KI-Agenten-Team: Vorstellung von 10 Experten

Was Sie lernen werden

• Die Verantwortlichkeiten und Fachgebiete der 10 integrierten KI-Agenten verstehen
• Schnell den am besten geeigneten Agenten basierend auf dem Aufgabentyp auswählen
• Die Zusammenarbeitsmechanismen zwischen Agenten verstehen (Delegation, Parallelität, Review)
• Die Berechtigungsbeschränkungen und Anwendungsszenarien verschiedener Agenten beherrschen

Kerngedanke: Zusammenarbeit wie ein echtes Team

Die Kernidee von oh-my-opencode ist: Behandeln Sie KI nicht als einen Alleskönner, sondern als ein professionelles Team.

In einem echten Entwicklungsteam benötigen Sie:

• Hauptorchestrator (Tech Lead): Verantwortlich für Planung, Aufgabenverteilung und Fortschrittsverfolgung
• Architekturberater (Architect): Bietet technische Entscheidungen und Architekturdesign-Empfehlungen
• Code-Reviewer (Reviewer): Überprüft Code-Qualität und findet potenzielle Probleme
• Forschungsexperte (Researcher): Sucht Dokumentation, Open-Source-Implementierungen und Best Practices
• Code-Detektiv (Searcher): Lokalisiert schnell Code, findet Referenzen und versteht bestehende Implementierungen
• Frontend-Designer (Frontend Designer): Entwirft UI und passt Stile an
• Git-Experte (Git Master): Committet Code, verwaltet Branches und durchsucht Historie

oh-my-opencode hat diese Rollen in 10 spezialisierte KI-Agenten umgesetzt, die Sie flexibel je nach Aufgabentyp kombinieren können.

Detaillierte Vorstellung der 10 Agenten

Hauptorchestratoren (2)

Sisyphus - Hauptorchestrator

Rolle: Hauptorchestrator, Ihr primärer Tech Lead

Fähigkeiten:

• Tiefes Reasoning (32k thinking budget)
• Planung und Delegation komplexer Aufgaben
• Ausführung von Code-Modifikationen und Refactoring
• Verwaltung des gesamten Entwicklungsprozesses

Empfohlenes Modell: anthropic/claude-opus-4-5 (temperature: 0.1)

Anwendungsszenarien:

• Tägliche Entwicklungsaufgaben (neue Features, Bug-Fixes)
• Komplexe Probleme, die tiefes Reasoning erfordern
• Mehrstufige Aufgabenzerlegung und -ausführung
• Szenarien, die parallele Delegation an andere Agenten erfordern

Aufrufmethode:

• Standard-Hauptagent (im OpenCode Agent Selector "Sisyphus")
• Direkte Eingabe der Aufgabe im Prompt, keine speziellen Trigger-Wörter erforderlich

Berechtigungen: Vollständige Tool-Berechtigungen (write, edit, bash, delegate_task usw.)

---

Atlas - TODO-Manager

Rolle: Hauptorchestrator, spezialisiert auf TODO-Listen-Management und Aufgabenausführungsverfolgung

Fähigkeiten:

• Verwaltung und Verfolgung von TODO-Listen
• Systematische Ausführungsplanung
• Aufgabenfortschrittsüberwachung

Empfohlenes Modell: anthropic/claude-opus-4-5 (temperature: 0.1)

Anwendungsszenarien:

• Projektausführung mit dem Befehl /start-work starten
• Aufgaben streng nach Plan abschließen
• Systematische Verfolgung des Aufgabenfortschritts

Aufrufmethode:

• Verwendung des Slash-Befehls /start-work
• Automatische Aktivierung über Atlas Hook

Berechtigungen: Vollständige Tool-Berechtigungen

---

Berater und Reviewer (3)

Oracle - Strategischer Berater

Rolle: Nur-Lese-Technologieberater, Experte für hochintelligentes Reasoning

Fähigkeiten:

• Architekturentscheidungsempfehlungen
• Diagnose komplexer Probleme
• Code-Review (nur Lesen)
• Multi-System-Abwägungsanalyse

