Letzten Dienstag hätte ich fast drei Custom-Scripts gelöscht. Nicht weil sie kaputt waren — sondern weil das neueste Update von Claude Code sie über Nacht völlig überflüssig machte.
Ich hatte Wochen damit verbracht, Shell-Aliase zu verfeinern, Wrapper-Funktionen um API-Aufrufe zu bauen und eine Slack-Benachrichtigungspipeline für meinen Deployment-Workflow einzurichten. Gute Arbeit. Solides Engineering. Dann brachte Anthropic dieses Update heraus, und ich saß da und sah zu, wie Claude Code alles tat, was meine Scripts taten — plus Dinge, an die ich nicht einmal gedacht hatte — direkt aus dem Terminal.
Das ist ein seltsames Gefühl. Gleichzeitig "das ist fantastisch" und "was ist gerade mit meinem Wochenendprojekt passiert."
Das ist, was ich nach einer vollen Woche Stresstests jeder neuen Funktion weiß: Dies ist kein kleiner Patch. Anthropic hat grundlegend verändert, was Claude Code kann, und wenn Sie gerade etwas mit KI-Agenten bauen, müssen Sie verstehen, was sich verschoben hat. Einige dieser Funktionen werden Ihre tägliche Arbeitsweise verändern. Eine davon — und darauf komme ich noch zurück — könnte verändern, wie Sie über KI-Fähigkeiten denken.
Aber zuerst die, die mich am härtesten getroffen hat.
Der Skill Creator verwandelte meine Agenten in selbstverbessernde Systeme
Ich baue Custom Skills für Claude Code seit den Anfangstagen. Der Prozess war immer derselbe: eine Skill-Definition schreiben, manuell testen, den Prompt anpassen, erneut testen, deployen, feststellen, dass etwas anderes kaputtgegangen ist, und tagelang wiederholen. Funktional? Sicher. Effizient? Nicht einmal annähernd.
Der verbesserte Skill Creator verändert diesen Kreislauf komplett. Und ich meine nicht, dass er eine schönere Oberfläche bekommen hat — ich meine, dass er eingebaute Evol-Generierung mit Benchmarking und Multi-Agent-Testing eingeführt hat. Diese Worte klingen vielleicht nach Marketingtext, aber bleiben Sie dran, denn das ist wirklich anders.
Folgendes bedeutet das in der Praxis. Sie schreiben einen Skill, und statt ihn manuell gegen verschiedene Szenarien zu testen, können Sie jetzt sogenannte "Evol-Tests" generieren — automatisierte Benchmarks, die Erfolgsraten, Laufzeit und Token-Verbrauch über mehrere Testszenarien messen. Der Skill Creator startet mehrere Agenten, wirft Ihren Skill gegen verschiedene Randfälle und liefert Ihnen harte Zahlen darüber, wie er performt.
Ich testete dies mit einem PDF-Formularausfüll-Skill, mit dem ich wochenlang gekämpft hatte. Die Originalversion extrahierte Text aus Formularfeldern und füllte sie aus, aber sie richtete Daten immer wieder falsch aus — Adressen in Telefonnummernfelder setzen, diese Art von Chaos. Manuelles Debugging führte nirgendwohin, weil die Fehler inkonsistent waren.
Mit dem neuen Skill Creator führte ich einen Evol-Test durch und sah sofort das Problem: Meine Textextraktion war nicht an präzisen Koordinaten verankert. Der Skill erriet Feldpositionen basierend auf Labels, und die Label-Positionierung variierte je nach PDF-Vorlage. Die Benchmarkdaten zeigten eine Erfolgsrate von 62% — weit schlechter als ich aufgrund meiner Handvoll manueller Tests angenommen hatte.
Die Lösung war einfach, sobald ich die Daten sehen konnte. Ich verankerte die Extraktion an exakten Koordinaten statt an unscharfem Label-Matching. Die Erfolgsrate sprang beim nächsten Evol-Durchlauf auf 94%. Was mich noch eine Woche manuelles Debugging gekostet hätte, dauerte etwa vierzig Minuten mit tatsächlichen Metriken als Leitfaden.
