Pi Coding Agent - Extensible Workflows

Extension für Pi Coding Agent. Das Konzept mit der Orchestrierung der Subagents ist jedoch universell.

Video

Links

pi.dev
pi.dev | pi-extensible-workflows

GitHub
GitHub | pi-extensible-workflows

Die Zusammenfassung wurde mithilfe von KI‑Tools erstellt. Web Clipper → Obsidian → Copilot, unter lokaler Verwendung von qwen3.6-35b-a3b-mlx auf einem Mac Studio.
YouTube hat kürzlich die Codierung geändert, der bisherige Code für das Transkript funktioniert nicht mehr. Diesen habe ich nun angepasst. Siehe hier:

Transkript

Einführung und Überblick

• Vorstellung der Pi-Erweiterung "PI extensible workflows"
• Ziel des Videos: Erklärung der Entstehung und Anwendungsmöglichkeiten
• Repository wird verlinkt, aktive Entwicklung
• Hinweis auf lange Videolänge und Timestamps zur Navigation
• Einführung in das Workflow-Konzept

Das Konzept der Workflows (Claudes DSL)

• Aufteilung einer Aufgabe auf verschiedene Sub-Agents
• Jeder Sub-Agent fokussiert sich auf eine spezifische Sache
• Abweichung vom bisherigen Modell der Agenten-Kommunikation
• Verwendung eines kleinen DSL (Domain Specific Language) für Workflows
• Nutzung von Parallelisierung für Aufgaben
• Kombination der Vorteile von Agenten und Coding

Warum Workflows verwenden? (Deterministisch vs. probabilistisch)

• Vermeidung der reinen Abhängigkeit vom Hauptmodell
• Beispiel: Behebung von Tests nach einem Refactoring
• Nutzung von Schleifen mit Exit-Bedingungen (z.B. Bash-Exit-Code)
• Verlässlichere Ergebnisse durch deterministische Abläufe
• Vermeidung von "Cheating" oder Vergessen durch das Hauptmodell

Vermeidung von Kontextfensterüberlastung

• Endresultate von Sub-Agents belasten nicht das Kontextfenster des Hauptagents
• Schmales und effizientes Systemprompt bleibt erhalten
• Beispiel: 5 parallel laufende Agenten ohne Kontextverschmutzung

Praktisches Beispiel: GitHub-Issues & Parallele Aufgaben

• Nutzung von GitHub-Issues zur Aufgabenverwaltung
• Parallelisierung von Subtasks mit eigenen Worktrees
• Jeder Sub-Agent arbeitet in einem isolierten Worktree
• Trennung von Entwicklungs- und Review-Phasen

Workflow „Entwickeln bis zur Genehmigung“

• Zwei Modelle: eines für Entwicklung, eines für Review
• Iterative Korrektur bei Ablehnung durch den Reviewer
• Maximale Anzahl an Wiederholungen definiert
• Nach der Genehmigung folgt die Zusammenführungsphase

Zusammenführungsphase und deterministische Bereinigung

• Zusammenführung aller Worktrees in den Hauptzweig
• Deterministische Bereinigung durch Code statt Agenten
• Überprüfung der Merge-Integrität durch Commit-Analyse
• Automatisches Entfernen der Worktrees nach erfolgreichem Merge

Zusammenfassungsphase & Optimierung der Systemabfragen

• Zusammenfassung von Erfolg, Misserfolg und Testergebnissen
• Nur das Ergebnis landet im Systemprompt des Hauptagents
• Vermeidung von Rauschen im Hauptkontext
• Integration weiterer Erweiterungen zur Funktionalitätserweiterung

Workflows über Abfragen auslösen

• Einfache Prompt-Auslösung für komplexe Workflows
• LLM findet verfügbare Funktionen über ein Tool
• Entkopplung der Workflow-Ausführung vom expliziten Prompt
• Verwaltung von Agenten und Ressourcenverbrauch