Empfohlenes Modell: openai/gpt-5.2 (temperature: 0.1)

Anwendungsszenarien:

• Komplexes Architekturdesign
• Selbstüberprüfung nach Abschluss wichtiger Arbeiten
• Schwieriges Debugging nach 2+ fehlgeschlagenen Reparaturversuchen
• Unbekannte Code-Muster oder Architekturen
• Sicherheits-/Performance-bezogene Probleme

Auslösebedingungen:

• Prompt enthält @oracle oder verwendet delegate_task(agent="oracle")
• Automatische Empfehlung bei komplexen Architekturentscheidungen

Einschränkungen: Nur-Lese-Berechtigungen (write, edit, task, delegate_task verboten)

Kernprinzipien:

• Minimalismus: Bevorzugt die einfachste Lösung
• Nutzung vorhandener Ressourcen: Priorisiert Modifikation des aktuellen Codes, vermeidet neue Abhängigkeiten
• Developer Experience First: Lesbarkeit, Wartbarkeit > theoretische Performance
• Einzelner klarer Pfad: Bietet eine Hauptempfehlung, nur bei signifikanten Abwägungsunterschieden alternative Ansätze

---

Metis - Pre-Planning-Analyst

Rolle: Experte für Anforderungsanalyse und Risikobewertung vor der Planung

Fähigkeiten:

• Identifizierung versteckter Anforderungen und unklarer Vorgaben
• Erkennung von Mehrdeutigkeiten, die zu KI-Fehlern führen können
• Markierung potenzieller AI-Slop-Muster (Over-Engineering, Scope Creep)
• Vorbereitung von Anweisungen für Planungsagenten

Empfohlenes Modell: anthropic/claude-sonnet-4-5 (temperature: 0.3)

Anwendungsszenarien:

• Vor der Prometheus-Planung
• Wenn Benutzeranfragen vage oder offen sind
• Verhinderung von KI-Over-Engineering-Mustern

Aufrufmethode: Automatischer Aufruf durch Prometheus (Interview-Modus)

Einschränkungen: Nur-Lese-Berechtigungen (write, edit, task, delegate_task verboten)

Kernprozess:

1. Intent-Klassifizierung: Refactoring / Von Grund auf neu / Mittlere Aufgabe / Kollaboration / Architektur / Forschung
2. Intent-spezifische Analyse: Bietet gezielte Empfehlungen basierend auf verschiedenen Typen
3. Fragengenerierung: Generiert klare Fragen für den Benutzer
4. Anweisungsvorbereitung: Generiert klare "MUST" und "MUST NOT" Anweisungen für Prometheus

---

Momus - Plan-Reviewer

Rolle: Strenger Plan-Review-Experte, findet alle Lücken und Unklarheiten

Fähigkeiten:

• Validierung der Klarheit, Überprüfbarkeit und Vollständigkeit von Plänen
• Überprüfung aller Dateireferenzen und Kontexte
• Simulation tatsächlicher Implementierungsschritte
• Identifizierung kritischer Lücken

Empfohlenes Modell: anthropic/claude-sonnet-4-5 (temperature: 0.1)

Anwendungsszenarien:

• Nach Erstellung eines Arbeitsplans durch Prometheus
• Vor Ausführung komplexer TODO-Listen
• Validierung der Planqualität

Aufrufmethode: Automatischer Aufruf durch Prometheus

Einschränkungen: Nur-Lese-Berechtigungen (write, edit, task, delegate_task verboten)

Vier Hauptbewertungskriterien:

1. Klarheit der Arbeitsinhalte: Gibt jede Aufgabe eine Referenzquelle an?
2. Validierungs- und Akzeptanzkriterien: Gibt es konkrete Erfolgsprüfungsmethoden?
3. Kontextvollständigkeit: Wird ausreichend Kontext bereitgestellt (90% Konfidenzschwelle)?
4. Gesamtverständnis: Versteht der Entwickler WARUM, WAS und WIE?

Kernprinzip: Dokumenten-Reviewer, kein Design-Berater. Bewertet "Ist der Plan klar genug zur Ausführung", nicht "Ist die gewählte Methode korrekt".