Aber hier ist der Teil, der wirklich meine Aufmerksamkeit erregte — und das verbindet sich mit etwas, das ich Ihnen im Implementierungsabschnitt zeigen werde. Skills können jetzt automatisch evolvieren, wenn neue Modelle veröffentlicht werden. Wenn Anthropic also ein Modell-Update herausbringt, arbeiten Ihre Skills nicht einfach auf demselben Niveau weiter. Sie können sich anpassen und möglicherweise verbessern, ohne dass Sie sie anfassen. Ich hatte früher immer Angst vor Modell-Updates, weil die Hälfte meiner Prompts umgeschrieben werden musste. Diese Reibung ist jetzt größtenteils verschwunden.
Ultra Mode und warum ich mir keine Sorgen mehr um komplexe Codebases mache
Ich bin ehrlich — als Ultra Mode vor Monaten zum ersten Mal auftauchte, dachte ich, es sei hauptsächlich Hype. Größeres Reasoning-Budget, längere Denkzeit, klar. Aber produzierte es tatsächlich bedeutend bessere Ergebnisse?
Nach diesem Update: ja. Eindeutig ja.
Ultra Mode unterstützt jetzt Opus 4.6 und Sonnet 4.6, und der Unterschied ist nicht subtil. Das erweiterte Reasoning-Budget bedeutet, dass Claude Code größere Teile Ihrer Codebase im Arbeitsspeicher halten kann, während es Probleme löst. Bei kleinen Scripts und Einzeldatei-Bearbeitungen bemerken Sie wenig. Bei allem, was mehrere Dateien berührt, komplexes State Management oder mehrstufiges Debugging — es ist eine völlig andere Erfahrung.
Ich unterzog es dem härtesten Test, den ich mir vorstellen konnte: eine vollständige Full-Stack-Kalenderanwendung von Grund auf zu bauen. React-Frontend, TypeScript durchgängig, ordentliche Komponentenarchitektur, State Management, API-Integration. Kein Spielzeug-Demo — eine echte Anwendung mit wiederkehrenden Ereignissen, Zeitzonen-Handling, Drag-and-Drop-Umplanung.
Im Standardmodus verlor Claude Code gelegentlich den Kontext zwischen Komponenten. Es generierte eine wunderschöne EventCard-Komponente und erstellte dann ein CalendarGrid, das leicht andere Props erwartete. Kleine Unstimmigkeiten, die ich im Review entdeckte und manuell reparierte. Normale KI-Coding-Erfahrung.
Mit aktiviertem Ultra Mode (Sie aktivieren ihn durch Eingabe von ultrathink in Claude Code) verschwanden diese Unstimmigkeiten im Wesentlichen. Die generierten Komponenten passten sauber zusammen, weil das Modell genug Reasoning-Raum hatte, um den gesamten Komponentenbaum gleichzeitig im Kopf zu behalten. Die Kalender-App kam mit konsistenten Prop-Interfaces heraus, korrekten TypeScript-Typen durch den gesamten Stack und sogar vernünftigen Error Boundaries, um die ich nicht explizit gebeten hatte.
Verbraucht es mehr Tokens? Absolut. Ist es langsamer? Etwas. Lohnt es sich für komplexe Arbeit? Ohne Frage. Ich habe begonnen, Ultra Mode standardmäßig für alles jenseits von Einzeldatei-Bearbeitungen zu verwenden, und meine Review-and-Fix-Zyklen sind dramatisch zurückgegangen.
Es gibt einen praktischen Trade-off, den ich erwähnen sollte. Ultra Mode verbrennt Ihr API-Budget schneller. Bei einer komplexen Session zum Bau dieser Kalender-App verbrauchte ich ungefähr 3x so viele Tokens im Vergleich zum Standardmodus. Wenn Ihr Budget knapp ist, sparen Sie Ultra Mode für Arbeit auf, die es wirklich braucht — Multi-Datei-Refactors, komplexes Debugging, Architekturentscheidungen. Verwenden Sie den Standardmodus für schnelle Bearbeitungen und einfache Generierungen.
Diese Budgetüberlegung führt natürlich zur nächsten Funktion, denn Anthropic hat offensichtlich darüber nachgedacht, wie Menschen Claude Code tatsächlich über den Tag hinweg nutzen — nicht nur wenn sie am Schreibtisch sitzen.
