AIDive

Ich ließ Anthropics Fold-Test auf Claude Code Agent 4 los

Von AIDive · Veröffentlicht am

Coding-Agents

Drei Subagent-Dateien, die sich noch lohnen

Eine Claude Code Subagent-Datei ist eine Markdown-Datei, die einen Helfer mit eigenem, frischem Kontext definiert. Anthropic rät zu weniger Subagents und behält sie für wenige Fälle, mit einem Test dazu. Wir haben die Dateien geschrieben, die dabei übrig bleiben, jede an einem echten Repo ausgeführt und den Fold-Test noch an einem weiteren Agenten laufen lassen. Aufbau: Claude Code 2.1.294 mit Opus 5.5, Läufe vom 2026-11-08, an einer kleinen TypeScript-Rechnungs-API und am Hono-Repo.

Der Haken: Der verbreitete Rat lautet, die eigenen Subagents zu löschen, während Anthropics Artikel sie für bestimmte Fälle behält und einen Test mitliefert. Wir haben diesen Test an dem Agenten ausgeführt, den jede Sammlung mitbringt, einem Test-Writer. Als Skill gefaltet bestand er alle zwölf Läufe. Drei Dateien überleben: ein Scout, der nur liest, ein Reviewer, der nur liest und eine grüne Änderung durchließ, aber trotzdem ein Risiko meldete, nach dem niemand gefragt hatte, und ein isolierter Builder, der ein ganzes Feature in einer eigenen Kopie des Repos auslieferte, während die Hauptsession weiterarbeitete.

Was eine Subagent-Datei ist, und Anthropics Test

Ein Subagent ist ein Helfer mit eigenem, frischem Kontext. In einem großen Repo bleibt alles, was deine Session liest, in ihrem Kontext, also in ihrem Arbeitsgedächtnis, und das füllt sich. Ein Subagent arbeitet wie ein Kollege, der ein Ticket bekommt, die halbe Codebasis liest und eine kurze Notiz zurückschickt.

Du legst in deinem .claude-Ordner einen Ordner agents an, und jeder Subagent ist darin eine Markdown-Datei. Oben schreibst du einen Namen und eine Beschreibung, die sagt, wann er zum Einsatz kommt. Das sind die einzigen Pflichtfelder. Die Beschreibung ist wichtiger, als sie aussieht, denn Claude liest sie, wenn es entscheidet, ob es den Helfer überhaupt aufruft. Als wir den Befehl agents eingaben, teilte Claude Code uns mit, dass der Assistent entfernt wurde. Du schreibst die Datei also selbst oder lässt Claude sie schreiben. Das Format steht in der Sub-Agents-Dokumentation.

Anthropics Applied-AI-Team hat einen Artikel darüber geschrieben, Subagents wieder in den Hauptagenten zu falten, gerichtet an die eigene Plattform. Er behält Subagents für drei Fälle: Dein Kontext bläht sich auf, du brauchst parallele Arbeit in frischen Kontexten, die du wegwirfst, oder dein Agent findet die richtigen Tools nicht. Alles andere kann meist ein Skill sein, also dieselben Anweisungen, die bei Bedarf in deine Hauptsession geladen werden. Der Test: Baue eine kleine Eval, falte den Subagent ein und behalte den Subagent nur, wenn die gefaltete Version schlechter abschneidet.

Der Preis eines Subagents ist, dass er blind startet. Er weiß nur, was in seinem Prompt steht, und bei jeder Übergabe kann ein Detail verloren gehen. Bevor du also irgendeine Datei schreibst, benenne den Fall, den sie abdeckt.

Anthropics Fold-Test an einem vierten Agenten

Der Fold-Test ist Anthropics Weg zu entscheiden, ob ein Subagent seine Datei verdient. Er läuft auf einer Eval, einer festen Menge von Aufgaben, die du jedes Mal gleich ausführst, mit einer Bestehensregel, die du vorher wählst. Wir haben ihn auf den Test-Writer angewendet, den Agenten, den fast jeder hinzufügt, weil jede Sammlung einen mitbringt. Es ist ein Subagent, der Tests für ein Modul schreibt, deinen Quellcode nie anfasst und die Suite laufen lässt, bis sie grün ist.

Die Methode: Die Agent-Datei bleibt, wie sie ist, dieselben Anweisungen kommen in einen Skill, und jede Aufgabe läuft mehrfach mit dem Agenten. Dann schiebst du die Agent-Datei beiseite und führst dieselben Aufgaben noch einmal mit dem Skill aus. Du verlierst nichts, wenn der Test gegen die Datei ausgeht, denn du verschiebst nur die Anweisungen.