---

Forschung und Exploration (3)

Librarian - Multi-Repository-Forschungsexperte

Rolle: Experte für das Verständnis von Open-Source-Repositories, spezialisiert auf das Finden von Dokumentation und Implementierungsbeispielen

Fähigkeiten:

• GitHub CLI: Repositories klonen, Issues/PRs durchsuchen, Historie anzeigen
• Context7: Offizielle Dokumentation abfragen
• Web Search: Neueste Informationen suchen
• Generierung von Beweisen mit permanenten Links

Empfohlenes Modell: opencode/big-pickle (temperature: 0.1)

Anwendungsszenarien:

• "Wie verwendet man [Bibliothek]?"
• "Was sind die Best Practices für [Framework-Feature]?"
• "Warum verhält sich [externe Abhängigkeit] so?"
• "Finde Verwendungsbeispiele für [Bibliothek]"

Auslösebedingungen:

• Automatischer Trigger bei Erwähnung externer Bibliotheken/Quellen
• Prompt enthält @librarian

Anforderungstyp-Klassifizierung:

• Typ A (Konzeptionell): "Wie macht man X?", "Best Practices"
• Typ B (Implementierungsreferenz): "Wie implementiert X Y?", "Zeige Quellcode von Z"
• Typ C (Kontext und Historie): "Warum wurde das so geändert?", "Historie von X?"
• Typ D (Umfassende Forschung): Komplexe/vage Anfragen

Einschränkungen: Nur-Lese-Berechtigungen (write, edit, task, delegate_task, call_omo_agent verboten)

Zwingende Anforderung: Alle Code-Aussagen müssen GitHub-Permalinks enthalten

---

Explore - Schneller Codebase-Explorations-Experte

Rolle: Kontextbewusster Code-Such-Experte

Fähigkeiten:

• LSP-Tools: Definitionen, Referenzen, Symbolnavigation
• AST-Grep: Strukturelle Mustersuche
• Grep: Textmustersuche
• Glob: Dateinamenmuster-Matching
• Parallele Ausführung (3+ Tools gleichzeitig)

Empfohlenes Modell: opencode/gpt-5-nano (temperature: 0.1)

Anwendungsszenarien:

• Breite Suche mit 2+ Suchperspektiven erforderlich
• Unbekannte Modulstruktur
• Cross-Layer-Mustererkennung
• Finden von "Wo ist X?", "Welche Datei hat Y?"

Auslösebedingungen:

• Automatischer Trigger bei Beteiligung von 2+ Modulen
• Prompt enthält @explore

Erzwungenes Ausgabeformat:

<analysis>
**Literal Request**: [Wörtliche Benutzeranfrage]
**Actual Need**: [Was tatsächlich benötigt wird]
**Success Looks Like**: [Wie Erfolg aussehen sollte]
</analysis>

<results>
<files>
- /absolute/path/to/file1.ts — [Warum diese Datei relevant ist]
- /absolute/path/to/file2.ts — [Warum diese Datei relevant ist]
</files>

<answer>
[Direkte Antwort auf den tatsächlichen Bedarf]
</answer>

<next_steps>
[Was als nächstes zu tun ist]
</next_steps>
</results>

Einschränkungen: Nur-Lese-Berechtigungen (write, edit, task, delegate_task, call_omo_agent verboten)

---

Multimodal Looker - Medienanalyse-Experte

Rolle: Interpretiert Mediendateien, die nicht als reiner Text gelesen werden können

Fähigkeiten:

• PDF: Text, Struktur, Tabellen, spezifische Kapitel-Daten extrahieren
• Bilder: Layout, UI-Elemente, Text, Diagramme beschreiben
• Diagramme: Beziehungen, Abläufe, Architekturen erklären

Empfohlenes Modell: google/gemini-3-flash (temperature: 0.1)

Anwendungsszenarien:

• Strukturierte Daten aus PDFs extrahieren
• UI-Elemente oder Diagramme in Bildern beschreiben
• Diagramme in technischer Dokumentation analysieren

