Technik-Demontage 003｜ECC: Das „KI-Programmierbetriebssystem“ mit 250.000 Sternen, das Disziplin in Agenten bringt

一、Was ist das?

ECC ist ein „Leistungsoptimierungssystem für KI-Programmieragenten“ (agent harness performance optimization system). Kurz gesagt: Es macht deinen Agenten nicht klüger, es macht ihn disziplinierter.

Der offizielle Slogan ist unmissverständlich: Skills (Fähigkeiten), Instincts (Intuition), Memory (Erinnerung), Security (Sicherheit), research-first development (Forschung zuerst). Übersetzt bedeutet das: KI-Programmierwerkzeugen wie Claude Code, Codex und Cursor wird ein vollständiges System aus technischer Disziplin und Erinnerung verpasst.

Einige wichtige Fakten:

• GitHub-Projekt affaan-m/ECC, etwa 254.000 Sterne, gegründet im Januar 2026, erreichte diesen Umfang in 8 Monaten, MIT-Lizenz, heute Platz 1 der GitHub Trending-Liste
• Unterstützt mehrere Werkzeuge: Claude Code (im Plugin-Markt verfügbar), Codex, OpenCode, Cursor usw., bietet zudem ein npm-Paket (ecc-universal) für die einheitliche Installation
• Beeindruckender Umfang: 68 spezialisierte Agenten, 286 Skills, 94 Befehle, plus Hooks, Regeln, Erinnerungssystem und Sicherheitsscans
• Hat eine kommerzielle Linie: ECC Pro + GitHub App (private Repositories ab 19 $ pro Sitzplatz pro Monat)

二、Kernmechanismus: Fünf Komponenten, jede hat ihre Aufgabe

Das Lernenswerte an ECC ist, dass es das „zuverlässige Arbeiten von KI“ in fünf klar definierte Komponenten aufteilt. Die Vergleichstabelle im README erklärt es deutlich:

1. Plans (Pläne) – wandelt „Ideen“ in „Artefakte“ um. Ohne ein System verschwinden Pläne nach der Besprechung im Chatverlauf; ECC macht Pläne zuerst zu bearbeitbaren, offiziellen Ergebnissen, die bestätigt werden müssen, bevor die Arbeit beginnt. Dieses Detail ist entscheidend: Die häufigste Art, wie KI Fehler macht, ist, loszulegen, bevor sie richtig nachgedacht hat.

2. Skills (Fähigkeiten) – bedarfsgesteuerte Arbeitsabläufe. 286 Fähigkeiten decken TDD, Sicherheitsüberprüfungen, tiefgehende Recherchen, Frontend, Daten, Betrieb usw. ab. Das entscheidende Design ist die „bedarfsgesteuerte Ladung“: Nur was für die Aufgabe benötigt wird, wird geladen, nicht das gesamte Repository in den Kontext gesteckt. Das ist ein klares Bewusstsein dafür, dass „Kontextfenster eine knappe Ressource sind“.

3. Agents (Agenten) – Arbeitsteilung mit unabhängigem Kontext. 68 spezialisierte Agenten sind jeweils für Planung, Überprüfung, Fehlerbehebung, Sicherheit und Architektur zuständig. Das genialste Design ist die „Überprüfung in neuem Kontext“: Derjenige, der Code schreibt, und derjenige, der ihn prüft, haben nicht denselben Kontext – der Schreibende sieht nicht die „Augen“ des Prüfers, der Prüfer sucht mit frischer Perspektive gezielt nach Regressionen und blinden Flecken. Das löst ein hartnäckiges Problem der KI-Programmierung: Selbst geschriebenen Code selbst zu prüfen, bedeutet, gar nicht zu prüfen.

4. Hooks (Haken) – determinierte Ausführung außerhalb des Modells. „Bitte nutze TDD“ ist eine Anweisung, die das Modell vergessen könnte; Hooks sind Skripte, die bei Ereignissen des Harness ausgelöst werden und außerhalb des Modellkontexts laufen – Build, Lint, Typprüfung, Tests, was laufen muss, läuft auch, ohne auf die Gewissenhaftigkeit des Modells angewiesen zu sein. Aus „ich hoffe, er erinnert sich“ wird „er muss es durchlaufen“.

5. Memory + Instincts (Erinnerung und Intuition) – Wissen über Sitzungen hinweg. Das Ende einer Sitzung bedeutet nicht, dass alles wieder bei Null anfängt: ECC destilliert Sitzungen zu Zusammenfassungen, wiederverwendbaren Fähigkeiten und „Intuitionen“ mit Konfidenzwert (Mustern, die aus echten Sitzungen gelernt wurden), die bei relevanten Themen wieder abgerufen werden. Der Memory Vault verwendet ein einheitliches Markdown-Format (.ecc/memory/), sodass verschiedene Werkzeuge wie Claude, Codex, Kimi dasselbe Projektgedächtnis teilen – Beim Werkzeugwechsel bleibt die Erinnerung erhalten. Und es hat klare Grenzen: Erinnerung ist „ungeprüfter Kontext“, keine „ausführbare Strategie“ – wichtige Schlussfolgerungen müssen manuell bestätigt werden, bevor sie zu Projektdokumenten aufsteigen.