Wir haben das an unserer kleinen Rechnungs-API ausgeführt, mit einem Prompt pro Modul, etwa "add tests for the router", sechs Aufgaben mit je zwei Läufen pro Variante. Die Bestehensregel stand vorab fest: Die Suite muss grün sein, keine Quelldatei darf sich ändern, und die neuen Tests müssen einen eingebauten Bug finden. Ein eingebauter Bug ist eine winzige Änderung im Code, die die alten Tests übersehen haben, ein guter neuer Test muss daran also scheitern.

Variante Aufgerufen Bestanden Ø Kosten Ø Laufzeit
Subagent 12/12 11/12 $0.410 72 s
In einen Skill gefaltet 12/12 12/12 $0.262 36 s

Der Subagent fiel einmal durch. Beim Router probierte er einen Testbefehl, den unsere Projekteinstellungen nicht erlaubten, sodass niemand seine neuen Tests ausführte und einer davon rot war. Die gefaltete Version brauchte etwa halb so lange, weil die Hauptsession das Repo schon kannte und keinen Helfer von Grund auf einweisen musste. Der gefaltete Test-Writer antwortet schneller und kostet bei jeder Anfrage weniger, und du verlierst nichts. Anthropics Schwesterartikel sagt, dass Setups mit vielen Agenten typischerweise deutlich mehr Tokens verbrennen als ein einzelner Agent, und unsere Läufe deuten in dieselbe Richtung.

Der Test-Writer besteht den Fold-Test nicht, denn gefaltet schneidet er mindestens genauso gut ab und kostet weniger. Die Grenze: Das ist eine kleine Eval mit zwölf Läufen pro Seite an einem Repo, und der Ausfall lag teilweise an unseren Berechtigungen. Führe sie an deinem eigenen Repo aus und lies jeden Lauf, der kippt. Wir haben den Skill geschrieben, beide Versionen ausgeführt, und die Agent-Datei ist rausgeflogen, weil die gefaltete Version nie schlechter abschnitt.

Datei eins: der Scout, der nur liest

Ein Scout ist ein Subagent, der nur lesen und suchen kann und ein paar Zeilen mit dem Beleg zurückgibt. Ohne ihn muss deine Hauptsession bei einer Frage, die viele Dateien erfordert, alle selbst lesen und trägt danach jede Zeile mit sich herum.

Du gibst ihm die Lese- und Suchwerkzeuge und sonst nichts, damit er keine Datei bearbeiten und keine eigenen Helfer starten kann. Du setzt ihn auf Haiku, Anthropics kleines, günstiges Modell, weil Lesen und Suchen dein bestes Modell nicht brauchen. Dazu schreibst du einen Rückgabevertrag, die Form der geforderten Antwort: erst die Antwort, dann die Datei und die Zeile, die sie belegen, dann was er nicht gefunden hat. In der Beschreibung sagst du Claude, dass es ihn für Fragen nutzen soll, die viele Dateien erfordern, einen Scout pro Frage, parallel.

Wir haben Hono geklont, ein großes quelloffenes Web-Framework, und ein Audit verlangt, wie alle siebenundzwanzig eingebauten Middlewares eine Anfrage ablehnen. Wir haben das Audit inline ohne Agenten ausgeführt, dann mit Scouts parallel, die sich je einen Teil der Ordner vornahmen. Beide Wege lieferten dieselbe Antwort, bis auf dieselben Middlewares und dieselben Statuscodes. Je zwei Läufe:

Messwert Inline, Lauf 1 / Lauf 2 Scouts, Lauf 1 / Lauf 2
Hauptkontext am Ende (Tokens) 45,868 / 47,476 30,505 / 33,937
Kosten $0.457 / $0.433 $0.267 / $0.344

Mit den Scouts war die Hauptsession am Ende etwa ein Drittel leichter, weil sie deren kurze Notizen las statt jeder Datei. Dieser Spielraum zählt, wenn du in derselben Session weiterarbeitest: Deine nächste Aufgabe startet mit weniger Ballast und weniger, das sie vergessen kann. Die Scouts liefen auf dem günstigen Modell, also kostete der ganze Lauf weniger. Das ist der Behalten-Fall, den Anthropic beschreibt: Das große Lesen passiert an einem Ort, den du wegwirfst, und deine Session behält den Platz für die Arbeit danach.

Nun die Grenze. Bei kleinen Fragen, die nur ein paar Dateien brauchen, sparten die Scouts fast nichts. Ein Benchmark auf dev.to fand dasselbe bei gewöhnlichen Suchen: Das Auffächern fand nichts mehr und kostete viel mehr. Außerdem gab die Hauptsession die Antwort der Scouts weiter, ohne die Dateien selbst zu öffnen, also prüfe die Belegzeilen, bevor du handelst. Schicke einen Scout, wenn das Lesen groß ist und deine Session danach noch Arbeit hat, und lass ihn bei einem schnellen Nachschlagen weg.