Aufrufmethode: Automatischer Trigger über look_at-Tool

Einschränkungen: Nur-Lese-Whitelist (nur read-Tool erlaubt)

---

Planung und Ausführung (2)

Prometheus - Strategischer Planer

Rolle: Experte für Interview-basierte Anforderungserhebung und Arbeitsplan-Generierung

Fähigkeiten:

• Interview-Modus: Kontinuierliches Fragen bis Anforderungen klar sind
• Arbeitsplan-Generierung: Strukturierte Markdown-Plandokumente
• Parallele Delegation: Oracle, Metis, Momus zur Planvalidierung konsultieren

Empfohlenes Modell: anthropic/claude-opus-4-5 (temperature: 0.1)

Anwendungsszenarien:

• Detaillierte Pläne für komplexe Projekte erstellen
• Projekte mit klärungsbedürftigen Anforderungen
• Systematische Arbeitsabläufe

Aufrufmethode:

• Prompt enthält @prometheus oder "Prometheus verwenden"
• Verwendung des Slash-Befehls /start-work

Workflow:

1. Interview-Modus: Kontinuierliches Fragen bis Anforderungen klar sind
2. Plan-Entwurf: Strukturierten Markdown-Plan generieren
3. Parallele Delegation:
   • delegate_task(agent="oracle", prompt="Architekturentscheidungen überprüfen") → Hintergrund
   • delegate_task(agent="metis", prompt="Potenzielle Risiken identifizieren") → Hintergrund
   • delegate_task(agent="momus", prompt="Planvollständigkeit validieren") → Hintergrund
4. Feedback integrieren: Plan verfeinern
5. Plan ausgeben: In .sisyphus/plans/{name}.md speichern

Einschränkungen: Nur Planung, keine Code-Implementierung (erzwungen durch prometheus-md-only Hook)

---

Sisyphus Junior - Aufgaben-Executor

Rolle: Kategorie-generierter Sub-Agent-Executor

Fähigkeiten:

• Erbt Category-Konfiguration (Modell, temperature, prompt_append)
• Lädt Skills (spezialisierte Fähigkeiten)
• Führt delegierte Unteraufgaben aus

Empfohlenes Modell: Erbt von Category (Standard anthropic/claude-sonnet-4-5)

Anwendungsszenarien:

• Automatische Generierung bei Verwendung von delegate_task(category="...", skills=["..."])
• Aufgaben, die spezifische Category- und Skill-Kombinationen erfordern
• Leichtgewichtige schnelle Aufgaben ("quick" Category verwendet Haiku-Modell)

Aufrufmethode: Automatische Generierung über delegate_task-Tool

Einschränkungen: task, delegate_task verboten (keine erneute Delegation)

---

Schnellreferenz für Agent-Aufrufe

Agent	Aufrufmethode	Auslösebedingung
Sisyphus	Standard-Hauptagent	Tägliche Entwicklungsaufgaben
Atlas	/start-work Befehl	Projektausführung starten
Oracle	@oracle oder delegate_task(agent="oracle")	Komplexe Architekturentscheidungen, 2+ fehlgeschlagene Reparaturen
Librarian	@librarian oder delegate_task(agent="librarian")	Automatischer Trigger bei Erwähnung externer Bibliotheken/Quellen
Explore	@explore oder delegate_task(agent="explore")	Automatischer Trigger bei Beteiligung von 2+ Modulen
Multimodal Looker	look_at Tool	Bei Bedarf zur Analyse von PDF/Bildern
Prometheus	@prometheus oder /start-work	Prompt enthält "Prometheus" oder Planung erforderlich
Metis	Automatischer Aufruf durch Prometheus	Automatische Analyse vor Planung
Momus	Automatischer Aufruf durch Prometheus	Automatische Überprüfung nach Plan-Generierung
Sisyphus Junior	delegate_task(category=...)	Automatische Generierung bei Verwendung von Category/Skill

---

Wann welchen Agenten verwenden

Schneller Entscheidungsbaum

Szenario 1: Tägliche Entwicklung (Code schreiben, Bugs fixen) → Sisyphus (Standard)