Remote Control: Mein Smartphone wurde ein Build-Dashboard
Diese Funktion hat mich mehr überrascht als alles andere im Update. Remote Control ermöglicht es Ihnen, Claude Code-Sessions von Ihrem Telefon oder einem anderen Zweitgerät aus zu starten, zu überwachen und mit ihnen zu interagieren. Verfügbar für alle kostenpflichtigen Anthropic-Pläne, keine zusätzliche Einrichtung erforderlich.
Mein erster Gedanke war "das ist ein Gimmick." Mein zweiter Gedanke, nach drei Tagen Nutzung, war "wie habe ich jemals ohne das gelebt?"
Hier ist mein tatsächlicher Anwendungsfall. Ich startete eine große Refactoring-Aufgabe bevor ich zu einem Meeting ging — die Reorganisation gemeinsam genutzter Utilities in einer Monorepo in ordentliche Packages. Die Art von Aufgabe, bei der Claude Code Hunderte von Dateiänderungen in Dutzenden von Verzeichnissen vornehmen muss. Früher wartete ich an meinem Schreibtisch bis es fertig war, oder ich kam zurück um festzustellen, dass es vor vierzig Minuten einen Fehler hatte und aufgehört hatte.
Mit Remote Control verfolgte ich den Fortschritt auf meinem Telefon während des Meetings. Als Claude Code auf einen mehrdeutigen Importpfad stieß und um Klärung bat, antwortete ich in etwa fünfzehn Sekunden von meinem Telefon aus. Das Refactoring ging weiter. Als ich an meinen Schreibtisch zurückkam, war die gesamte Reorganisation abgeschlossen und alle Tests bestanden.
Ich nutzte es auch für etwas Einfacheres aber ebenso Nützliches: das Monitoring langwieriger Test-Suites. Starten Sie die Tests von Claude Code, gehen Sie weg, erhalten Sie eine Benachrichtigung auf Ihrem Telefon wenn sie fertig sind oder fehlschlagen. Es verwandelt Claude Code von einem "am Schreibtisch"-Werkzeug in etwas, das sich an Ihren Zeitplan anpasst.
Eine Einschränkung, die erwähnenswert ist: Komplexe Interaktionen — wie das Reviewen großer Diffs oder das Schreiben detaillierter Prompts — funktionieren noch immer besser mit einer vollständigen Tastatur. Die Telefonoberfläche funktioniert hervorragend für Genehmigungen, kurze Antworten und Monitoring. Erwarten Sie nicht, tiefe Coding-Sessions von Ihrem Telefon aus zu führen. Das ist nicht der Zweck, und ehrlich gesagt sollte es das auch nicht sein.
Voice Mode veränderte mein Denken über Prompting
Derzeit haben nur etwa 5% der Benutzer Zugang zum Voice Mode, und ich gehörte zufällig zu dieser Gruppe. Aktiviert durch Eingabe von /voice in Ihrer Claude Code-Session schaltet er Echtzeit-Sprache-zu-Text-Transkription für Ihre Befehle ein.
Meine anfängliche Reaktion war Skepsis. Ich tippe schnell. Warum sollte ich mit meinem Terminal reden?
Drei Tage später verstand ich es. Der Wert liegt nicht in der Geschwindigkeit — er liegt in der Ausdrucksfähigkeit.
Wenn ich einen Prompt tippe, neige ich zur Kürze. "Refactore die Auth-Middleware für Token-Refresh-Handling." Klar, präzise, effizient. Aber auch ohne Kontext, der Claude Code helfen würde, bessere Entscheidungen zu treffen.
Wenn ich spreche, füge ich diesen Kontext natürlich hinzu: "Hey, also die Auth-Middleware wird unübersichtlich, weil wir Token Refresh letzten Sprint hinzugefügt haben, aber es ist mit der Session-Validierungslogik verflochten. Ich möchte den Refresh-Flow in seine eigene Middleware auslagern, die vor der Session-Prüfung läuft, und sicherstellen, dass wir den Token-Endpoint nicht mehr als einmal pro Request-Zyklus anrufen."
Dieselbe Anfrage. Viel mehr Kontext. Dramatisch bessere Ausgabe von Claude Code, weil es nicht nur verstand, was ich wollte, sondern warum.
