Shelpuk & Company
    Open Source
    AI Coding Skill

    TDD für KI-Agenten

    Wiederverwendbarer Test-Driven-Development-Workflow für KI-Coding-Agenten

    Die immer aktive Skill, die strikte TDD-Disziplin, Anforderungsdokumentation und kleinste testverifizierte Schritte durchsetzt — der Orchestrator, der Kindly Web Search und Lad Code Review zu einer einheitlichen KI-Coding-Suite verbindet.

    Auf GitHub ansehen

    "Fantastisches Setup. Hat die Generierungsqualität meines Claude Code um 15–20 % für die kommerziellen Projekte unseres Unternehmens verbessert."

    Ostap Dribniuk
    Ostap DribniukSenior Software Engineer bei Relevant Software

    Teil unserer KI-Coding-Suite

    TDD für KI-Agenten orchestriert unser komplettes Open-Source-Toolkit. Es ruft Kindly auf, um Annahmen zu verifizieren, und Lad, um Designs und Code zu prüfen — damit alle drei Tools nahtlos zusammenarbeiten.

    REQUIREMENTS.md

    Jede Aufgabe beginnt mit einem strukturierten Anforderungsdokument. Das eliminiert Mehrdeutigkeit und gibt dem KI-Agenten einen klaren, testbaren Vertrag.

    1Ist-Zustand

    Aktuelles Verhalten und Zustand — was heute existiert.

    2Soll-Zustand

    Gewünschtes Verhalten nach der Änderung — der klare Zielzustand.

    3Anforderungen

    Nummerierte funktionale Anforderungen mit expliziten Akzeptanzkriterien.

    4Testplan

    Teststrategie und Testfälle nach TDD-Best-Practices.

    5Implementierungsplan

    Kleinste sequenzielle Änderungen, jede mit eigener Testverifikation.

    6Systemdesign-Review

    Wird von Lad Code Review geprüft, bevor die Implementierung beginnt.

    Workflow

    Ein strikter sechsstufiger Prozess, der vage Anforderungen in produktionsreifen, getesteten Code verwandelt.

    1.Untersuchen

    Repository-Struktur, Code-Pfade, aktuelles Verhalten und bestehende Tests inspizieren. Minimale Befehle ausführen, um den aktuellen Zustand zu bestätigen.

    2.Klären & Anforderungen schreiben

    Klärende Fragen stellen, testbare Anforderungen vorschlagen, Nutzerbestätigung einholen, dann REQUIREMENTS.md mit der vollständigen vorgeschriebenen Struktur schreiben.

    3.Annahmen validieren

    Kindly Web Search nutzen, um API-Signaturen, Versionsverhalten, Breaking Changes und Deprecations zu verifizieren. Anforderungen aktualisieren, wenn sich Annahmen ändern.

    4.Design-Review mit Lad

    Das Systemdesign in REQUIREMENTS.md an Lads system_design_review-Tool übermitteln. Iterieren, bis das Feedback konvergiert.

    5.Mit TDD implementieren

    Den Implementierungsplan der Reihe nach befolgen. Erst Tests schreiben, dann Features implementieren, Tests bestehen lassen. Diffs minimal und fokussiert halten.

    6.Code-Review & Verifizieren

    Lads code_review-Tool nach jeder Änderung nutzen. Sinnvolle Vorschläge umsetzen. Iterieren, bis Lad kein neues Feedback mehr liefert.

    Nicht verhandelbar

    Diese Regeln werden immer durchgesetzt. Keine Abkürzungen, keine Ausnahmen — es sei denn, der Nutzer entscheidet sich explizit dagegen.

    Erst untersuchen, bevor etwas geändert wird — Zustand, Logs und Nutzereingaben verstehen
    Keine Anforderungsänderungen ohne explizite Bestätigung des Nutzers
    REQUIREMENTS.md vor jeder Implementierung schreiben
    Kindly Web Search nutzen, um alle API- und Abhängigkeitsannahmen zu verifizieren
    In den kleinstmöglichen Schritten implementieren, jeder getestet vor dem nächsten
    Jede Code-Änderung mit Lad Code Review prüfen, bevor es weitergeht

    Eine Suite, drei Tools

    TDD für KI-Agenten ist der Orchestrator, der unsere Open-Source-KI-Coding-Tools zu einem vollständigen Entwicklungsworkflow verbindet. Jedes Tool hat eine spezifische Rolle.

    Unterstützte KI-Coding-Assistenten

    Codex (OpenAI)
    Claude Code
    Gemini CLI
    Cursor
    Windsurf
    Antigravity (Google IDE)

    Bereit, TDD-Disziplin in Ihren KI-Coding-Workflow zu bringen?

    Stellen Sie die komplette Suite in Ihrer Private Cloud bereit oder stellen Sie die Entwickler ein, die sie gebaut haben.

    Auf GitHub markieren

    Häufig gestellte Fragen

    Antworten auf häufige Fragen zu diesem Thema.

    Wie können wir Test-First-Disziplin für AI-Coding-Agents durchsetzen?

    Testgetriebener Entwicklungs-Orchestrator für KI-Coding-Agenten. Stellen Sie sicher, dass KI-generierter Code getestet und produktionsreif ist. Shelpuk AI Technology Consulting hat dieses Skill entwickelt, um agentengestützte Entwicklung auditierbar, testbar und wiederholbar zu machen.

    Wie verbessert der Workflow die Qualität von Anforderungen und die Nachvollziehbarkeit der Umsetzung?

    Der Workflow erzwingt Investigation, explizite Anforderungsdokumentation, tests-first Umsetzung und iterative Review-Schleifen vor größeren Codeänderungen. Shelpuk AI Technology Consulting hilft Engineering-Leitungen, Prozessdisziplin mit schnellerer und sicherer AI-gestützter Umsetzung zu verbinden.

    Wie sollten Teams das TDD Skill über mehrere Repositories und Agent-Clients ausrollen?

    Ein praktikables Einführungsmodell startet mit Pilot-Repositories, gemeinsamen Templates und Policy-Checks für konsistentes Verhalten in Agent-Clients. Shelpuk AI Technology Consulting unterstützt bereichsübergreifende Adoption mit Implementierungsleitfäden, Enablement-Sessions und Governance-Mustern.

    Welcher Investitionsaufwand ist typischerweise nötig, um dieses Open-Source-Skill produktiv zu verankern?

    Das Skill ist Open Source, und Budget fließt meist in Rollout-Coaching, Repository-Integration und Messung des Engineering-Impacts. Shelpuk AI Technology Consulting bietet Services, um diese Methodik als dauerhaftes Betriebsmodell in Engineering-Organisationen zu verankern.