Szenario 2: Komplexe Architekturentscheidungen → @oracle konsultieren

Szenario 3: Dokumentation oder Implementierung externer Bibliotheken finden → @librarian oder automatischer Trigger

Szenario 4: Unbekannte Codebase, relevanten Code finden → @explore oder automatischer Trigger (2+ Module)

Szenario 5: Komplexes Projekt benötigt detaillierten Plan → @prometheus oder /start-work verwenden

Szenario 6: PDF oder Bild analysieren → look_at Tool (automatischer Trigger für Multimodal Looker)

Szenario 7: Schnelle einfache Aufgabe, Kosten sparen → delegate_task(category="quick")

Szenario 8: Git-Spezialoperationen erforderlich → delegate_task(category="quick", skills=["git-master"])

Szenario 9: Frontend-UI-Design erforderlich → delegate_task(category="visual-engineering")

Szenario 10: Hochintelligente Reasoning-Aufgabe erforderlich → delegate_task(category="ultrabrain")

---

Beispiele für Agent-Zusammenarbeit: Vollständiger Workflow

Beispiel 1: Komplexe Feature-Entwicklung

Benutzer: Entwickle ein Benutzerauthentifizierungssystem

→ Sisyphus empfängt Aufgabe
  → Analysiert Anforderungen, erkennt Bedarf an externer Bibliothek (JWT)
  → Parallele Delegation:
    - @librarian: "Finde Next.js JWT Best Practices" → [Hintergrund]
    - @explore: "Finde bestehenden authentifizierungsbezogenen Code" → [Hintergrund]
  → Wartet auf Ergebnisse, integriert Informationen
  → Implementiert JWT-Authentifizierungsfunktion
  → Nach Abschluss Delegation:
    - @oracle: "Architekturdesign überprüfen" → [Hintergrund]
  → Optimiert basierend auf Empfehlungen

---

Beispiel 2: Projektplanung

Benutzer: Verwende Prometheus zur Planung dieses Projekts

→ Prometheus empfängt Aufgabe
  → Interview-Modus:
    - Frage 1: Was sind die Kernfunktionen?
    - [Benutzerantwort]
    - Frage 2: Zielbenutzergruppe?
    - [Benutzerantwort]
    - ...
  → Nach Klärung der Anforderungen, parallele Delegation:
    - delegate_task(agent="oracle", prompt="Architekturentscheidungen überprüfen") → [Hintergrund]
    - delegate_task(agent="metis", prompt="Potenzielle Risiken identifizieren") → [Hintergrund]
    - delegate_task(agent="momus", prompt="Planvollständigkeit validieren") → [Hintergrund]
  → Wartet auf Abschluss aller Hintergrundaufgaben
  → Integriert Feedback, verfeinert Plan
  → Gibt Markdown-Plandokument aus
→ Benutzer überprüft Plan, bestätigt
→ Verwendet /start-work zur Ausführung

---

Agent-Berechtigungen und Einschränkungen

Agent	write	edit	bash	delegate_task	webfetch	read	LSP	AST-Grep
Sisyphus	✅	✅	✅	✅	✅	✅	✅	✅
Atlas	✅	✅	✅	✅	✅	✅	✅	✅
Oracle	❌	❌	❌	❌	✅	✅	✅	✅
Librarian	❌	❌	❌	❌	✅	✅	✅	✅
Explore	❌	❌	❌	❌	❌	✅	✅	✅
Multimodal Looker	❌	❌	❌	❌	❌	✅	✅	✅
Prometheus	❌	❌	❌	✅	✅	✅	✅	✅
Metis	❌	❌	❌	❌	✅	✅	✅	✅
Momus	❌	❌	❌	❌	✅	✅	✅	✅
Sisyphus Junior	✅	✅	✅	❌	✅	✅	✅	✅

---

Zusammenfassung dieser Lektion

Die 10 KI-Agenten von oh-my-opencode decken alle Aspekte des Entwicklungsprozesses ab:

