten werden
- Generierter Code, der zwar läuft, aber ohne klare Layer, ohne saubere Abstraktionen
- Und: Frontend, UX und API‑Design wirken oft „zusammengewürfelt“
Wenn du schon versucht hast, „baue mir bitte eine komplette SaaS‑App“ in einen Chat zu schreiben, weißt du, was passiert:
- Das Modell überschätzt sich
- Du bekommst generische Vorschläge
- Vieles ist schwer erweiterbar oder bricht, sobald du daran drehst
Kernproblem:
Ein einzelnes Modell ist entweder sehr gut in Planung/Reasoning oder sehr gut in schneller Implementierung/Frontend – aber selten beides in Perfektion.
Genau hier setzt der Ansatz aus dem Video an: Spezialisten kombinieren, statt auf einen „Alleskönner“ zu hoffen.
Lösung im Überblick: Dual‑Engine‑Ansatz mit Gemini & Claude
Die Idee ist erstaunlich simpel – und gerade deshalb so wirkungsvoll:
-
Claude 4.5 Opus übernimmt:
- Deep Thinking, Systemarchitektur, Planung
- API‑Design, Schichtenmodell, Datenstrukturen
- komplexe Refactoring‑ und Analyseaufgaben
-
Gemini 3.0 Pro übernimmt:
- konkrete Implementierung, vor allem UI & Frontend
- schrittweise Code‑Erstellung nach einem bestehenden Plan
- schnelle, saubere Umsetzung und Anpassung
Kurz gesagt:
- Claude entscheidet, was gebaut wird.
- Gemini entscheidet, wie es gebaut wird.
Dazwischen sitzt der Abacus AI Desktop Agent als:
- Orchestrierungs‑Layer (Regeln, wann welches Modell aktiv ist)
- Entwicklungsumgebung (VS‑Code‑ähnlicher Editor, CLI, Desktop‑Integration)
- „Gehirn“ deines Coding‑Agents
Die Folge:
Statt chaotischem „mal sehen, was dabei rauskommt“ entsteht ein strukturierter, wiederholbarer Workflow, der:
- schnell ist
- skalierbar ist
- und deutlich bessere Produktions‑Qualität liefert
Die Protagonisten: Gemini 3.0 Pro & Claude 4.5 Opus im Detail
Bevor wir in den Workflow einsteigen, lass uns kurz klären, was die beiden Modelle auszeichnet.
Gemini 3.0 Pro – der „Designer & Implementierer“
Stärken von Gemini 3.0 Pro:
- Extrem gut im Frontend‑ und UI‑Bau
- Liefert minimale, saubere Implementierungen
- Hält sich sehr präzise an Anweisungen
- Kann mit riesigen Kontexten umgehen (bis zu ~1 Mio Tokens)
- Stark in multimodalen Aufgaben (Text, Bild, etc.)
Wenn du:
- „bau mir eine moderne, animierte Landingpage mit Tailwind“ schreibst
- „erzeuge ein React‑Dashboard mit Tabs, Diff‑View und Charts“ willst
… ist Gemini 3.0 Pro eines der aktuell besten Modelle dafür.
Typische Einsatzfelder in diesem Setup:
- UI‑Design: Layouts, Animationen, Components
- Implementation: schrittweise Erstellung von React/Next.js/Express/…
- schnelle Iterationen: Änderungen am Frontend, Styling, kleinere Bugfixes
Claude 4.5 Opus – der Architekt & Strategist
Stärken von Claude 4.5 Opus:
- Sehr stark in Reasoning, Planung und Systemarchitektur
- Ideal für Coding‑Agents und komplexe Workflows
- Hervorragend bei:
- Deep Research
- Dokumentenanalyse
- Tabellen, Reports, Slide‑Decks
- Laut Benchmarks (z.B. Swaybench) aktuell eines der stärksten Coding‑Modelle:
- 80,9 % auf Swaybench verified – das ist extrem hoch
Typische Einsatzfelder in diesem Setup:
- Aus einem groben Produkt‑Idea einen detaillierten technischen Plan machen
- API‑Layer, Orchestrierung, Datenmodelle, Services definieren
- Edge Cases, Nebenwirkungen, Abhängigkeiten entdecken
- Komplexe Refactorings über größere Codebasen denken
Wenn du jemals gedacht hast:
> „Eigentlich bräuchte ich erstmal einen guten Senior‑Architekten, bevor ich etwas bauen lasse.“
… dann ist das genau die Rolle, die Claude 4.5 Opus in diesem System übernimmt.