Laufende Agenten verwalten (Pause, Fortsetzen, Protokoll)

• Möglichkeit zum Pausieren, Stoppen und Fortsetzen von Workflows
• Journaling aller Aktionen für Wiederherstellung und Debugging
• Kopieren der Run-ID für detaillierte Analyse
• Forken von Pi-Sessions zur Nachverfolgung einzelner Agenten

Globale und Projekteinstellungen (Parallelität, Aliase)

• Konfiguration der Parallelität (Concurrency)
• Nutzung von Modell-Aliases für verschiedene Rollen
• Fokus auf Token-Effizienz im Systemprompt
• Deaktivierung unnötiger Ressourcen pro Rolle

Ressourcen und Tools pro Rolle deaktivieren

• Anpassung der verfügbaren Tools je nach Rolle (z.B. Entwickler vs. Zusammenfassung)
• Vermeidung von unnötigen Interaktionen (z.B. "Grill me" Skill)
• Reduzierung des Systemprompts um bis zu 50%
• Fokussierung der Agenten auf die eigentliche Aufgabe

Laufzeitbudgets (weiche und harte Obergrenzen)

• Definition von Budgets für Zeit, Tokens oder Kosten
• Weiche Obergrenze: Warnung an laufende Agenten
• Harte Obergrenze: Abbruch der Arbeit
• Vermeidung von Kostenüberschreitungen

Workflow-DSL-Primitive (Agent, Shell, Parallel usw.)

• Grundlegende Bausteine: Agent, Shell, Prompt, Parallel, Phase, Checkpoint, Worktree
• Erweiterbarkeit durch benutzerdefinierte Funktionen
• Nutzung von Shell-Befehlen für Wartezeiten oder externe Interaktion
• Einfache Struktur für komplexe Abläufe

Beispiel: TDD-Schleifenimplementierung

• Implementierung von Test-Driven Development (TDD) Schleifen
• Automatisches Ausführen von Tests und Beheben von Fehlern
• Ausgabe von Standardfehler und Standardausgabe bei Misserfolg
• Konfiguration der Agenten-Tools und Optionen

Strukturierte Ausgabe mit JSON-Schema

• Möglichkeit zur Rückgabe von Ergebnissen im JSON-Format
• Strukturierte Daten für weitere Verarbeitung
• Interpolation von Daten aus vorherigen Läufen
• Klare Definition von Aufgaben und Review-Ergebnissen

Rollenkonfiguration und Modellaliase

• Definition verschiedener Rollen mit spezifischen Modellen
• Nutzung von Modell-Aliases für Flexibilität
• Anpassung der Tools und Regeln pro Rolle
• Integration in das Systemprompt für effiziente Auswahl

Erweiterte Anpassung und Anbindung an Pi

• Dynamische Anpassung der Agenten und Erweiterungen
• Hooks vor dem Starten von Agenten
• Lebenszyklus-Ereignisse und Fehlerbehandlung
• Nutzung von Hilfsfunktionen wie "Doctor" zur Diagnose

Hilfsfunktionen (Doctor, Inspection, Export)

• "Doctor"-Tool zur Überprüfung der Konfiguration
• Inspektion anderer Sessions und Transkripte
• Export-Funktion für Workflows
• Fehlerbehebung bei falscher Tool-Konfiguration

Zukunftsvision: Workflows in Binärdateien bündeln

• Bündelung von Workflows in ausführbaren Binärdateien
• Kombination von Code und Agenten-Arbeit
• Beispiel: Reiseplanung mit Recherche und Logistik
• Nutzung von direkten API-Aufrufen zur Vermeidung von Halluzinationen
• Generierung von Berichten (HTML, PDF) am Ende des Prozesses

Zusammenfassung und Repository-Informationen

• Einladungen zum Experimentieren und Feedback
• Repository-Link in der Videobeschreibung
• Aktive Entwicklung und weitere Funktionen