Datei zwei: der Reviewer, der nur liest

Ein Reviewer ist ein Subagent mit frischem Blick, der nur lesen kann. Wenn deine Tests grün sind, ist es verlockend, eine Änderung zu mergen, die niemand gelesen hat, und die Session, die sie geschrieben hat, ist die schlechteste, um sie zu beurteilen, weil sie ihrem eigenen Plan schon glaubt. Der Reviewer sieht die Spezifikation und den Diff, also die Liste der Zeilen, die die Änderung hinzufügt und entfernt.

Du gibst ihm nur die Lese- und Suchwerkzeuge. Du lässt Edit und Write weg, damit er nicht beheben kann, was er findet, und das Agent-Tool, damit er keine Helfer starten kann. Anthropics Doku sagt genau das: Halte einen Reviewer schreibgeschützt, indem du das Agent-Tool weglässt. Dann schreibst du die Form der Antwort in die Datei: ein Urteil, bestanden oder durchgefallen, dann jeder Befund mit Datei, Zeile und zitiertem Code, dann was er nicht belegen konnte. Eine weitere Regel hält ihn ehrlich: keine Stilanmerkungen und kein Befund ohne zitierte Zeile, sodass zu jedem Befund eine Zeile gehört, die du selbst öffnen und prüfen kannst.

Wir gaben ihm eine echte Änderung, einen Tabellenexport offener Rechnungen, den unser Builder geschrieben hatte, mit Spezifikation und vollem Diff. Nach neunzehn Sekunden kam er mit einem Bestanden und einem geringfügigen Befund zu einem möglicherweise fehlenden Kundendatensatz zurück. Unter "was er nicht belegen konnte" meldete er zwei Dinge, nach denen niemand gefragt hatte. Ein Kundenname, der mit einem Gleichheitszeichen beginnt, könnte in einer Tabellenkalkulation als Formel laufen, und die Zeilen waren als Text sortiert, was nur funktioniert, solange die Rechnungsnummern gleich lang bleiben. Das ist ein Reviewer, der eine grüne Änderung durchlässt und trotzdem ein Risiko meldet, und das, ohne eine einzige Datei anzufassen.

Wir haben jeden Punkt selbst geprüft. Nichts löscht einen Kunden, der Befund zum fehlenden Datensatz kann also nicht eintreten, aber das Formelrisiko und die Sortierung sind eine Korrektur wert. Die Grenze: Ein Reviewer weiß nur, was er lesen kann, und markiert den Rest als unbelegt, und du prüfst jeden Befund, bevor du handelst. Lass den Reviewer nach dem Build und vor dem Merge laufen und lies seine Liste des Unbelegten so sorgfältig wie sein Urteil.

Datei drei: der isolierte Builder

Ein Builder ist ein Subagent, der Code in seinem eigenen Worktree schreibt, also in einer zweiten Kopie deines Repos, auf einem eigenen Branch, in einem eigenen Ordner. Er passt zu einem Stück Arbeit, das für sich steht und deine Session beim Bauen nicht blockieren soll.

Du setzt das Feld isolation auf worktree, und Claude Code legt diese Kopie für ihn an und räumt sie auf, wenn sich nichts geändert hat. Du setzt außerdem ein Turn-Limit, damit ein Builder, der sich im Kreis dreht, anhält und abgibt, was er hat, als teilweise markiert. Ohne Limit kann ein festgefahrener Builder weiter Turns am selben fehlschlagenden Test verbrennen, während du auf nichts wartest. In den Anweisungen sagst du ihm, dass er seinen Branch meldet, die Tests und den Typecheck laufen lässt, bis beide durchgehen, und committet.

Wir baten unseren um einen Tabellenexport offener Rechnungen, mit Kundennamen, die Kommas und Anführungszeichen enthalten können, Tests inklusive. Er ging in den Hintergrund, und während er arbeitete, stellten wir der Hauptsession eine andere Frage: welche Rechnungen storniert werden können und wo diese Regel steht. Die Hauptsession antwortete mit der genauen Zeile im Code, und der Builder kam ihr nie in die Quere. Der Builder kam nach etwa anderthalb Minuten zurück, mit einem Commit auf seinem eigenen Branch und vierzehn neuen Tests, die alle bestanden. Unser Hauptbranch änderte sich nicht, bis wir uns zum Mergen entschieden. Wir haben erst gemergt, nachdem der Reviewer ihn durchgelassen hatte, und main rückte einfach auf den Commit des Builders vor, ganz ohne Merge-Commit. Du siehst die Arbeit des Builders immer als Branch, den du lesen, testen und mergen oder wegwerfen kannst.