Abacus AI Desktop Agent: Die Orchestrierungsschicht
Jetzt kommt das dritte Puzzleteil: Abacus AI Desktop Agent.
Stell dir vor:
- eine Art VS Code‑Klon mit eingebautem, regelbasiertem KI‑Agent
- der nicht nur chatten, sondern:
- deinen Code editoren
- deinen Terminal bedienen
- und deinen Desktop steuern kann
Was der Abacus AI Desktop Agent bietet
-
Code‑Modus:
- klassischer Editor mit Dateibaum
- AI‑gestützte Bearbeitung, Refactoring, Generierung
-
Chat‑Modus:
- natürlicher Sprachchat
- Zugriff auf:
- CLI (Befehle ausführen)
- Editor (Dateien öffnen/ändern)
- Desktop Listener (GUI‑Interaktionen)
-
Regel‑Engine („Rules“):
- Du definierst, welches Modell wofür eingesetzt wird
- Der Agent liest diese Regeln und entscheidet autonom
-
Benchmark‑stark:
- Hohe Scores auf Swaybench und TerminalBench
- In Tests besser als viele andere Coding‑Assistenten (Claude Code, Warp, etc.)
Kosten & Zusätzliche Tools
- Rund 10 USD / Nutzer / Monat (Stand Video)
- Inklusive:
- Desktop Listener (Interaktion mit deinem Desktop)
- Chat LM (einheitliche Schnittstelle zu State‑of‑the‑Art‑Modellen)
- Deep Agent:
- ein sehr leistungsfähiger, allgemeiner Agent für komplexe Automatisierungen
Wenn du bereits Geld für mehrere einzelne AI‑Tools ausgibst, kann es sich lohnen, hier zu bündeln.
Schritt‑für‑Schritt: Dual‑Model‑Workflow mit Abacus AI einrichten
Lass uns jetzt praktisch werden. Wie kommst du von „interessante Idee“ zu einem funktionierenden Setup?
1. Abacus AI Desktop Agent installieren
- Account anlegen oder einloggen bei Abacus AI
- Auf dem Dashboard den Desktop Agent herunterladen
- Installieren und einloggen
- Editor konfigurieren (Theme, Shortcuts, etc.)
