From 1749cbc4032e62e91a6eb355bf22de4b51e121da Mon Sep 17 00:00:00 2001
From: "Christoph K." <christoh@kroczek.eu>
Date: Wed, 4 Mar 2026 20:46:02 +0100
Subject: [PATCH] Calude MD datei added

---
 CLAUDE.md | 60 +++++++++++++++++++++++++++++++++++++++++++++++++++++++
 1 file changed, 60 insertions(+)
 create mode 100644 CLAUDE.md

diff --git a/CLAUDE.md b/CLAUDE.md
new file mode 100644
index 0000000..a48b76d
--- /dev/null
+++ b/CLAUDE.md
@@ -0,0 +1,60 @@
+# goralphy
+
+## Projekt
+Autonomer Go Coding-Agent ähnlich wie Ralphy.
+Nutzt lokale LLMs via OpenAI-kompatibler API (Docker AI, Port 12434).
+Die lokelen LLM sind klein und laufen auf einem kleinen Rechner mit 16GB RAM, daher ist die Planung und Task-Aufteilung besonders wichtig.
+
+Das Projekt soll mehrere Agenten unterstüzen die jeweils für eine Aufgabe spezialisert sind.
+Folgende Agenten sind geplant:
+- Planner-Agent: Zerlegt die PRD.md in atomare Tasks
+- Code-Agent: Führt die Tasks aus, schreibt Code, führt Tests aus, dokumentiert
+- Test-Agent : Führt die Tests aus, analysiert Fehler, gibt Feedback an Code-Agent
+- Reseach-Agent: Recherchiert spezifische Fragen und gibt Inspiration basirend auf Internet-Quellen die konfigurierbar sein sollen (github, google suche, reddit, stackoverflow)
+
+Jeder Agent soll seine Erkennisse und Fortschritte in einer Session-Datei (.agent-session.md) dokumentieren, damit der Fortschritt nachvollziehbar ist und die Agenten voneinander lernen können.
+Des Weiteren soll jeder Agent eine TODO list im Markdown-Format führen, damit die Aufgaben klar strukturiert und priorisiert sind.
+
+Das Projekt soll eine modulare Architektur haben, damit neue Agenten oder Tools leicht hinzugefügt werden können.
+
+Das Projekt soll eine markdown basierte Dokumentation haben die die Architektur gut erklärt und die wichtigsten Konzepte beschreibt.
+
+## Architektur
+- `main.go` – Einstiegspunkt, Flag-Parsing, Modell-Auswahl
+- `agent/loop.go` – Worker-Loop, Tool Calling, XML-Fallback Parser
+- `agent/tools.go` – Tool-Executor (write_file, read_file, list_files, task_complete)
+- `agent/logger.go` – Verbose-Logging
+- `agent/session.go` – Session-Persistenz in .agent-session.md
+- `agent/planner.go` – Planner-Agent (expandiert PRD → atomare Tasks)
+- `agent/code.go` – Code-Agent (führt Tasks aus, schreibt Code, dokumentiert)
+- `agent/test.go` – Test-Agent (führt Tests aus, analysiert Fehler, gibt Feedback an Code-Agent)
+- `agent/research.go` – Research-Agent (recherchiert
+- `prd/parser.go` – PRD.md Parser
+
+## Wichtige Konventionen
+- Go Modulname: llm-agent
+- LLM Endpoint: http://127.0.0.1:12434/v1
+- Arbeitsverzeichnis: ./output (per --workdir Flag)
+- PRD-Datei: PRD.md (per --prd Flag)
+- Default Modell: docker.io/ai/qwen3-coder:latest
+
+## Commands
+go build -o llm-agent .
+go test ./...
+go run main.go --workdir output --prd PRD.md --verbose
+
+## Vorgehensweise
+- Verfeinere die Architektur und die Agenten-Designs, 
+- Implementiere die Basis-Architektur und den Planner-Agent
+- Teste den Planner-Agent 
+- Implementiere den Code-Agent 
+- Teste den Code Agent
+- Implementiere den Research-Agent
+- Teste den Research-Agent
+
+## Späteree Erweiterungen
+Integration einer Vektor-Datenbank für die Speicherung von Agenten-Erkenntnissen und Code-Snippets, um die Wiederverwendbarkeit und das Lernen der Agenten zu verbessern.
+
+Integration von git um zwischenschritte zu dokumentieren und die Zusammenarbeit zwischen mehreren Agenten zu verbessern und die Steuerung über Pull Requests zu ermöglichen.
+
+Integration von Discors Chat um die Agenten in Echtzeit zu überwachen und mit ihnen zu interagieren.
\ No newline at end of file