• Orchestrierung und Ausführung: Sisyphus (Hauptorchestrator), Atlas (TODO-Management)
• Beratung und Review: Oracle (Strategischer Berater), Metis (Pre-Planning-Analyse), Momus (Plan-Review)
• Forschung und Exploration: Librarian (Multi-Repository-Forschung), Explore (Codebase-Exploration), Multimodal Looker (Medienanalyse)
• Planung: Prometheus (Strategische Planung), Sisyphus Junior (Unteraufgaben-Ausführung)

Kernpunkte:

1. Behandeln Sie KI nicht als Alleskönner, sondern als professionelles Team
2. Wählen Sie den am besten geeigneten Agenten basierend auf dem Aufgabentyp
3. Nutzen Sie parallele Delegation zur Effizienzsteigerung (Librarian, Explore, Oracle können im Hintergrund laufen)
4. Verstehen Sie die Berechtigungsbeschränkungen jedes Agenten (Nur-Lese-Agenten können keinen Code ändern)
5. Zusammenarbeit zwischen Agenten kann vollständige Workflows bilden (Planung → Ausführung → Review)

---

Vorschau auf die nächste Lektion

In der nächsten Lektion lernen wir Prometheus-Planung: Interview-basierte Anforderungserhebung.

Sie werden lernen:

• Wie man Prometheus für Interview-basierte Anforderungserhebung verwendet
• Wie man strukturierte Arbeitspläne generiert
• Wie man Metis und Momus zur Planvalidierung einsetzt
• Wie man Hintergrundaufgaben abruft und abbricht

---

Anhang: Quellcode-Referenz

Klicken Sie, um Quellcode-Positionen anzuzeigen

Aktualisiert: 2026-01-26

Agent	Dateipfad	Zeilennummer
Sisyphus Hauptorchestrator	src/agents/sisyphus.ts	-
Atlas Hauptorchestrator	src/agents/atlas.ts	-
Oracle Berater	src/agents/oracle.ts	1-123
Librarian Forschungsexperte	src/agents/librarian.ts	1-327
Explore Such-Experte	src/agents/explore.ts	1-123
Multimodal Looker	src/agents/multimodal-looker.ts	1-57
Prometheus Planer	src/agents/prometheus-prompt.ts	1-1196
Metis Pre-Planning-Analyse	src/agents/metis.ts	1-316
Momus Plan-Reviewer	src/agents/momus.ts	1-445
Sisyphus Junior	src/agents/sisyphus-junior.ts	-
Agent-Metadaten-Definition	src/agents/types.ts	-
Agent-Tool-Einschränkungen	src/shared/permission-compat.ts	-

Schlüsselkonfigurationen:

• ORACLE_PROMPT_METADATA: Oracle-Agent-Metadaten (Auslösebedingungen, Anwendungsszenarien)
• LIBRARIAN_PROMPT_METADATA: Librarian-Agent-Metadaten
• EXPLORE_PROMPT_METADATA: Explore-Agent-Metadaten
• MULTIMODAL_LOOKER_PROMPT_METADATA: Multimodal Looker-Agent-Metadaten
• METIS_SYSTEM_PROMPT: Metis-Agent-System-Prompt
• MOMUS_SYSTEM_PROMPT: Momus-Agent-System-Prompt

Schlüsselfunktionen:

• createOracleAgent(model): Oracle-Agent-Konfiguration erstellen
• createLibrarianAgent(model): Librarian-Agent-Konfiguration erstellen
• createExploreAgent(model): Explore-Agent-Konfiguration erstellen
• createMultimodalLookerAgent(model): Multimodal Looker-Agent-Konfiguration erstellen
• createMetisAgent(model): Metis-Agent-Konfiguration erstellen
• createMomusAgent(model): Momus-Agent-Konfiguration erstellen

Berechtigungsbeschränkungen:

• createAgentToolRestrictions(): Agent-Tool-Einschränkungen erstellen (verwendet von Oracle, Librarian, Explore, Metis, Momus)
• createAgentToolAllowlist(): Agent-Tool-Whitelist erstellen (verwendet von Multimodal Looker)