Du siehst jetzt eine Umgebung, die stark an VS Code erinnert:
- links: Dateibaum, ggf. Chat‑Icon
- Mitte: Editor
- unten: Terminal / Logs
- rechts: Chat‑Fenster (je nach Layout)
2. Regel‑Set für Gemini + Claude definieren
Das Herzstück dieses Workflows ist ein Regel‑Set, das dem Agent sagt:
> „Wann sollst du Gemini 3.0 Pro verwenden – und wann Claude 4.5 Opus?“
So legst du das an:
- Klicke auf das Zahnrad‑Symbol (Settings)
- Gehe zu Rules
- Erstelle ein neues Regelset, z.B. „Opus & Gemini Dual Engine“
- Fülle aus:
- Beschreibung: Kurze Erklärung, was dieses Regelset tun soll
- Optional: File Globs (z.B. src/frontend/**, src/backend/**), um Bereiche zu trennen
- Optional: „Always On“, wenn du möchtest, dass dieses Regelset standardmäßig aktiv ist
Beispielhafte Logik für dein Regel‑Set (Konzept)
Du kannst dir das ungefähr so vorstellen (Pseudo‑Regeln):
-
Für High‑Level‑Tasks / Planung:
- Wenn Prompt Begriffe enthält wie „plan“, „architecture“, „design the system“, „API design“:
- Nutze Claude 4.5 Opus
- Aktiviere „High effort thinking“
- Liefere:
- Liste der Kernfeatures
- Schichtenmodell (Client, API, Orchestrierung, Daten)
- detaillierten Implementierungsplan
-
Für Implementation / UI / kleine Schritte:
- Wenn du konkrete Dateien ändern oder UI bauen willst:
- Nutze Gemini 3.0 Pro
- Fokus auf:
- saubere, minimalistische Implementierung
- modulare Struktur
- klare Kommentare und Docs
-
Fallback:
- Wenn komplexe Refactorings oder knifflige Logik auftreten:
- Schalte zurück zu Claude 4.5 Opus
- Lass es tiefer in den Code „denken“
Das Schöne: Du musst kein Code schreiben, sondern in natürlicher Sprache erklären, was du erwartest. Der Abacus‑Agent interpretiert diese Regeln.
Praxisbeispiel: Die App „AI Code Surgeon“
Um die Möglichkeiten zu demonstrieren, wurde im Video eine komplette App gebaut:
> „AI Code Surgeon“ – ein autonomes „Operationssystem“ für Code‑Reparatur und -Optimierung
Was diese App kann:
- Code reparieren, refaktorisieren und verbessern
- Unterschiedliche „Operations‑Modi“ (z.B. Schnellfix vs. Tiefen‑OP)
- Eine Blueprint‑Ansicht mit Architektur‑Übersicht und „Vitals“ des Codes
- Diff‑Ansicht, Konsultations‑Chat, Exportfunktionen
Schauen wir uns den Entstehungsprozess genauer an.
Phase 1: Produkt‑ und Systemplanung mit Claude 4.5 Opus
Zuerst wird ein detaillierter System‑Prompt formuliert, den der Abacus‑Agent an Claude 4.5 Opus weitergibt – gestützt durch dein zuvor erstelltes Regel‑Set.
1. System‑Prompt für „AI Code Surgeon“
Ziel des Prompts:
- Klar definieren, was die App tun soll
- Welche Features wichtig sind
- Welche Qualitätsziele gelten (z.B. Sicherheit, Performance, UX)
Typische Inhalte:
-
Name: „AI Code Surgeon“
-
Zweck: autonomer Code‑Doktor, der:
- Code annimmt
- Ziele (sogenannte „surgical goals“) erhält, z.B.:
- „Verbessere Sicherheit“
- „Erhöhe Performance“
- „Entferne console.logs“
- daraus einen Operationsplan erstellt
- Änderungen vornimmt
- eine Diff‑Ansicht und Erklärung liefert
-
View‑Ideen:
- Operations‑Ansicht: Codeeingabe, Ziele, Ergebnis
- Diff‑Ansicht: Vorher/Nachher
- Blueprint‑Ansicht: Architektonische Darstellung der Änderungen
- Metriken wie:
- Lines of Code
- Anzahl Funktionen
- Komplexitäts‑Schätzung
-
UX‑Anforderungen:
- moderne, animierte Oberfläche („Operationsraum“‑Metapher)
- klarer Call‑to‑Action („Surgery starten“)
- verschiedene Modi (z.B. „Chief Mode“, „Emergency Room“)
2. Was Claude 4.5 daraus macht
Auf Basis deines Regel‑Sets und des Prompts erstellt Claude 4.5 Opus:
-
Eine Liste der Kernfeatures
-
Einen Implementierungsplan, z.B. in Phasen:
- Phase 1: Grundgerüst und Kernoperation (Code rein, Code raus)
- Phase 2: Diff‑View, UI‑Feinschliff
- Phase 3: Blueprint‑Ansicht und Metriken
- Phase 4: Mehrere Modes, z.B. Chief/Emergency
-
Eine Systemarchitektur, z.B.:
- Client‑Layer:
- React/Next.js‑Frontend mit mehreren Views
- API‑Layer:
- Endpunkte wie /analyze, /operate, /blueprint
- Orchestrierungs‑Services:
- Service, der:
- Ziel („surgical goal“) entgegennimmt
- passende Model‑Prompts generiert
- Ergebnisse in UI‑freundliches Format gießt
- Daten‑Layer:
- temporäre Speicherung von Code‑Snapshots, Metriken, Logs
-
API‑Design:
- Eingabe‑/Ausgabe‑Schemas
- welche Felder an den Client zurückgehen
- wie Fehler gehandhabt werden (z.B. ungültiger Code, Timeout)
Das Ergebnis ist ein sehr ausführlicher technischer Plan, den du Gemini 3.0 Pro als „Rezept“ geben kannst.
