Leitfaden

Selbstentwickelnde Funktionen

REAP ist kein statisches Framework. Die KI wählt automatisch Ziele aus Vision und Gedächtnis aus, der Mensch beurteilt die Fitness durch natürlichsprachliches Feedback, und die Pipeline passt ihren Kommunikationsstil basierend auf der Kontextklarheit an. Diese Funktionen arbeiten zusammen, um eine Entwicklungs-Pipeline zu schaffen, die sich wirklich mit Ihrem Projekt weiterentwickelt.

Lückengesteuerte Zielauswahl

Am Ende jeder Generation (adapt-Phase) analysiert die KI die Lücke zwischen der Vision des Projekts und seinem aktuellen Zustand, um das nächste Ziel vorzuschlagen. Dies ist der Kernmechanismus, der REAP selbstentwickelnd macht.

Unerledigte Ziele aus vision/goals.md lesen
Querverweisen mit ausstehenden Backlog-Einträgen zur Prioritätssteigerung
Nach Auswirkung sortieren — Ziele mit zugehörigen Backlog-Aufgaben erzielen höhere Werte
Den Top-Kandidaten dem Menschen zur Genehmigung vorschlagen

Im Cruise-Modus erfolgt die Zielauswahl automatisch zwischen Generationen ohne menschliches Eingreifen.

Menschen beurteilen Fitness

Es gibt keine quantitativen Metriken. Das natürlichsprachliche Feedback des Menschen während der Fitness-Phase ist das einzige Fitness-Signal. Der KI ist es ausdrücklich verboten, ihren eigenen Erfolg zu bewerten — nur Selbsteinschätzung (Metakognition) ist erlaubt.

Dies stellt sicher, dass sich das Projekt in die Richtung entwickelt, die der Mensch schätzt, nicht in die Richtung, die die KI optimieren kann.

Klarheitsgesteuerte Interaktion

Die KI bewertet dynamisch, wie gut der aktuelle Kontext definiert ist, und passt ihre Kommunikationstiefe entsprechend an. Die Klarheit wird zu Beginn jeder Generation während der Lernphase bewertet.

Klarheit	Signale	KI-Verhalten
High	Klares Ziel, definierte Aufgaben, etablierte Muster	Mit minimalen Fragen ausführen. Ergebnisse berichten.
Medium	Richtung vorhanden, Details unklar	2-3 Optionen mit Abwägungen präsentieren. Menschen wählen lassen.
Low	Mehrdeutiges Ziel, widersprüchliche Einschränkungen	Aktiver Dialog mit Beispielen zum Aufbau gemeinsamen Verständnisses.

Cruise-Modus

N Generationen zur autonomen Ausführung vorab genehmigen. Die KI wählt Ziele aus Vision-Lücken und Backlog-Aufgaben, führt den vollständigen Lebenszyklus aus und bewertet jede Generation selbst (bewertet nicht selbst).

bash

# Enable cruise mode for 5 generations
reap cruise 5

Aktivierung: Setzt cruiseCount: 1/5 in config.yml. Der Zähler wird nach jeder abgeschlossenen Generation erhöht.

Zielauswahl: Während der adapt-Phase analysiert die KI Lücken zwischen vision/goals.md und dem aktuellen Zustand und wählt dann das wertvollste nächste Ziel.

Fitness: Im Cruise-Modus verwendet die Fitness-Phase Selbsteinschätzung (Metakognition) anstatt auf menschliches Feedback zu warten. Der KI ist es ausdrücklich verboten, ihren eigenen Erfolg zu bewerten.

Pausenbedingungen: Cruise pausiert automatisch und fordert menschliche Eingabe an, wenn: (1) die Unsicherheit die Konfidenzschwelle der KI überschreitet, (2) eine Entscheidung menschliches Urteil erfordert (z.B. API-Änderungen mit Inkompatibilitäten), oder (3) der Backlog widersprüchliche Prioritäten enthält. Nachdem alle N Generationen abgeschlossen sind, überprüft der Mensch die Charge.

Gedächtnissystem

Gedächtnis ist ein freiformiges Aufzeichnungssystem, in dem die KI Kontext über Sitzungen und Generationen hinweg persistiert. Im Gegensatz zum Genome (modifikationsbeschränkt) oder Lineage (wird im Laufe der Zeit komprimiert) ist das Gedächtnis immer zugänglich und frei beschreibbar.

text

.reap/vision/memory/
  longterm.md    # Project lifetime — lasting lessons, decision rationale
  midterm.md     # Multi-generation — ongoing work context, plans
  shortterm.md   # 1-2 sessions — next session handoff, immediate context

Ebene	Rolle	Entscheidungsregel	Pruning
shortterm	Session-Übergabe	"Wird das gerade jetzt gebraucht?"	Wird jede Generation ersetzt — sammelt sich nie an
midterm	Laufende Tracks	"Ist das ein unabgeschlossener großer Track?"	Wird bei Abschluss gelöscht, nachdem die Lektionen übernommen wurden
longterm	Design-Lektionen	"Verhindert das denselben Fehler in der nächsten Generation?"	Einträge, die bereits im Genome stehen, werden entfernt

Regeln:

Jederzeit lesen und schreiben — keine Phasenbeschränkung, keine Erlaubnis nötig
Nach dem Zweck des Inhalts klassifizieren, nicht nach Lebensdauer. Lebensdauer erfordert eine Zukunftsprognose und führte zu Fehlklassifikation und Wildwuchs
Abgeschlossen und ohne bleibende Lektion? Nicht aufzeichnen — Lineage und Git-Historie bewahren es bereits
Pruning ist in der Reflect-Phase verpflichtend — keine optionale Aufräumarbeit
Wildwuchs ist ein Fehlersignal: longterm über ~50 Zeilen oder midterm über ~70 bedeutet ausgelassenes Pruning. Leere Dateien sind ein gültiger Zustand

Vision & Lückengesteuerte Evolution

Vision ist der primäre Treiber jeder Generation. Die Datei .reap/vision/goals.md definiert Nordstern-Ziele für das Projekt. Während der adapt-Phase führt die KI eine Lückenanalyse durch: Sie vergleicht Vision-Ziele mit dem aktuellen Zustand der Codebasis.

1. Zieldefinition

Der Mensch schreibt übergeordnete Ziele in goals.md. Jedes Ziel ist ein Markdown-Checkbox-Element. Ziele können für Unterziele verschachtelt werden.

2. Lückenanalyse (adapt-Phase)

Die KI vergleicht unerledigte Ziele mit der aktuellen Codebasis, Umgebung und Generationshistorie. Sie identifiziert die wertvollste Lücke und schlägt sie als Ziel der nächsten Generation vor.

3. Automatische Markierung

Wenn eine Generation ein Vision-Ziel erreicht, markiert die KI das entsprechende Kontrollkästchen in goals.md während der adapt-Phase. Dies bietet eine dauerhafte Ansicht des Projektfortschritts.

4. Kontinuierlicher Zyklus

Vision entwickelt sich ebenfalls weiter. Der Mensch aktualisiert Ziele, wenn sich die Projektrichtung ändert. Die KI referenziert sowohl abgeschlossene als auch verbleibende Ziele, um die Flugbahn beizubehalten.

markdown

# goals.md example
- [x] Core lifecycle engine (learning -> completion)
- [x] Genome 3-file structure
- [ ] Distributed merge workflow
  - [x] Detect + mate stages
  - [ ] Reconcile stage with genome-source consistency check
- [ ] Plugin system for custom stage logic