Ich verwende Voice Mode jetzt gezielt für komplexe Architekturanfragen, bei denen Kontext wichtig ist, und Tippen für schnelle, präzise Bearbeitungen. Der hybride Ansatz funktioniert besser als jede einzelne Methode allein.
Die Transkriptionsgenauigkeit ist solide — sie kommt mit technischen Begriffen wie "Middleware," "TypeScript" und spezifischen Paketnamen besser zurecht als erwartet. Nicht perfekt, aber gut genug, dass ich selten korrigieren muss. Ich bemerkte, dass sie gelegentlich Schwierigkeiten mit Variablennamen hat, die wie gewöhnliche Wörter klingen. Kleine Reibung.
Falls Sie noch keinen Zugang haben, lohnt es sich, ihn anzufragen. Und während Sie warten, gibt es eine Funktion, die jetzt schon verfügbar ist und direkt beeinflusst, wie schnell Sie mit externen APIs bauen können.
Der Claude API Skill beseitigte mein Dokumentations-Tab-Problem
Ich hatte immer drei Browser-Tabs offen: einen für Anthropics API-Dokumentation, einen für die benötigte SDK-Referenz und einen für Stack Overflow. Der Claude API Skill macht mindestens zwei dieser Tabs überflüssig.
Folgendes macht er. Wenn Sie Code schreiben, der mit der Claude API kommuniziert — oder wirklich jeder unterstützten API — erkennt der Skill automatisch Ihre Programmiersprache und wählt die beste Schnittstelle (direkte API, Tool Use oder SDK). Dann lädt er die relevante Dokumentation direkt in Ihre Coding-Session.
Keine Zusammenfassung. Kein "hier ist ein Link." Der tatsächliche Dokumentationskontext, verfügbar während das Modell an Ihrem Code arbeitet.
Ich baute letzte Woche eine Batch-Verarbeitungspipeline in Python. Statt zum Browser zu wechseln, um das Batch-API-Endpunktformat nachzuschlagen, beschrieb ich einfach, was ich brauchte in Claude Code. Der API-Skill erkannte, dass ich mit Python arbeitete, zog die Anthropic SDK-Docs für Batch-Anfragen heran und generierte funktionierenden Code mit korrekter Fehlerbehandlung, Retry-Logik und Rate Limiting — alles basierend auf aktueller Dokumentation, nicht auf möglicherweise veralteten Trainingsdaten.
Er verarbeitet Streaming-Antworten, strukturierte Ausgaben, Tool-Use-Konfigurationen und modellspezifische Standardwerte. Der Hauptvorteil ist die Eliminierung von Kontextwechseln. Jedes Mal, wenn Sie Alt-Tab zu einer Dokumentationsseite drücken, verlieren Sie ein paar Sekunden Fokus. Über eine vollständige Coding-Session summiert sich das zu erheblichem kognitivem Overhead. Die Docs eingebettet im Coding-Kontext zu haben, beseitigt diese Reibung vollständig.
Eine Sache, die ich schätze: Der Skill ist intelligent bei Modellstandards. Als ich Opus 4.6 als Zielmodell angab, passte der Skill automatisch Tokenlimits, Preisschätzungen und verfügbare Funktionen in seinen Vorschlägen an. Kleines Detail, aber es verhinderte, dass ich Code schrieb, der Fähigkeiten voraussetzt, die das Modell nicht hat.
In Ordnung — wenn Sie bis hierher gelesen haben, haben Sie bereits ein solides Verständnis der wichtigsten Funktionen. Die nächsten zwei sind kleiner, liefern aber im täglichen Workflow überdurchschnittlichen Wert.
Der Simplify-Befehl fand Fehler, die ich übersehen hatte
Nach jeder Code-Änderungssession löst das Ausführen von /simplify eine automatisierte Überprüfung Ihres geänderten Codes aus. Es scannt nach duplizierter Logik, wiederverwendbaren Mustern, Namensinkonsistenzen, unnötiger Komplexität und strukturellen Problemen.
Ich war skeptisch. Code Review ist differenzierte Arbeit — könnte ein automatisierter Durchlauf wirklich bedeutsame Probleme finden?
