Wie Skales funktioniert und warum man einen autonomen Agenten direkt auf dem Laptop ausführen sollte

Die meisten KI-Agenten erfordern heute das Hantieren mit dem Terminal, Docker-Deployment und ein Dutzend Python-Abhängigkeiten. Richten Sie eine solche Umgebung ein, starten Sie den Prozess, und er verbraucht sofort 1,5 GB RAM und sitzt einfach in der Konsole. Sie möchten eine einfache, benutzerfreundliche Oberfläche, die Sie in zwei Klicks installieren, den Laptop zuklappen und einen Kaffee holen können, während das Modell die Aufgaben erledigt.

Ich bin kürzlich auf Skales gestoßen. Es ist ein lokaler Agent für Desktop und Smartphones, der auf Ihrem System lebt, Dateien liest, Ihren Browser steuert und Aktionsketten ohne ständige Überwachung ausführt.

Was es ist

Skales ist als Standard-Native-App für macOS, Windows und Linux aufgebaut, plus es gibt Clients für Android und iOS. Das Projekt wurde vom österreichischen Entwickler Mario Simic erstellt.

Die Hauptidee ist es, die technische Barriere zwischen Benutzern und autonomen Modellen zu entfernen. Die App ist leichtgewichtig und verbraucht etwa 300 MB Speicher, was für eine Electron-App überraschend wenig ist.

Ein wichtiges Detail zur Offenheit: Das Projekt wird unter der BSL 1.1-Lizenz vertrieben (nach einigen Jahren wird es auf Apache 2.0 umgestellt). Das GitHub-Repository enthält einen historischen Snapshot des v7-Branch, während aktuelle Builds als fertige Binärdateien über Releases ausgeliefert werden. Wenn Sie nach vollständig offenem Quellcode zum Forken suchen, sollten Sie dies berücksichtigen.

Hauptfunktionen

Die Oberfläche ist in mehrere klare Arbeitsbereiche unterteilt. Sie müssen keine Python-Skripte schreiben, um dem Agenten Zugriff auf ein Repository oder einen Kalender zu gewähren.

Hintergrundaufgaben über den goal-Befehl

Normalerweise reagieren Chatbots nur auf eine einzelne Eingabe. Wenn Sie sie bitten, einen Parser zu schreiben, geben sie den Code aus und stoppen. In Skales startet der /goal-Befehl einen Planner:

• Das Modell zerlegt die Aufgabe in Schritte und überprüft das Ergebnis jeder Aktion.
• Der Prozess läuft im Hintergrund. Sie können das Fenster minimieren oder den Laptop schließen, und der Agent wird nach dem Aufwachen weiterarbeiten.
• Wenn eine Aktion eine Bestätigung erfordert (z.B. Dateien löschen oder einen gefährlichen Befehl ausführen), fragt der Agent nur einmal um Erlaubnis.

Codework-Modus

Es gibt einen separaten Codework-Bildschirm für Entwickler. Sie wählen einen lokalen Ordner aus oder fügen eine Git-Repository-URL ein.

/code ./my-backend-app

In diesem Modus kann der Agent:

• Eine Repository-Karte erstellen und Anweisungen aus CLAUDE.md- oder AGENTS.md-Dateien lesen.
• Änderungen als zeilenweise Git-Diff direkt im Fenster anzeigen.
• Jede Bearbeitung mit einem einzigen Klick auf die Rückgängig-Taste rückgängig machen.
• Commit-Nachrichten basierend auf den vorbereiteten Änderungen selbst generieren.

Lokaler Speicher und Obsidian-Notizen

Alle Benutzerdaten werden lokal im Verzeichnis ~/.skales-data als Kombination aus JSON und SQLite gespeichert.

Der Agent kann sich mit Ihrem Obsidian-Notiz-Tresor verbinden. Er indiziert den Beziehungsgraphen durch ein lokales Embedding-Modell, findet also die richtigen Dokumente nach Bedeutung, ohne Daten an Drittanbieter-Server zu senden. Es gibt einen eingebauten Memory-Konsolidierungsmechanismus: Nachts löscht der Agent temporären Dialogmüll und behält nur wichtige Fakten über Ihre Präferenzen und Projekte.

Telefon- und Browser-Integration

Die mobile App koppelt sich über QR-Code mit dem Desktop unter Verwendung von Ende-zu-Ende-Verschlüsselung. Das Telefon erhält Zugriff auf alle Computergeräte oder kann unabhängig mit eingebauten mobilen Tools (Kalender, Smart Home, Websuche) arbeiten.

Der Browser-Agent in Skales analysiert Seiten über den Accessibility-Tree, klickt korrekt auf Schaltflächen, umgeht Cookie-Banner und kann wiederkehrende Szenarien als Playbooks aufzeichnen.

Modelle verbinden

Skales ist nicht an einen einzelnen Anbieter gebunden. Das Verbindungsschema ist flexibel:

1. Vollständig offline über Ollama, LM Studio oder die eingebaute Skales Local Engine. Daten von Ihrem Computer gehen nirgendwohin.
2. Eigene API-Schlüssel (BYOK) für Anthropic, OpenAI, Groq, DeepSeek, Google Gemini, Mistral und andere Dienste. Anfragen gehen direkt an die Anbieter.
3. Integrierter Skales IQ-Test-Zugang, wenn Sie die App einfach ausprobieren möchten, ohne Schlüssel einzurichten.

Das MCP (Model Context Protocol) und das SKILL.md Skill-Format werden unterstützt, sodass Sie benutzerdefinierte Tools aus dem Claude Code- oder Cursor-Ökosystem problemlos mit dem Agenten verbinden können.

Wo es praktisch zum Einsatz kommt

• Routinentwicklung: wenn Sie dutzende Dateien durchgehen, Importe aktualisieren, Tests für eine neue API umschreiben und sofort Diffs vor dem Commit überprüfen müssen.
• Recherche und Berichte: Sie stellen eine Aufgabe zur Erforschung einer Bibliotheksdokumentation, der Agent lädt Seiten selbst herunter, extrahiert wichtige Punkte und speichert das Ergebnis in Markdown.
• Admin-Automatisierung: das Projekt hat ein WordPress-Plugin mit etwa fünfzig Tools zur Verwaltung von Beiträgen, Mediendateien und WooCommerce-Produkten, ohne manuell durch das Web-Panel zu navigieren.

Für wen es sich lohnt

Wenn Sie es leid sind, Agent-Pipelines aus verstreuten Python-Bibliotheken manuell zusammenzubauen, und ein gebrauchsfertiges Tool für den täglichen Einsatz möchten, ist Skales definitiv einen Blick wert. Es wird besonders diejenigen ansprechen, die Datenschutz schätzen und Modelle lieber lokal über Ollama ausführen.

Sie können Installationspakete für jedes System von der offiziellen Website des Projekts oder dem Releases-Bereich des Repositories herunterladen.