Agent Harnesses — AO Projects

Mehr als ein Sprachmodell

Ohne Harness kein Agent.

Ein KI-Agent ist nicht nur ein Sprachmodell. Er besteht aus weiteren Bestandteilen, die ihn handlungsfähig machen: das LLM als Reasoning-Engine, Tools, mit denen er die Welt verändert, ein Loop, der ihn weitermachen lässt bis die Aufgabe erledigt ist, und Context, der ihm erzählt wer er ist und was vorher passiert ist.

Diese vier Teile zusammen — das ist ein Agent Harness.

Mein Stack

Meine Harnesses.

Mehrere Harnesses parallel — bewusst. Ich will sehen, welches Setup welche Aufgabe besser macht und wo die Grenzen liegen. Plus Obsidian darunter — das gemeinsame Gedächtnis.

Aktiv

OpenClaw + Claude Code

Johns Master · CLI · lokal

Identity-Files, 11 Skills, Hooks, Heartbeat — vieles selbst gebaut
Läuft als CLI in Claude Code — Anthropic-Subscription statt API-Token, nur Usage-Limits
Mein erster Agent — entstanden im Bauen, nicht im Planen
Discord-Hub, Telegram, Kanban-Board, MCPs (Obsidian, Excalidraw, GitHub)

Aktiv

Claude Desktop App

Claude Code in der GUI · Multi-Session

Hier überwache ich OpenClaw und arbeite parallel an anderen Projekten
Mehrere Claude-Code-Sessions in einem Fenster, Drag-and-drop-Panes, integriertes Terminal
Andere Arbeit als bei John — Planung, Ad-hoc-Aufgaben, kurzes Sparring
ChatGPT und claude.ai parallel als reine Chat-Tools, nicht als Harness

Aktiv

Hermes

Joannas Heimat · GPT-5.5 · Open-Source

Jünger als OpenClaw — Open-Source unter MIT-Lizenz
Persistentes Memory wächst autonom über Sessions — kein manuelles Pflegen
Self-Improving Skills — werden nach komplexen Tasks angelegt und schärfen sich im Einsatz

Angedacht

Hermes lokal

Gemma 4 · on-device · privacy-first

Hermes-Setup mit lokalem Open-Weights-Modell statt Cloud-Provider
Daten verlassen den Mac nicht — kein Token-Counter, keine Cloud-Kosten
Reizt mich — alles bleibt auf dem Mac, kostet nichts außer Strom

Geteiltes Gedächtnis

Obsidian Vault

Alles, was Wissen ist, liegt hier — Memory, Drafts, Logs, Projekt-Notizen, Persona-Dokumentation. Alle Harnesses greifen via REST-API und MCP-Server drauf zu. Ausnahme: die Identity-Master-Files von OpenClaw und Hermes selbst — die liegen lokal bei den Harnesses, nicht im Vault.

Architektur

Wie alles zusammenhängt.

Alle drei Harnesses können miteinander kommunizieren — über den geteilten Vault als gemeinsamen Knowledge-Layer. Letztendlich tun sie etwas Ähnliches: ein Sprachmodell handlungsfähig machen, mit Sebastian und der Welt verbinden, Ergebnisse liefern. Trotzdem sind sie in ihrer Funktionsweise unterschiedlich — und liefern unterschiedliche Ergebnisse. Genau das ist der Punkt: parallel laufen lassen, vergleichen, lernen, welches Setup welcher Aufgabe am besten gerecht wird.