Von der Anforderungsaufnahme über Implementierung, Review und Dokumentation bis zum Deployment — jede Phase als versionierter Skill, ausgeführt in Ihrer eigenen Agent-Laufzeit.
Ein Paket trägt einen vollständigen, KI-gestützten Delivery-Prozess: Jede Phase im Leben einer User Story läuft als versionierter, nachvollziehbarer Skill — als Slash-Command direkt in Ihrer Agent-Laufzeit (/help listet den gesamten Katalog).
Meeting-Transkripte werden zu strukturierten Jira-Stories mit Akzeptanzkriterien.
Codebase-Analyse erzeugt nachvollziehbare, reviewbare Implementierungsnotizen.
KI-generierte erste Implementierungsentwürfe mit Tests — im Tech-Stack des Kunden.
Rubrik-bewertete Reviews, PR-Tooling und deterministische Testdaten.
Umgebungs-Promotion, Release Notes und Dokumentation.
Vom Story-Entwurf aus Meeting-Transkripten über parallele Implementierung ganzer Epics bis zu Release-PRs und Architektur-Dokumentation — jeder Workflow-Schritt ist ein Slash-Command.
Skills, Adapter und ein Node-Installer — kein CloudRise-Server im Ablauf, keine Telemetrie, kein Phone-Home. Ihr Code, Ihre Tickets und Ihre Transkripte verlassen Ihre Umgebung nicht.
Semantische Versionierung mit VERSION, CHANGELOG und unveränderlichen Releases. Jede Skill-Ausführung hinterlässt ein schema-validiertes Protokoll — auditierbar im eigenen Repository.
Kein Skill enthält einen Kundennamen, ein Vendor-Tool oder ein Laufzeit-Primitiv. Fünf unabhängige Achsen werden bei der Ausführung aus der Konfiguration aufgelöst — eine neue Plattform, Laufzeit oder Git-Strategie ist ein neues Adapter-Dokument, nie ein Fork der Skills.
Identität, Zugänge, Namenskonventionen, Locale und Pfade — Ihr eigenes Konfigurations-Repository, verknüpft bei der Installation.
Stack-spezifische Kommandos und Standards — Salesforce, Node/Cloudflare und weitere. Plattform-spezifische Skills brechen sauber ab, wo sie nicht gelten.
Claude Code, OpenAI Codex, Gemini CLI, lokales LLM oder gehosteter Endpoint — pro Lauf wechselbar, mit Cross-Runtime-Review.
Cloud (MCP-Tools) oder Data Center (REST mit Token) — dieselben Jira- und Confluence-Workflows in beiden Welten.
Feature-Branch, Trunk-based oder Gitflow — Branching, PR-Gates und Story-Promotion folgen Ihrem Modell.
Die Skills existieren genau einmal — und laufen nativ dort, wo Sie arbeiten. Auch datensouverän: mit einem lokalen LLM oder einem europäischen Endpoint Ihrer Wahl als Datenperimeter.
Volle Fähigkeiten: parallele Subagenten, Worktree-Isolation, MCP, Websuche.
Native Skill-Ausführung mit reduzierter Parallelität.
Natives MCP, sequenzielle Verarbeitung.
Ollama / llama.cpp — für Datenschutz- und Offline-Szenarien.
Jeder OpenAI-kompatible Endpoint — z. B. Scaleway, OVHcloud, IONOS, STACKIT. Der API-Schlüssel gelangt nie in die Konfiguration, nur der Name seiner Umgebungsvariable.
Gewichtete Bewertungsrubrik mit 100-Punkte-Skala und Ampel-Schwellwerten. Ein hartes Severity-Gate entscheidet über Go/No-Go — der Score ist die auditierbare Zusammenfassung.
Jeder Skill nennt seinen Geltungsbereich, bevor er arbeitet. Plattform- und Laufzeit-Guards brechen sauber ab statt zu raten. Secrets gelangen nie in die Konfiguration.
Jede Skill-Ausführung schreibt ein schema-validiertes JSON-Protokoll in Ihr eigenes Repository — Skill, Story, Laufzeit, Status und Artefakte sind jederzeit nachvollziehbar.