Phase 2: Umsetzung mit Gemini 3.0 Pro
Wenn der Plan steht, wechselt der Workflow zur Implementierung.
1. Modellwechsel zu Gemini 3.0 Pro
Im Abacus‑Interface:
- Links in der Modell‑Auswahl wählst du Gemini 3.0 Pro
- Du gibst einen Prompt in der Art:
> „Setze bitte Phase 1 des technischen Plans um. Erstelle die Grundstruktur der App ‚AI Code Surgeon‘, inklusive Startseite, Codeeingabefeld, ‚Surgery starten‘‑Button und grundlegender API‑Anbindung. Halte dich genau an die vorgegebene Architektur.“
Wichtig:
Formuliere explizit, mit welcher Phase begonnen werden soll, statt vage „Starte einfach“.
2. Was Gemini 3.0 Pro dann tut
Der Abacus‑Agent sorgt dafür, dass Gemini:
- Dateien anlegt (z.B. pages/index.tsx, components/CodeInput.tsx, api/operate.ts)
- eine moderne UI erstellt:
- animierter Hintergrund (z.B. „Neon‑OP‑Saal‑Vibe“)
- klar beschriftete Flächen (z.B. „AI Code Surgeon“, „Beginne eine Operation“)
- die Grundlogik für:
- Codeeingabe
- Zielwahl („surgical goal“)
- Request an die Backend‑API
Weil Gemini sich auf Implementation & UI spezialisiert, bekommst du:
- sehr saubere, modulare Components
- minimalistischen, aber durchdachten Code
- schnelle Iterationsmöglichkeiten („Mach den Button runder“, „Füge Dark Mode hinzu“)
Parallel bleibt Claude verfügbar, wenn:
- logische Probleme auftauchen
- komplexere Refactorings nötig werden
Der Abacus‑Agent switcht dann intern das Modell, ohne dass du viel tun musst – je nach Regel‑Set.
Die fertige App: Features von „AI Code Surgeon“
Lass uns kurz rekapitulieren, was am Ende tatsächlich entstanden ist.
1. Zentrales UI & Workflow
-
Start‑View mit animiertem Hintergrund
-
klarer Branding‑Bereich: „AI Code Surgeon“
-
Eingabefeld für:
- deinen aktuellen Code
- Auswahl oder Eingabe eines Surgical Goals, z.B.:
- „Entferne alle console.log‑Statements“
- „Verbessere Performance“
- „Erhöhe Sicherheit“
- „Füge JSDoc‑Header hinzu“
-
Start‑Button, z.B. „Start Surgery“ oder „Begin Operation“
Wenn du dann auf Start klickst:
