Agent SDLC auf einem internen LLM: Engineering statt Prompts
OpenCode
In einer Unternehmensumgebung mit strengen Sicherheitsrichtlinien sind externe LLMs verboten, und interne Modelle sind deutlich schwächer. Der Artikel beschreibt einen Ansatz, der strukturelles Engineering nutzt – deterministische Codeblöcke, verzögert geladene Regeln und Subagenten – um reale Aufgaben zuverlässig zu erledigen.
Der Artikel stellt einen agentischen SDLC-Ansatz vor, der für ein großes Android-Projekt unter Verwendung eines internen LLM-Gateways entwickelt wurde (keine Frontier-Modelle erlaubt). Die Methode stützt sich eher auf strukturelles Engineering als auf Prompts: Regeln werden in Tabellen gespeichert und bei Bedarf frisch gelesen, Agenten sind über Dateien isoliert, und gefährliche Aktionen werden durch deterministischen Code blockiert. Das Harness umfasst lazy-loaded Regeln, Unteragenten für Kontextisolierung und Rollenspezialisierung, Vision-to-Text-Routing über ein Vision-Modell sowie ein dreistufiges Schutzsystem (Prompts, Berechtigungen, Plugins). Der Orchestrierungsbefehl /ticket folgt einem spezifikationsgesteuerten Entwicklungsablauf: Triage, Workspace-Einrichtung, Designextraktion, Analyse, Round-Trip-Fragen, Testplan, Implementierung und Stichprobenkontrolle. Jeder Agent hat eine enge Rolle, und der Kontext wird sorgfältig verwaltet, um Tokens zu sparen. Mehrere Vorfälle aus dem Arbeitsprotokoll veranschaulichen, wie strukturelle Korrekturen das Wiederauftreten von Fehlern verhinderten.
Quelle: Habr — хаб ИИ —
Original