Der Harness und Ihr Konfigurations-Repository sind privat. Beim Onboarding richten wir zwei Zugänge ein — prüfen Sie beide einmal pro Rechner, bevor Sie installieren.
cloudrise-license.json — Sie erhalten sie zusammen mit der Rechnung@aethon-x/harness ist ein privates npm-Paket. Ihr npm-Konto wird in die aethon-x-Organisation eingeladen; danach genügt einmalig npm login pro Rechner. Wichtig: Ohne Zugang meldet npm 404 Not Found — das ist npm, das ein privates Paket verbirgt, kein falscher Paketname. Fehlt die Einladung, melden Sie sich bei CloudRise.
harness init klont beim ersten Lauf Ihr Konfigurations-Repository — standardmäßig von GitHub. Liegt es woanders (eigene GitHub-Organisation, GitLab, Bitbucket, interner Git-Server), zeigt die Umgebungsvariable PIPELINE_CUSTOMER_REPO_URL beim ersten init auf eine beliebige Git-URL. Danach aktualisiert sich das Repository per gewöhnlichem git pull.
npm install --save-dev @aethon-x/harnessLegen Sie die erhaltene cloudrise-license.json in das Projektverzeichnis (oder nach ~/.config/cloudrise/). Die Prüfung erfolgt offline über eine Ed25519-Signatur — es wird nichts übertragen.
harness init klont Ihre Konfiguration, verknüpft sie, wählt Laufzeit und Git-Strategie und stellt die Skills als Slash-Commands bereit. Der Befehl ist idempotent — nach jedem Upgrade oder Konfigurationswechsel einfach erneut ausführen.
npx harness init <ihr-konfigurationsname>npx harness doctorDanach die Agent-Laufzeit im Projektverzeichnis starten — die Skills erscheinen als Slash-Commands (/help listet sie).
Vier Kommandos bestätigen, dass alles steht — jedes nennt im Fehlerfall den nächsten Schritt.
npx harness version → AI Harness 2.0.1 (@aethon-x/[email protected]) npx harness license → License VALID — Lizenznehmer, Plätze und Hauptversion werden angezeigt npx harness doctor → "All checks passed." — jede fehlgeschlagene Zeile nennt das Kommando, das sie behebt npx harness init --dry-run → Vorschau, was ein erneutes init ändern würde — es wird nichts geschrieben
Minor- und Patch-Releases sind in Ihrer Hauptversion enthalten. Das Update ist ein Zweischritt:
npx harness upgrade # neueste Version innerhalb Ihrer lizenzierten Hauptversion npx harness init <konfiguration> # Arbeitsstruktur danach neu aufbauen
Der Aethon-X Harness ist eine Bibliothek KI-gestützter Delivery-Workflows — von der Anforderungsaufnahme über Implementierung, Review und Dokumentation bis zum Deployment. Jede Phase ist als versionierter Skill paketiert und läuft als Slash-Command in Ihrer eigenen Agent-Laufzeit.
Nein. Der Harness wird als Text ausgeliefert — Skills, Adapter und ein Node-Installer — und läuft vollständig in der Agent-Laufzeit, die Sie bereits nutzen. Es gibt keinen CloudRise-Server im Ablauf, keine Telemetrie und kein Phone-Home. Auch die Lizenzprüfung erfolgt offline.
Claude Code (empfohlen), OpenAI Codex CLI, Google Gemini CLI, lokale LLMs (Ollama / llama.cpp) sowie beliebige gehostete Endpoints, die die OpenAI-Chat-Completions-API sprechen — etwa Scaleway, OVHcloud, IONOS oder STACKIT. Die Skills existieren nur einmal und passen sich zur Laufzeit an.
Ja. Standardmäßig wird das Konfigurations-Repository von GitHub geklont, aber jede Git-URL funktioniert — eigene GitHub-Organisation, GitLab, Bitbucket oder ein interner Git-Server. Die URL wird nur für den ersten Clone benötigt; danach aktualisiert sich das Repository per gewöhnlichem git pull.
Die Lizenz gilt unbefristet pro Hauptversion; Minor- und Patch-Updates sind enthalten. Die Lizenzdatei trägt eine Ed25519-Signatur, die das CLI offline gegen einen im Paket kompilierten öffentlichen Schlüssel prüft — es wird nichts übertragen und kein Lizenzserver kontaktiert.
Erfahren Sie in einem unverbindlichen Gespräch, wie der Harness Ihre Delivery-Prozesse beschleunigt — inklusive Live-Demo im Workflow Ihres Teams.
Kostenlose Erstberatung vereinbaren