- Der Code wird analysiert
- passende Änderungen werden erarbeitet
- du bekommst eine Diff‑Ansicht zur Überprüfung
2. Diff‑Ansicht: Was hat die KI verändert?
Die App bietet eine Diff‑View, die dir zeigt:
- Originalcode vs. modifizierter Code
- farblich hervorgehobene Änderungen
- ggf. inline oder Side‑by‑Side
Zusätzlich kannst du:
- Änderungen akzeptieren
- den aktualisierten Code kopieren
- oder ggf. als Datei exportieren
Das ist extrem hilfreich, wenn du:
- mehr Kontrolle über KI‑Änderungen behalten willst
- Code‑Reviews vereinfachen möchtest
3. Blueprint‑Ansicht: Architektonische „Röntgenaufnahme“
Ein besonders spannendes Feature ist die Blueprint‑View.
Idee:
Du siehst nicht nur die Änderungen, sondern auch eine „medizinische“ Übersicht über deinen Code:
-
Plan:
- Was wurde geändert?
- Welche Ziele standen im Fokus (Sicherheit, Performance, Lesbarkeit)?
-
Vitals / Metriken:
- Anzahl Zeilen Code
- Anzahl Zeichen
- Anzahl Funktionen
- geschätzte Komplexität
- ggf. Verteilungen (z.B. Anzahl if‑Statements, Schleifen, etc.)
Selbst wenn die erste Implementierung im Video kleinere Fehler hatte, wurde anschließend erfolgreich ein Blueprint mit diesen Informationen generiert und in der App angezeigt.
Damit hast du:
- eine visuelle, datengetriebene Sicht auf deine Codebasis
- eine Begründung für Änderungen („wir reduzieren Komplexität in Modul X“)
- Ansatzpunkte für weitere Optimierung
4. Consultation‑View: Chat mit deinem Code
Zusätzlich kannst du mit deinem Code wie mit einem Patienten „sprechen“:
-
Fragen stellen:
- „Warum wurde diese Funktion refaktorisiert?“
- „Wie könnte man die Sicherheit hier weiter erhöhen?“
- „Welche Risiken siehst du in diesem Modul?“
-
Erklärungen einholen:
- zu bestimmten Designentscheidungen
- zu Algorithmen oder Patterns
- zu möglichen Alternativen
Damit verwandelt sich „AI Code Surgeon“ in eine Art Code‑Coach, nicht nur einen blinden Automat für Änderungen.
Modi & Prompt‑Strategien: Chief Mode & Emergency Room
Ein besonders cleverer Teil des Systems sind die Betriebsmodi, die vor allem über unterschiedliche Prompt‑Strategien gesteuert werden.
Chief Mode – der Chefarzt für große Eingriffe
Ziel dieses Modus:
- ideal für größere, strukturelle Änderungen an deinem Code
- Fokus auf:
- Lesbarkeit
- Modernität
- langfristige Wartbarkeit
Obwohl die ursprüngliche Konfiguration im Video eher nach Claude klang, lief der Modus im Beispiel mit Gemini 3.0 Pro – aber mit einer anderen Prompt‑Strategie.
Der Prompt im Chief Mode fordert Dinge wie:
- „Schreibe modernen, idiomatischen Code“
- „Refaktoriere umfassend, wenn es der Qualität dient“
- „Verbessere Struktur, benenne Funktionen klarer, entkopple Module“
Verwendung:
- wenn du z.B. alte Legacy‑Funktionen modernisieren willst
- wenn du Code generell auf ein neues Qualitätsniveau heben möchtest
- wenn Lesbarkeit wichtiger ist als absolute Geschwindigkeit
Emergency Room Mode – die KI‑Notaufnahme
Hier wird es spannend:
Emergency Room Mode ist kein anderes Modell, sondern:
- ein anderer Prompt‑Stil
- eine andere UI‑Darstellung (rot/schwarz, „kritischer Zustand“)
Ziel dieses Modus:
- Minimalinvasive, schnelle Eingriffe
- So wenig Änderungen wie möglich
- Fokus auf den definierten, dringendsten Schmerzpunkt
Der Prompt sagt sinngemäß:
- „Mach nur das Nötigste, um das Problem zu lösen“
- „Keine großflächigen Refactorings“
- „Priorisiere Geschwindigkeit und Stabilität der Änderung“
Beispiel:
- du setzt das Surgical Goal auf „Improve performance“
- du klickst „Hot Fix Now“ im Emergency‑Mode
Resultat:
- schnellere, fokussierte Optimierungen
- weniger Risiko für unerwünschte Nebenwirkungen
- perfekte Ergänzung für Produktionssysteme, wo du nicht „mal eben“ alles umbauen willst
Warum dieser Dual‑Model‑Ansatz so stark ist
Wenn man das Beispiel „AI Code Surgeon“ abstrahiert, entsteht ein Muster, das du auf viele andere Projekte übertragen kannst.