Bei meinem zweiten Test fand es etwas, das einen Produktionsbug verursacht hätte.
Ich hatte ein Datenvalidierungsmodul refactored und dabei zwei nahezu identische Validierungsfunktionen erstellt — eine im User-Service und eine im Order-Service. Dieselbe Logik, andere Variablennamen. Die Art von Duplikation, die natürlich entsteht, wenn man schnell arbeitet und darauf fokussiert ist, Tests zu bestehen.
Der Simplify-Befehl markierte beide Funktionen, zeigte mir die Überschneidung und schlug vor, einen gemeinsamen Validator zu extrahieren. Nachdem ich den Fix genehmigt hatte, bemerkte er auch, dass meine Fehlermeldungen inkonsistente Formatierung verwendeten — einige hatten Fehlercodes, andere nicht. Kein Bug, aber die Art von Inkonsistenz, die Verwirrung in Logs erzeugt.
Der Standard-Routing-Agent für Simplify scheint Haiku 4.5 zu sein, was bedeutet, dass er schnell und günstig läuft. Ich verwende ihn mittlerweile gewohnheitsmäßig nach jeder signifikanten Code-Änderungssession. Betrachten Sie ihn als erste Code-Review, bevor Ihre menschlichen Reviewer den PR sehen. Er wird keine Architekturprobleme finden oder Ihre Designentscheidungen hinterfragen, aber er ist hervorragend bei Oberflächenqualität — den Dingen, die leicht zu übersehen sind, wenn man tief im Problemlösungsmodus steckt.
Profi-Tipp: Führen Sie /simplify vor dem Committen aus, nicht danach. Duplikation und Namensprobleme zu beheben, bevor sie in Ihre Git-History gelangen, hält Ihre Commits sauberer und Ihre Reviewer zufriedener.
Das passt gut zur letzten großen Funktion — denn sauberer Code bedeutet nichts, wenn Ihr Team nicht effektiv darüber kommunizieren kann.
Slack-Integration machte Claude Code zum Teamplayer
Ich leite ein kleines verteiltes Team, und unsere Koordination lebt in Slack. Früher bedeutete das Teilen von Claude Code-Kontext mit Teamkollegen: Terminal-Output kopieren, in Slack einfügen, Formatierung verlieren und dann erklären, was der Output bedeutete. Bestenfalls umständlich.
Das neue Slack-Plugin verbindet Claude Code direkt mit Ihrem Slack-Workspace. Sie können Nachrichten suchen, Updates senden, Dokumente erstellen und Slack-Kontext in Ihre Coding-Session holen, ohne das Terminal zu verlassen.
So hat es mir diese Woche tatsächlich geholfen. Ein Teamkollege postete einen Bugreport in unserem #backend-issues Kanal mit einem Stack-Trace und etwas Kontext darüber, wann es begonnen hatte. Statt den Stack-Trace manuell nach Claude Code zu kopieren, zog ich die Slack-Nachricht direkt in meine Session. Claude Code hatte den vollständigen Kontext — den Stack-Trace, die Beschreibung des Teamkollegen und die Thread-Diskussion, in der ein anderer Entwickler eine kürzliche Konfigurationsänderung erwähnte, die damit zusammenhängen könnte.
Mit all diesem geladenen Kontext identifizierte Claude Code das Problem in etwa zwei Minuten: eine Connection-Pool-Konfiguration, die in unserer Staging-Umgebung gültig war, aber unter Produktionslast Timeout-Kaskaden verursachte. Die Erwähnung des Teamkollegen "begann nach dem Deploy am Dienstag" war der Schlüsselkontext, der Claude Code zum richtigen Config-Diff führte.
Ich nutze es auch zum Senden von Statusupdates. Wenn eine lange Build- oder Refactoring-Session abgeschlossen ist, lasse ich Claude Code eine Zusammenfassung im relevanten Slack-Kanal posten. Kein Kontextwechsel, kein Kopieren-Einfügen, kein Vergessen, das Team zu informieren.