Ein Artikel über das Auffächern bringt die Regel auf eine Zeile: Fächere für Lesezugriffe auf, bleibe bei Schreibzugriffen einzeln. Die Grenze: Der Worktree startet von deinem Standard-Branch, nicht von dem Stand, auf dem du bist, also ist nicht committete Arbeit nicht darin. Schicke ihn nie an Code, den deine Hauptsession gerade bearbeitet, und lass nie eine Mannschaft von Buildern gleichzeitig schreiben. Gib dem Builder ein Stück, das für sich steht, arbeite weiter und merge nach dem Review.

Fazit: drei Dateien und ein Test

Anthropic sagt, man solle weniger Subagents nutzen, und hat damit recht, aber drei Dateien verdienen ihren Platz noch, jede aus einem Grund, den du benennen kannst. Der Scout hält ein großes Lesen aus deiner Hauptsession heraus. Der Reviewer gibt dir frische Augen, die nur lesen können. Der Builder schreibt ein getrenntes Stück in seiner eigenen Kopie des Repos. Schreibe diesen Grund in die Beschreibung jeder Datei, denn die liest Claude, wenn es entscheidet, ob es sie aufruft. Wenn du den Grund nicht in einem Satz schreiben kannst, ist das meist ein Zeichen, dass der Agent ein Skill sein sollte.

Der Test-Writer schnitt als Skill genauso gut ab, also ist seine Datei weg, und deine kann es wahrscheinlich auch sein. Verzichte auf einen Subagent bei einer schnellen Frage, bei Code, den deine Session gerade bearbeitet, und bei jeder Persona ohne Kontextgrund zu existieren. In diesen Fällen kostet ein Helfer dich eine Einweisung, eine Wartezeit und eine Übergabe und bringt nichts, was deine Session nicht selbst könnte. Agent Teams, also Sessions, die einander Nachrichten schicken, sind etwas anderes, und nichts hier braucht sie.

Die eine Regel ist die, die Anthropic geschrieben hat: Bevor ein neuer Agent eine Datei bekommt, falte ihn in einen Skill, lass beide laufen und behalte die Datei nur, wenn der Skill schlechter abschneidet.

Kostenlose Ressourcen

Quellen

Häufige Fragen

Was ist Anthropics Fold-Test für Claude Code Subagents?
Du baust eine kleine Eval, faltest die Anweisungen des Subagents in einen Skill, führst dieselben Aufgaben mit beiden Versionen aus und behältst den Subagent nur, wenn die gefaltete Version schlechter abschneidet. Anthropic behält Subagents für drei Fälle: aufgeblähten Kontext, parallele Arbeit in Wegwerf-Kontexten und einen Agenten, der die richtigen Tools nicht findet.
Soll ich meinen Claude Code Test-Writer-Subagent in einen Skill falten?
Wahrscheinlich. In unserem Test bestand der gefaltete Skill 12/12 Läufe bei durchschnittlich $0.262 und 36 s, der Subagent 11/12 bei $0.410 und 72 s. Es ist eine kleine Eval an einem Repo, führe sie also an deinem aus.
Was ist ein Claude Code Scout-Subagent?
Ein Subagent, der nur lesen kann, mit ausschließlich Lese- und Suchwerkzeugen, meist auf Haiku. Er liest viele Dateien und gibt die Antwort, die Belegzeilen und das Nicht-Gefundene zurück. Bei einem Audit von 27 Middlewares in Hono blieb der Hauptkontext bei 30,505 und 33,937 Tokens statt 45,868 und 47,476.
Wie macht man einen Claude Code Reviewer-Subagent schreibgeschützt?
Gib ihm nur die Lese- und Suchwerkzeuge und lass Edit, Write und das Agent-Tool weg, damit er nichts beheben und keine Helfer starten kann. Schreibe die Form der Antwort in die Datei: ein Urteil, Befunde mit Datei, Zeile und zitiertem Code und was er nicht belegen konnte.
Was bewirkt isolation worktree bei einem Claude Code Subagent?
Claude Code gibt dem Builder eine eigene Kopie des Repos auf einem eigenen Branch und räumt sie auf, wenn sich nichts geändert hat. Der Worktree startet von deinem Standard-Branch, nicht committete Arbeit ist also nicht darin. Setze ein Turn-Limit, damit ein festgefahrener Builder anhält und Teilarbeit meldet.
Wann sollte ich keinen Claude Code Subagent nutzen?
Verzichte bei einer schnellen Frage, bei Code, den deine Session gerade bearbeitet, und bei einer Persona ohne Kontextgrund zu existieren. Dann kostet ein Helfer eine Einweisung, eine Wartezeit und eine Übergabe. Bei kleinen Fragen sparten unsere Scouts fast nichts.

Ähnliche Videos