Wie man mehrere KI-Agenten in einem Repository zusammenarbeiten lässt, ohne den Kontext zu verlieren

Wenn man täglich neben neuronalen Netzen Code schreibt, stößt man schnell an dieselbe Wand. Man startet Claude Code, um ein Modul zu refaktorieren, wechselt zu Codex, um ein paar Funktionen zu schreiben, öffnet einen separaten Chat, um eine architektonische Idee zu überprüfen. Am Ende beginnt jeder Agent mit einem leeren Blatt und hat völlig vergessen, warum wir vor fünf Minuten eine bestimmte Bibliothek abgelehnt haben.

Jeglicher Kontext geht verloren. Commits enthalten nur trockene Diffs, während die Gedanken und Überlegungen des Modells in einem geschlossenen Terminal verschwinden.

Die Leute bei pacifio haben beschlossen, dies systematisch anzugehen und Atlas veröffentlicht. Es ist ein lokales Workspace- und Versionskontrollsystem für KI-Agenten, das deren Gedächtnis verknüpft und jeden Commit mit der Sitzung verknüpft, in der er entstanden ist.

Die Kernidee

Die Autoren nennen das Projekt „Quellcodeverwaltung für Coding-Agenten". Das Konzept ist straightforward: Wenn autonome Agenten Code schreiben, brauchen wir ein Tool, das nicht nur Dateiänderungen verfolgt, sondern auch die Kette der Überlegungen dahinter.

Atlas kann mehrere Agenten parallel in verschiedenen Tabs starten. Zum Beispiel laufen Claude Code und Codex als externe Sub-Prozesse über das ACP (Agent Client Protocol), während Atlas' eingebauter Agent direkt im Prozess auf seinem eigenen Rust-Framework namens Cersei läuft.

Der interessanteste Teil passiert auf der Kontextebene. Bevor Ihr Prompt das Modell erreicht, assembliert Atlas ein einheitliches Bild darum herum:

• Injiziert geteiltes Agenten-Gedächtnis: den aktuellen Plan, getroffene Entscheidungen, Fehler und architektonische Notizen, die von einem anderen Modell im Projekt erstellt wurden.
• Löst Dateien, Ordner, Funktionen, Git-Branches, Notizen und sogar Forschungsarbeiten lokal über @ auf.
• Hängt das Ende der vorherigen Sitzung und eine Zusammenfassung von Fakten an, selbst wenn die letzte Aufgabe von einem anderen Assistenten gelöst wurde.
• Erstellt lokale Vektor-Einbettungen und sucht nach relevanten Chunks über HNSW, ohne Daten an Drittanbieter-Server zu senden.

Das Ergebnis: Claude sieht die Schlussfolgerungen, die Codex erreicht hat, und Codex weiß, welche Tests gerade für Claude fehlgeschlagen sind.

Checkpoints und Commit-Verknüpfung

Normalerweise erscheint nach Abschluss der Arbeit eines Agenten ein Commit in Git, und eine Woche später erinnert sich niemand mehr daran, welcher Prompt ihn erzeugt hat.

Atlas speichert Sitzungen in einer lokalen SQLite-Datenbank unter .atlas/sessions.db. Das Programm überwacht Commits von außen, anstatt sie gewaltsam abzufangen. Man kann Code über das Standard-Terminal, VS Code oder sogar bei geschlossenem Atlas committen. Die App gleicht Patches ab und verknüpft den Commit mit der Agenten-Sitzung, die diesen Code geschrieben hat.

Verknüpfungen bleiben bei normalen git rebase oder git commit --amend dank Patch-ID-Verifizierung intakt. Wenn Sie einen Squash durchführen und die Verknüpfung mehrdeutig wird, versucht Atlas nicht zu raten—es markiert ehrlich die Sitzung als getrennt.

Ein nettes Detail: Alle Secrets und Tokens werden aus den Logs entfernt, bevor Daten die Festplatte berühren.

Innerhalb des Workspaces

Atlas ist nicht nur als Hintergrund-Daemon gebaut, sondern als voll ausgestattete Desktop-Arbeitsumgebung. Unter der Haube ist es eine Kombination aus Tauri, Rust und einer Web-Oberfläche basierend auf Bun und TypeScript.

Alles, was für die tägliche Arbeit benötigt wird, ist enthalten:

1. Ein Code-Editor basierend auf CodeMirror mit Status-Persistenz über Neustarts hinweg.
2. Ein voll ausgestatteter Git-Client mit visuellem Commit-Graph, Branches und Diffs.
3. Ein Block-Terminal, in dem jeder ausgeführte Befehl seine Ausgabe, seinen Exit-Status und seine Dauer speichert. Vollbild-Utilities wie vim und htop funktionieren ebenfalls normal.
4. Eine Wissensdatenbank im .atlas/knowledge/-Ordner. Dies sind reguläre Markdown-Dateien, die zusammen mit dem Code versioniert werden. Backlinks, Link-Graphen und HTML-Export werden unterstützt.
5. Suche nach Forschungsarbeiten über arXiv und Semantic Scholar mit der Möglichkeit, PDFs in der App zu lesen und Links über @ an Prompts zu senden.
6. Ein eingebauter Browser basierend auf der WebKit-Engine mit Unterstützung für Logins und Lesemodus.

Alle Projektdateien bleiben reguläre Dateien auf der Festplatte. Notizen sind in Markdown, Leinwände in JSON, Sitzungen in JSONL. Wenn Sie das Programm schließen, können Sie ruhig in Ihrem Lieblingseditor weiterarbeiten, ohne den Zugriff auf Ihre Daten zu verlieren.

Wie man das Projekt lokal ausführt

macOS-Binaries sind als .dmg auf der offiziellen Website und in GitHub-Releases verfügbar. Der Build auf Linux und Windows ist aus dem Quellcode möglich, obwohl die Entwickler anmerken, dass diese Plattformen derzeit weniger getestet sind.

Für lokale Builds benötigen Sie Bun, stable Rust und den Claude CLI-Client installiert (wenn Sie den Agenten von Anthropic nutzen möchten).

Installation der Abhängigkeiten auf Ubuntu oder Debian:

sudo apt install -y libglib2.0-dev libgtk-3-dev libwebkit2gtk-4.1-dev

Builden und Ausführen im Entwicklungsmodus:

git clone https://github.com/pacifio/atlas
cd atlas
bun install
bun run dev:app

Die initiale Rust-Kompilierung dauert ein paar Minuten, aber nachfolgende inkrementelle Builds sind in Sekunden erledigt.

Für wen ist Atlas nützlich

Das Projekt wird Entwickler ansprechen, die aktiv mit mehreren KI-Assistenten experimentieren und es leid sind, Kontext zwischen Terminal-Fenstern manuell zu kopieren.

Es gibt hier keine erzwungene Cloud-Subscription für Basis-Funktionen: Alles funktioniert offline, Datenbanken werden im Projektverzeichnis gespeichert, und Code sickert nirgendwohin durch. Wenn Sie nach einer Möglichkeit suchen, Ihren Workflow mit Agenten zu organisieren und die Geschichte ihrer Entscheidungen für Ihr Team oder für sich selbst in einem Monat zu bewahren, ist das Repository definitiv einen Blick wert.