1. Trennung von „Was“ und „Wie“
-
Claude 4.5 Opus:
- definiert Was gebaut werden soll
- denkt in Systemen, Komponenten, Schnittstellen
- achtet auf Langfristigkeit und Wartbarkeit
-
Gemini 3.0 Pro:
- kümmert sich um das Wie
- setzt Anforderungen konkret und schnell um
- glänzt besonders bei UI und schrittweiser Code‑Erstellung
Diese Trennung ist im Grunde klassische Software‑Engineering‑Best Practice – jetzt eben mit KI.
2. Agenten‑Layer statt „nur Chat“
Der Abacus AI Desktop Agent macht aus zwei Modellen ein integriertes Entwicklungssystem:
- Modelle werden nicht „manuell angetriggert“, sondern per Regeln orchestriert
- der Agent:
- liest deine Regeln
- beobachtet deine Prompts
- wählt das geeignete Modell
- interagiert mit Editor, CLI und Desktop
Das ist ein großer Unterschied zu:
- „Ich mache einen Tab mit Gemini auf und einen Tab mit Claude“
- du überträgst Dinge per Copy & Paste
- du bist selbst der Orchestrator, der ständig Entscheidungen trifft
Hier übernimmt die Agentenlogik diese Rolle.
3. Generalisierbarkeit auf andere Projekte
Das Muster lässt sich leicht übertragen, z.B. auf:
-
SaaS‑Dashboards:
- Claude plant API, RBAC, Abrechnung, Datenmodell
- Gemini baut UI‑Dashboard mit Charts, Modals, Settings
-
Interne Developer‑Tools:
- Claude plant eine CLI‑Toolchain oder ein Monorepo‑Design
- Gemini implementiert die einzelnen Befehle und Frontends
-
Daten‑Analyse‑Plattformen:
- Claude entwirft Pipelines, Datenflüsse, Schema‑Evolution
- Gemini implementiert Visualisierungen, Outlier‑Dashboards, Reports
Solange du die Rollen klar definierst („Claude = Architekt, Gemini = Implementierer“), kannst du dieses Setup auf sehr viele Use Cases übertragen.
Konkrete Tipps für deinen Einstieg
Wenn du das jetzt selbst ausprobieren möchtest, hier ein paar praktische Hinweise.
1. Fang klein an – aber mit echter App‑Struktur
Statt direkt „die nächste Multi‑Tenant‑SaaS“ zu bauen:
- Nimm eine überschaubare App‑Idee:
- z.B. ein „AI Log Cleaner“, „AI Query Optimizer“, „AI E‑Mail Refiner“
- Nutze Claude 4.5 Opus für:
- funktionale Anforderungen
- Architektur, API, Datenmodell
- Nutze Gemini 3.0 Pro für:
- UI‑Prototyp und erste Implementierung
- späteren Feinschliff
So bekommst du in wenigen Stunden eine echte App, keine isolierten Code‑Snippets.
2. Investiere Zeit in dein Regel‑Set
Viele unterschätzen, wie wichtig die Regeln im Abacus‑Agent sind.
