Beratung für Softwareentwicklung
Für Teams, die OpenAI Codex an ihrem eigenen Code einsetzen. Wir bringen das Repository in einen Zustand, in dem der Agent bauen und testen kann, klären Sandbox, Freigaben und Konten mit den Verantwortlichen und arbeiten mit Ihrem Team an echten Aufgaben aus dem Backlog. Der Umfang richtet sich nach Ihrem Problem.
Über Ihre Einrichtung sprechenEin Agent, der weder Build noch Tests ausführen kann, überlässt die gesamte Verifikation dem Review. Der erste Durchgang ist deshalb unspektakulär: Wir prüfen, was nach einem frischen Checkout in der Sandbox tatsächlich läuft, einschließlich der Teile, die sonst vom Entwicklerrechner abhängen, etwa private Registries, lokale Dienste, Zugangsdaten und generierter Code.
Wie viel davon vorhanden ist, unterscheidet sich je Repository. Wir beginnen dort, wo der Abstand zwischen einem grünen lokalen Lauf und einem grünen Agentenlauf am größten ist.
In einem lokalen Setup arbeitet die CLI mit einem Checkout auf dem Rechner der jeweiligen Person, unter deren Konto und innerhalb der Sandbox- und Freigaberegeln, die Sie konfigurieren. Der Cloud-Agent arbeitet auf einem Klon in einer von OpenAI betriebenen Umgebung, mit eigenen Setup-Schritten, Secrets und Netzwerkregeln. IDE-Erweiterung und Desktop-App lassen sich unterschiedlich anbinden; wo sie tatsächlich arbeiten, klären wir je Setup, statt es vorauszusetzen. Regeln für das eine gelten nicht automatisch für das andere. Deshalb legen wir den Umfang für jede Variante, die Sie nutzen wollen, einzeln fest.
Wohin Prompts und Repository-Kontext gehen, hängt vom tatsächlich konfigurierten Anbieter ab: an Modelle von OpenAI oder, wenn die CLI so eingerichtet ist, an einen anderen Anbieter oder ein lokal betriebenes Modell. Eine lokale Laufzeit allein bedeutet nicht, dass nichts den Rechner verlässt. Was gesendet wird, über welches Konto und mit welcher Aufbewahrung, hängt von der Arbeitsoberfläche, Ihrer Konfiguration und Ihrer Vereinbarung mit dem Anbieter ab. Wir dokumentieren den Datenfluss für jede Variante so, wie er konfiguriert ist. Ihre Verantwortlichen für Daten und Verträge gleichen ihn mit dieser Vereinbarung und der aktuellen Dokumentation des Anbieters ab.
Das Pilotprojekt läuft interaktiv: eine kleine Gruppe, einige typische Aufgaben, Ihr übliches Review und Ihre Pflicht-Checks. Dabei zeigt sich, welche Arten von Aufgaben in diesem Repository mergefähig zurückkommen und welche im Review mehr kosten, als sie beim Schreiben sparen.
Nicht interaktive Läufe, in der CI oder als Cloud-Aufgaben, sind eine eigene Entscheidung mit einem anderen Fehlerbild: Niemand sieht zu, wenn ein Lauf aus dem Ruder läuft. Wir schlagen sie für eng umrissene, gut spezifizierte Arbeit vor, bei der Checks außerhalb des Agenten eine fehlerhafte Änderung abfangen und bei der Pipeline-Code und nicht der Agent über Pushes und Merges entscheidet. Die Zugangsdaten eines solchen Laufs sind auf diesen Job begrenzt.
Das Enablement findet in Ihren Repositories statt, an Aufgaben aus dem Backlog. Die Sitzungen konzentrieren sich auf Entscheidungen, die Übung brauchen: wie man eine Aufgabe schneidet, damit der Diff prüfbar bleibt, welchen Kontext man mitgibt und was in AGENTS.md gehört, ab wann ein Lauf so weit abgedriftet ist, dass ein Neustart billiger ist als weiteres Nachsteuern, und wie man eine Änderung prüft, die man nicht selbst geschrieben hat. Teams, die auch den Cloud-Agenten nutzen, üben das Delegieren getrennt, denn einen Pull Request aus einem Lauf zu prüfen, den niemand verfolgt hat, ist eine andere Aufgabe als das Review eines selbst gesteuerten Diffs. Am Ende vereinbart das Team Konventionen für Anweisungsdateien und Review, damit die Einrichtung nicht davon abhängt, wer sie konfiguriert hat.