Ein Workflow, den ich entwickelt habe: Am Anfang jeder Coding-Session hole ich die neuesten Nachrichten aus dem Slack-Kanal meines Projekts in den Kontext von Claude Code. Das gibt der KI Bewusstsein über aktuelle Teamentscheidungen, Blocker und Prioritäten. Es ist wie Claude Code ein Standup-Meeting zu geben, bevor es anfängt zu arbeiten.
Der Cloud Code Guide Sub-Agent — Ihr eingebautes Dokumentationsgehirn
Es gibt noch eine erwähnenswerte Ergänzung: den Cloud Code Guide Sub-Agent. Dies ist ein interner, nicht-dateibasierter Agent, der Fragen zur Claude Code CLI, zum Agent SDK und zur Claude API selbst beantwortet.
Betrachten Sie ihn als einen kompetenten Kollegen, der jede Seite von Anthropics Dokumentation gelesen hat und Fragen beantworten kann, ohne dass Sie das Terminal verlassen. Er nutzt Suche, Web Fetch und andere Tools um Antworten zu finden — aber, und das ist wichtig — er bearbeitet oder schreibt keine Dateien. Er ist rein informativ.
Ich nutze ihn am häufigsten, wenn ich auf Randfälle stoße. "Kann das Agent SDK Streaming-Tool-Use-Antworten verarbeiten?" Statt Dokumentation zu durchsuchen, frage ich den Guide Sub-Agent und bekomme innerhalb von Sekunden eine Antwort mit relevantem Kontext. Für Entwickler, die tief im Anthropic-Ökosystem stecken, ist das eine erhebliche Zeitersparnis.
Alles einrichten: Meine empfohlene Konfiguration
Hier ist genau, wie ich meine Umgebung konfiguriert habe, um all diese Funktionen effektiv zu nutzen. Das hat etwas Trial and Error gekostet, also lassen Sie mich Ihnen das Debugging ersparen.
Schritt 1: Aktualisieren Sie Claude Code auf die neueste Version. Das klingt offensichtlich, aber die Funktionen erfordern das aktuellste Release. Überprüfen Sie, dass Sie auf dem neuesten Build sind, bevor Sie fehlende Funktionen troubleshooten.
Schritt 2: Installieren Sie das Skill Creator Plugin. Gehen Sie zum Claude Code Plugins-Tab, finden Sie den Skill Creator und installieren Sie ihn. Starten Sie Claude Code nach der Installation neu — das Plugin wird erst nach einem Neustart aktiv. Ich habe das beim ersten Mal verpasst und zwanzig Minuten damit verbracht, mich zu fragen, warum nichts funktionierte.
Schritt 3: Aktivieren Sie Ultra Mode selektiv. Geben Sie ultrathink in einer beliebigen Claude Code-Session ein, um Ultra Mode zu aktivieren. Meine Empfehlung: Verwenden Sie ihn für Multi-Datei-Aufgaben und komplexes Debugging. Lassen Sie ihn nicht dauerhaft an, es sei denn, Ihr Token-Budget ist großzügig. Ich habe eine einfache mentale Regel: Wenn die Aufgabe drei oder mehr Dateien berührt, aktiviere ich Ultra Mode.
Schritt 4: Konfigurieren Sie die Slack-Integration. Installieren Sie das Slack-Plugin über den Plugins-Tab. Sie müssen es mit Ihrem Slack-Workspace autorisieren. Nach der Verbindung testen Sie mit einer einfachen Nachrichtensuche, um zu prüfen, ob die Verbindung funktioniert. Ich musste einmal erneut autorisieren, weil mein ursprünglicher OAuth-Token eingeschränkte Scopes hatte.
Schritt 5: Testen Sie die Voice Mode-Verfügbarkeit. Geben Sie /voice in Ihrer Claude Code-Session ein. Wenn es aktiviert wird, sind Sie im 5%-Rollout. Wenn nicht, erhalten Sie eine Nachricht, dass es für Ihr Konto noch nicht verfügbar ist. Kein Workaround — es ist ein serverseitiges Flag.
Schritt 6: Führen Sie Ihren ersten Evol-Test durch. Wählen Sie einen einfachen bestehenden Skill und generieren Sie einen Evol-Test dafür. Dies macht Sie mit dem Benchmarking-Ausgabeformat vertraut — Erfolgsrate, Laufzeit, Token-Verbrauch — bevor Sie es für ernsthafte Skill-Entwicklung benötigen. Fangen Sie klein an, verstehen Sie die Metriken und wenden Sie es dann auf komplexe Skills an.