Frage dich:
- Für welche Aufgaben brauche ich Tiefen‑Reasoning?
- Wo reicht schnelle, saubere Implementierung?
- Wo sollten immer Fallbacks greifen (z.B. komplexes Refactoring → Claude)?
Formuliere das in natürlicher Sprache, so als würdest du einem Kollegen erklären:
> „Immer wenn es um Planung, Architektur, langfristige Entscheidungen geht, ruf bitte Claude 4.5 Opus. Wenn wir konkrete UI‑Elemente und Implementierungsschritte machen, nimm Gemini 3.0 Pro. Wenn eine Implementierung komplexe Logik mit vielen Randfällen hat, lass Claude noch einmal drüber schauen.“
Diese Regeln machen den Unterschied zwischen „nett“ und „wirklich produktiv“.
3. Nutze verschiedene Modi (Prompt‑Strategien)
Überlege dir bewusst Modi wie:
- „Refactor Deeply“ (Chief Mode):
- umfassende Modernisierung und Qualitätssteigerung
- „Minimal Hotfix“ (Emergency Room):
- gezielte, kleine Fixes mit minimalem Risiko
Du kannst das über:
- UI‑Schalter
- oder spezielle Prompts („Arbeite im Emergency‑Modus: nur minimale Änderungen!“)
lösen. Wichtig ist:
Gleicher Code, völlig unterschiedliche Ergebnisse – je nach Modus.
4. Baue Feedback‑Schleifen ein
Ein starker Workflow kann so aussehen:
- Claude plant das System
- Gemini implementiert die erste Version
- Claude analysiert den generierten Code:
- findet strukturelle Schwächen
- schlägt Verbesserungen vor
- Gemini setzt die Verbesserungen um
So entsteht ein iterativer Loop, ähnlich wie ein Duo aus Senior‑Architekt (Claude) und Senior‑Frontend/Implementierer (Gemini).
Fazit: Vom KI‑Spielzeug zum echten Coding‑System
Wenn du bisher das Gefühl hattest, KI‑Coding sei:
- nett zum Prototypen
- aber nicht wirklich produktionsreif
… dann lohnt es sich, deinen Blickwinkel zu ändern.
Der im Video gezeigte Ansatz mit:
- Gemini 3.0 Pro als schnellem, präzisem Implementierer
- Claude 4.5 Opus als tief denkendem Architekten
- und dem Abacus AI Desktop Agent als intelligenter Orchestrierungs‑Schicht
zeigt, wohin die Reise geht:
- weg von isolierten Chat‑Antworten
- hin zu agentischen Entwicklungsumgebungen, die komplette Apps planen, bauen und verbessern können
Die App „AI Code Surgeon“ ist dabei nur ein Beispiel – aber ein sehr anschauliches:
- Autonome Code‑Reparatur und Optimierung
- Diff‑View, Blueprint‑Ansicht, Consultation‑Chat
- verschiedene Betriebsmodi für unterschiedliche Anforderungen
Wenn du das Prinzip verstanden hast, kannst du es auf nahezu jedes Projekt anwenden, das du mit KI unterstützen willst.
Nächste Schritte für dich:
- Überlege dir ein kleines, aber echtes App‑Konzept, das dir oder deinem Team hilft.
- Richte den Abacus AI Desktop Agent ein und erstelle ein erstes Opus + Gemini‑Regel‑Set.
- Lass Claude 4.5 Opus einen technischen Plan ausarbeiten.
- Nutze Gemini 3.0 Pro, um diesen Plan schrittweise umzusetzen.
- Iteriere – und beobachte, wie sich die Qualität deiner KI‑unterstützten Entwicklung verändert.
Wenn du möchtest, können wir im nächsten Schritt gemeinsam:
- einen konkreten System‑Prompt für dein Projekt formulieren
- oder ein Beispiel‑Regel‑Set für Abacus AI ausarbeiten, das du direkt ausprobieren kannst.