Ihr Team behält die Anweisungsdateien, die Sandbox- und Freigabekonfiguration, die Runbooks und alle gemessenen Vergleiche aus dem Pilotprojekt. Die Gründe für jede Entscheidung sind dokumentiert, damit Ihr Team die Einrichtung ohne uns ändern kann.
Teilweise. AGENTS.md wird von Codex und mehreren anderen Werkzeugen gelesen, Build-Befehle und Konventionen können also an einer Stelle stehen. Nutzt ein Werkzeug eine eigene Datei, kann sie in der Regel auf die gemeinsame verweisen. Berechtigungen, Sandboxing und Werkzeugzugriff werden dagegen je Werkzeug konfiguriert und lassen sich nicht eins zu eins übertragen. Wir halten den gemeinsamen Teil gemeinsam und dokumentieren den werkzeugspezifischen. Wenn Sie wissen wollen, welches Werkzeug bei Ihren Aufgaben besser abschneidet, liefern Repository-Evaluierungen die Methode.
Das hängt davon ab, wie tatsächlich abgerechnet wird: über im ChatGPT-Tarif enthaltene Nutzung, zusätzliche Credits, tokenbasierte Abrechnung in einem Enterprise-Workspace, Nutzung über einen eigenen API-Schlüssel oder eine Mischung daraus. Wir entnehmen die Aufteilung Ihren Rechnungen und Nutzungsdaten und setzen sie ins Verhältnis zu akzeptierten Änderungen, wie unter LLM-Kosten senken beschrieben. Das Abrechnungsmodell prägt auch die Arbeitsweise: Ein Team, dessen enthaltene Nutzung am Nachmittag aufgebraucht ist, arbeitet anders als eines mit verbrauchsabhängiger Abrechnung.
Ja, wenn der Agent das Repository bereits zuverlässig bauen und testen kann. Das prüfen wir vorher, denn in einem Repository, in dem der Agent seine eigene Arbeit nicht verifizieren kann, lernt man vor allem Umgehungslösungen.
Wie sich ein Coding-Agent in Ihrem Repository verhält, entscheidet großenteils sein Harness: was er erfährt, was er ausführen und erreichen kann und welche Checks seine Ausgabe durchläuft, bevor ein Mensch sie sieht. Wir entwickeln diese Software-Laufzeitumgebung gemeinsam mit Ihrem Team, damit der Agent mit Ihrem Build, Ihren Tests und Ihrem Review-Prozess arbeitet.
Öffentliche Benchmarks sagen wenig darüber aus, wie gut ein Agent mit Ihrem Code arbeitet. Wir helfen Ihnen, Modelle und Änderungen am Harness an Aufgaben aus Ihren eigenen Repositories zu evaluieren.
Für Teams, die Coding-Agenten einführen, ob mit einem Werkzeug in einem Team oder mit mehreren Werkzeugen und Teams, und eine Einführung brauchen, die sie selbst betreiben können.
Wir helfen Ihnen herauszufinden, wohin Ihre Ausgaben für Coding-Agenten und LLMs fließen, und setzen dann die Änderungen um, die sich im Qualitätstest bewähren.
Sie nutzen noch keine Coding-Agenten oder möchten besprechen, wie Ihr Team sie heute einsetzt? Schreiben Sie uns kurz zu Ihrem Team, Ihren Repositories, Werkzeugen und dem Problem, an dem Sie arbeiten.
E-Mail-Entwurf öffnenÖffnet einen Entwurf in Ihrem E-Mail-Programm. Sie senden ihn selbst ab, die Website kann die Zustellung nicht bestätigen.
Senden Sie die Nutzungsdaten eines Monats und erhalten Sie eine einseitige Aufschlüsselung Ihrer Ausgaben, ohne Kosten.
Kostenlose Nutzungsanalyse