Schritt 7: Bauen Sie /simplify in Ihren Workflow ein. Führen Sie nach jeder signifikanten Codeänderung den Simplify-Befehl vor dem Committen aus. Es dauert Sekunden und fängt die Art von Low-Level-Problemen ab, die Code Reviews überladen. Ich habe eine mentale Checkliste: Code schreiben, Tests ausführen, /simplify ausführen, Vorschläge prüfen, committen.
Häufiger Fallstrick: Wenn das Slack-Plugin "connection refused"-Fehler zeigt, prüfen Sie, ob Ihr Workspace-Admin Drittanbieter-Integrationen eingeschränkt hat. Das passierte mir bei einem Kundenprojekt mit strikten App-Genehmigungsrichtlinien.
Was ich an diesem Update falsch einschätzte — und was die meisten Leute übersehen werden
Ich möchte ehrlich sein über etwas. Als ich die Feature-Liste zum ersten Mal sah, dachte ich, Anthropic mache den klassischen Tech-Unternehmen-Move — eine Reihe inkrementeller Verbesserungen ausliefern und es ein großes Update nennen. Ich lag falsch, und hier ist, warum meine anfängliche Einschätzung den Kern verfehlte.
Die einzelnen Funktionen sind solide, aber einzeln betrachtet nicht bahnbrechend. Voice Mode? Cool, aber nischig. Slack-Integration? Nützlich, aber nicht revolutionär. Remote Control? Praktisch.
Die wirkliche Verschiebung ist, was passiert, wenn man sie kombiniert.
Ich führe jetzt Sessions durch, in denen ich eine komplexe Aufgabe an meinem Schreibtisch mit Ultra Mode beginne, sie von meinem Telefon aus während eines Meetings über Remote Control überwache, auf Klärungsfragen per Voice Mode auf meinem Rückweg antworte, und dann Claude Code die Ergebnisse in Slack für mein Team posten lasse — alles ohne meinen Flow zu unterbrechen oder Kontext zu verlieren.
Das ist keine inkrementelle Verbesserung. Das ist eine grundlegend andere Beziehung zum Werkzeug. Claude Code hörte auf, etwas zu sein, wofür ich mich hinsetze. Es wurde etwas, das den ganzen Tag neben mir arbeitet, über Geräte hinweg, über Kommunikationskanäle hinweg.
Der Skill Creator mit Evol-Testing ist das Sleeper-Feature, das die meisten Leute unterschätzen werden. Gerade fühlen sich "KI-Skills" wie Prompt Engineering mit zusätzlichen Schritten an. Aber selbstverbessernde Skills, die sich selbst benchmarken und an neue Modelle anpassen? Das ist Infrastruktur. Das ist die Art von Dingen, die sich aufstapeln. In sechs Monaten werden die Entwickler, die in den Aufbau robuster, getesteter Skills investiert haben, einen signifikanten Vorteil gegenüber denen haben, die noch immer einmalige Prompts schreiben.
Eine ehrliche Sorge: Der Token-Verbrauch summiert sich. Ultra Mode, Evol-Tests und den API-Skill gleichzeitig auszuführen, kann Ihr Budget schnell aufbrauchen. Ich hatte Sessions, die das 10-fache meines normalen Token-Verbrauchs nutzten. Anthropic muss an mehr Transparenz arbeiten — ich hätte gerne ein Echtzeit-Token-Budget-Dashboard in Claude Code. Aktuell erfährt man erst im Nachhinein, dass man zu viel ausgegeben hat.
Die Zahlen nach einer Woche
So sah mein Workflow vor und nach dem Update aus, gemessen über eine typische Arbeitswoche:
Kontextwechsel zur Browser-Dokumentation: von ungefähr 40 pro Tag auf etwa 8 gesunken. Der Claude API Skill und Guide Sub-Agent erledigen das meiste von dem, was ich früher manuell nachschlug.
Code-Review-Iterationen vor dem Merge: von durchschnittlich 3 Runden auf 1,5 Runden gesunken. Der Simplify-Befehl fängt oberflächliche Probleme ab, bevor menschliche Reviewer den Code sehen, sodass sich Review-Diskussionen auf Architektur und Design konzentrieren statt auf Formatierung und Duplikation.
