Modelle wie Fable 5 und Opus 4.8 sind mächtig, aber zu teuer, um sie an jeder kleinen Aufgabe zu verbrennen. Also nutz sie nur für das, was zählt: den Plan und die Prüfung. Die eigentliche Arbeit macht ein günstigeres, schnelleres Modell.
Das Ganze ist ein einfaches Loop-System: Top-Modell plant, ein Executor-Subagent führt aus, Top-Modell prüft, und mit /goal läuft es von allein, bis das Ergebnis wirklich sitzt. So hältst du dein Limit um ein Vielfaches länger. Hier ist das komplette Setup zum Kopieren.
Das teure Modell denkt und prüft, das günstige arbeitet. Genau so bleibt Qualität hoch und Verbrauch niedrig.
Fable 5 oder Opus 4.8 sind zu stark und zu teuer, um sie für Fleißarbeit zu vergeuden. Sie machen nur die zwei Dinge, in denen sie unschlagbar sind: einen klaren Plan mit Akzeptanzkriterien schreiben und am Ende das Ergebnis prüfen. Kein Zeilen-für-Zeilen-Tippen.
Die eigentliche Umsetzung übernimmt ein Executor-Subagent, der auf einem günstigeren, schnelleren Modell läuft. Genau hier kommt die Ersparnis her: Die vielen Token für die Fleißarbeit kosten nur noch einen Bruchteil, während dein Limit für das Top-Modell frei bleibt.
Das Top-Modell prüft das Ergebnis gegen die Kriterien. Passt es nicht, geht es mit konkretem Feedback zurück an den Executor. Mit /goal automatisierst du genau diesen Loop: Ein kleines Modell prüft nach jedem Turn, ob die Bedingung erfüllt ist, und lässt sonst weiterlaufen, bis sie sitzt.
Erst den Executor-Subagent anlegen, dann die Orchestrator-Regel in deine CLAUDE.md, danach läuft jede Aufgabe automatisch über das System. Der Autopilot ist optional obendrauf.
Speicher das als .claude/agents/executor.md in deinem Projekt. Das Feld model pinnt ihn auf ein günstiges Modell, unabhängig von deiner Hauptsession.
--- name: executor description: Führt einen vorgegebenen Plan-Schritt präzise aus. Trifft keine Architektur-Entscheidungen, plant nicht, fragt bei Unklarheit zurück. tools: Read, Edit, Write, Bash, Grep, Glob model: sonnet --- Du bist der Executor. Du bekommst vom Haupt-Modell einen klaren Plan-Schritt mit Akzeptanzkriterien. Regeln: - Setz genau den beschriebenen Schritt um, nicht mehr und nicht weniger. - Triff keine Architektur- oder Design-Entscheidungen. Ist etwas unklar, halt an und frag zurück, statt zu raten. - Keine Extras: keine ungefragten Refactorings, keine Zusatz-Features, kein Aufhübschen. - Wenn du fertig bist, prüf dein Ergebnis gegen die Akzeptanzkriterien und meld kurz zurück: was erledigt ist (mit Beleg wie Testausgabe oder Diff) und was offen blieb. Für die eigentliche Arbeit reicht ein günstiges, schnelles Modell. Genau dafür bist du da. # Tipp: Für ganz einfache Aufgaben model: haiku statt sonnet.
Häng das in deine CLAUDE.md (global oder pro Projekt). Damit wird dein Top-Modell dauerhaft zum Planer und Richter, ganz ohne dass du dran denken musst.
## Arbeitsweise: planen, delegieren, prüfen Du bist das stärkste Modell in diesem Setup und damit Planer und Prüfer, nicht der Arbeiter. Für jede nicht-triviale Aufgabe: 1. PLAN: Zerleg die Aufgabe in klare Schritte und schreib messbare Akzeptanzkriterien auf (woran erkennt man, dass es fertig UND korrekt ist, z.B. Tests grün, Build ohne Fehler). 2. DELEGIEREN: Gib die Umsetzung Schritt für Schritt an den executor-Subagent (läuft auf einem günstigeren Modell). Du selbst schreibst keinen Routine-Code. 3. PRÜFEN: Prüf das Ergebnis des Executors mit frischem Blick gegen die Akzeptanzkriterien. Erfüllt = fertig. Nicht erfüllt = konkretes Feedback zurück an den Executor und noch eine Runde. Nur wenn eine Aufgabe wirklich winzig ist, machst du sie direkt selbst. Alles andere läuft über den Executor, damit das teure Modell für Denken und Prüfen reserviert bleibt.
So startest du eine Aufgabe und lässt sie von allein bis zum verifizierten Ende laufen. Die Bedingung schreibst du als prüfbaren Endzustand.
# Aufgabe starten (im normalen Chat): Plane diese Aufgabe, delegier die Umsetzung an den executor-Subagent und prüf das Ergebnis gegen die Kriterien: [DEINE AUFGABE] # Autopilot: /goal setzt eine Bedingung; ein kleines Modell prüft nach # jedem Turn und lässt weiterlaufen, bis sie erfüllt ist: /goal alle Tests in [ORDNER] sind grün und der Build läuft ohne Fehler durch, oder stopp nach 20 Turns # Status ansehen: /goal Abbrechen: /goal clear # (braucht Claude Code v2.1.139 oder neuer) # Zeitgesteuert statt sofort? Statt /goal: # /loop wiederholt den Prompt in einem Intervall # /schedule legt eine Cloud-Routine an (z.B. jede Nacht)
Zwei Dinge, die den Unterschied machen: Delegier an ein günstigeres Modell wie Sonnet oder Haiku, nicht an Opus. Opus 4.8 ist selbst ein Top-Modell, die Ersparnis kommt erst mit den kleinen. Und: Kombinier /goal mit dem Auto-Modus, dann läuft jeder Turn ohne Rückfrage durch.
Wichtig beim Prüfen: Der /goal-Prüfer liest nur, was im Chat steht, er führt selbst nichts aus. Schreib die Bedingung also so, dass dein Ergebnis sie belegt, zum Beispiel "npm test endet mit 0".
Einmal aufsetzen, dann arbeitet das System bei jeder Aufgabe für dich.
Leg die Datei aus Block 1 in deinem Projekt an. Der Subagent läuft ab jetzt auf Sonnet (oder Haiku), egal welches Modell deine Hauptsession nutzt.
Häng die Regel aus Block 2 in deine CLAUDE.md. Ab da plant dein Top-Modell, delegiert an den Executor und prüft das Ergebnis, ganz automatisch.
Gib deine Aufgabe mit dem Kickoff aus Block 3. Dein starkes Modell zerlegt sie, schickt die Arbeit an den Executor und prüft, bevor es dir etwas als fertig meldet.
Für größere Aufgaben setz mit /goal einen prüfbaren Endzustand, dann läuft der Loop von allein, bis er erreicht ist. Soll es zeitgesteuert laufen, nimm /loop oder eine /schedule-Routine.
Das Loop-System ist der Anfang. Wenn du Claude Code wirklich von Grund auf produktiv nutzen willst, mit eigenen Agents, Skills und Automationen, dann bist du auf der SKAILE Academy richtig.
Kein langes Formular: ein Klick und du bist direkt da.
Zur SKAILE Academy →