Local-first-Workflows

Problem

Ein ganzes Repository durch ein Cloud-Modell zu schicken ist langsam, teuer und gibt oft mehr Code preis als die Aufgabe erfordert. Viele technische Fragen werden kleiner, sobald Sie den Baum durchsuchen, Kandidatendateien listen und strukturiert packen — Arbeit, die auf Ihrer Maschine mit gewöhnlichen Tools hingehört, nicht in einem Remote-Prompt.

AgentFlows Ansatz

Lokale Untersuchung und Kontextreduktion sind ein erstklassiger Schritt vor den teuren Phasen. AgentFlow kann vorher eingrenzen, was das Repository verlässt:

1. agentflow investigate <feature> — begrenztes Grep, Kandidatendateien, Warnungen bei großen Dateien, zugehörige Tests
2. agentflow context <feature> --optimize — Kontext sammeln, bewerten, in ein Pack verdichten
3. Routing — Ollama oder lokale Profile für summarize, classify, pre_review und context_selection, wenn routing.strategies.cost_aware greift

Praktisch verläuft das linear: Nutzerintent → Untersuchung → Kontext-Pack → Routing wählt lokal oder Cloud → beide Pfade laufen in die Validierung.

flowchart LR
  A[User intent] --> B[Investigate]
  B --> C[Context pack]
  C --> D{Route}
  D -->|local step| E[Ollama / local agent]
  D -->|cloud step| F[Cursor / Codex / Claude]
  E --> G[Validation]
  F --> G

Beispiel

Untersuchung und Kontextoptimierung für ein Feature, dann Vorschau von work mit lokaler Präferenz und nur Schätzung:

agentflow investigate billing-v2 --task task-003
agentflow context billing-v2 --task task-003 --optimize
agentflow work "develop billing-v2" --prefer-local --estimate-only

Abwägungen

Konfiguration

Das folgende Snippet aktiviert kostenbewusstes Routing und setzt gemeinsame Byte-Limits für die Investigation. Die Limits gelten auch bei mcp.enabled: false; sie stehen unter mcp.investigation, weil sie von allen lokalen Investigation-Pfaden geteilt werden.

routing:
  default_strategy: cost_aware
  strategies:
    cost_aware:
      prefer_local_for: [summarize, classify, context_selection, pre_review]

mcp:
  investigation:
    large_file_bytes: 524288
    max_grep_output_bytes: 262144

Siehe auch

• Lokale Investigation
• Kontextoptimierung
• Token-Schätzung