Zeit für Skill-Debugging: um ungefähr 70% reduziert. Schwer genau zu messen, aber die Evol-Tests geben mir Vertrauenszahlen statt Bauchgefühl. Ich weiß, wann ein Skill funktioniert und wann nicht, was die "ist es kaputt oder teste ich falsch?"-Unsicherheit eliminiert.
Teamkommunikations-Overhead: merklich geringer. Slack-Integration bedeutet, dass ich Kontext und Updates teile, ohne das Terminal zu verlassen. Weniger Kopieren-Einfügen, weniger "lass mich erklären, was dieser Output bedeutet"-Nachrichten.
Tokenkosten: ungefähr 180% über meinem Ausgangswert vor dem Update. Das ist der Trade-off. Ich gebe mehr für API-Nutzung aus, gewinne aber Stunden manueller Arbeit zurück. Für meinen Workflow geht die Rechnung klar zugunsten aus. Ihre Erfahrung hängt von Ihren spezifischen Nutzungsmustern und Budget ab.
Die größte Veränderung steckt in keiner einzelnen Metrik. Es ist das Gefühl der Kontinuität. Vorher bedeutete die Nutzung von Claude Code, an meinem Terminal zu sitzen, fokussiert, eine Sache zu tun. Jetzt ist es in meinen gesamten Arbeitstag verwoben. Diese Verschiebung ist schwer zu quantifizieren, aber unmöglich zu ignorieren, sobald man sie erlebt.
Was ich zuerst bauen würde, wenn ich heute anfangen würde
Wenn mir jemand vor sechs Monaten gesagt hätte, dass ich selbst-benchmarkende KI-Skills bauen, Coding-Sessions von meinem Telefon steuern und mit meinem Terminal sprechen würde — hätte ich gelacht. Aber hier bin ich, und das ist, was ich priorisieren würde, wenn ich frisch anfangen würde.
Beginnen Sie mit dem Simplify-Befehl. Keine Konfiguration, sofortiger Wert, baut gute Gewohnheiten auf. Führen Sie ihn nach jeder Session eine Woche lang aus, und Sie werden nie mehr aufhören.
Investieren Sie dann Zeit in den Skill Creator. Bauen Sie einen echten Skill — kein Spielzeugbeispiel — und führen Sie Evol-Tests darauf aus. Verstehen Sie die Benchmarking-Ausgabe. Diese Investition bringt kumulierende Renditen, je mehr Skills Sie bauen.
Erkunden Sie dann Ultra Mode für Ihre komplexesten Workflows. Nutzen Sie ihn nicht für alles — setzen Sie ihn strategisch ein, und Sie werden genau sehen, wann das erweiterte Reasoning-Budget einen Unterschied macht.
Alles andere — Voice Mode, Remote Control, Slack — fügen Sie hinzu, wenn es für Ihren spezifischen Workflow relevant wird. Es sind leistungsstarke Ergänzungen, aber die Kernproduktivitätsgewinne kommen von Simplify, dem Skill Creator und Ultra Mode.
Die Kluft zwischen Entwicklern, die Claude Code als schicke Autovervollständigung behandeln, und denen, die es als autonomen Entwicklungspartner behandeln, wird sich bald deutlich verbreitern. Dieses Update macht sehr deutlich, für welche Seite dieser Kluft Anthropic baut.
Also hier ist meine Frage an Sie: Was ist der erste Skill, den Sie bauen würden, wenn Ihr KI-Agent sich selbst testen, benchmarken und verbessern könnte?
Lassen Sie uns zusammenarbeiten
Sie möchten KI-Systeme bauen, Workflows automatisieren oder Ihre technische Infrastruktur skalieren? Ich helfe Ihnen gerne.
- Fiverr (Custom Builds & Integrationen): fiverr.com/s/EgxYmWD
- Portfolio: mejba.me
- Ramlit Limited (Enterprise-Lösungen): ramlit.com
- ColorPark (Design & Branding): colorpark.io
- xCyberSecurity (Sicherheitsdienste): xcybersecurity.io