Ein weiteres Highlight ist AgentShield (Sicherheitsscan): Es behandelt die Konfiguration des Agenten selbst als Angriffsfläche – es scannt Prompts, Hooks, MCP-Konfigurationen, Berechtigungen und Schlüssel. In Zeiten, in denen es üblich ist, Drittanbieterfähigkeiten in Agenten zu installieren, ist das eine seltene Besonnenheit.

三、Technische Bewertung: Highlights und Grenzen

Highlights:

1. „Beweiskette“-Denken durchzieht alles. Sein TDD-Arbeitsablauf verlangt: Zuerst einen Plan erstellen → TDD aktivieren → zuerst den Beweis für RED (fehlschlagende Tests) holen → bis GREEN implementieren → Überprüfung in neuem Kontext → beheben und Regressionstests hinzufügen → Build/Lint/Typ/Tests verifizieren. Das Ergebnis ist nicht nur Code, sondern eine Beweisspur. Das ist genau dieselbe Idee von „Rückverfolgbarkeit“, die ich in Unternehmenslösungen vertrete – Bei KI-Arbeit ist Spurensicherung wichtiger als Geschwindigkeit.

2. Gute Kontextökonomie. Skills werden bedarfsgesteuert geladen, Regeln sind selektiv dauerhaft vorhanden, Hooks sind außerhalb des Modellkontexts, Agenten haben isolierte Kontexte – alle Designs drehen sich darum, dass „Kontext eine knappe Ressource ist“. Das ist das Gefühl, das man nur hat, wenn man wirklich mit großen Agenten gearbeitet hat.

3. Harness-übergreifendes Erinnerungsformat. Es ist nicht an ein einzelnes Werkzeug gebunden, sondern speichert Erinnerungen in offenem Markdown – in Zeiten, in denen sich Modelle und Werkzeuge so schnell weiterentwickeln, ist das die richtige Wette: Werkzeuge wechseln, Vermögenswerte bleiben.

Grenzen:

1. Schwer. 68 Agenten + 286 Skills sind ein zweischneidiges Schwert – für kleine private Projekte ist dieser Umfang nicht nötig, nach der Installation erhöht sich stattdessen der Verwaltungsaufwand. Es zielt auf ernste Engineering-Teams und langfristige Projekte ab.
2. Die Lernkurve ist real. Die fünf Komponenten haben jeweils ihre Aufgaben, um sie gut zu nutzen, muss man verstehen, „welches Problem zu wem gehört“ – das lernt man nicht mit einem einzigen Befehl.
3. Sicherheitshinweise zeigen seitlich, dass das Ökosystem Risiken birgt. Am Anfang des READMEs wird gewarnt: „Nur von offiziellen Kanälen installieren, Drittanbieterweiterleitungen können Malware enthalten“ – solche Agenten-Erweiterungswerkzeuge werden selbst zu Zielen von Lieferkettenangriffen.
4. Erinnerung ist „ungeprüfter Kontext“. Es gibt selbst zu, dass Intuitionen und Erinnerungen falsch sein können und vor der Nutzung verifiziert werden müssen. Man sollte es nicht als Wahrheitsbibliothek betrachten.

四、Vergleich mit Superpowers – welche Wahl treffen?

Über ECC zu sprechen, kommt nicht an Superpowers (obra/superpowers) vorbei – es ist ein weiterer Spitzenreiter in diesem Bereich: etwa 283.000 Sterne, also noch eine Stufe höher als ECC, gegründet im Oktober 2025, ebenfalls MIT-Lizenz, ebenfalls in über einem Dutzend Harness wie Claude Code/Codex/Cursor integriert. Die beiden werden oft verglichen, aber sie haben eigentlich zwei unterschiedliche Ausrichtungen.

Superpowers ist eine „Methodik“. Seine Selbstdefinition ist „Softwareentwicklungsmethodik + zusammensetzbare Fähigkeiten“. Der Kern ist ein vollständiger Arbeitsablauf: Zuerst Brainstorming, um dich zu zwingen, die Anforderungen klar zu denken → Isolierung des Arbeitsbereichs mit git worktree → Plan schreiben (aufgeteilt in kleine Aufgaben von 2-5 Minuten, genau bis zum Dateipfad) → Unteragenten führen Aufgaben nacheinander aus (zwei Prüfstufen pro Aufgabe) → strenges TDD (zuerst fehlschlagende Tests schreiben, Code ohne Tests wird gelöscht) → Prüfung nach Schweregrad gestaffelt → Abschluss und Zusammenführung. Die Philosophie hat nur vier Punkte: TDD, Systematisierung ist besser als Bauchgefühl, Komplexitätsreduktion, Beweise sind besser als Behauptungen. Seine Stärke liegt darin, dass „ein Hauptstrang bis zum Ende läuft“ – Agenten können stundenlang selbstständig arbeiten, ohne vom Weg abzukommen, genau wegen dieser Kette.

ECC ist ein „Betriebssystem“. Was es mehr als Superpowers hat: Der sitzungsübergreifende Memory Vault (Erinnerung wird zwischen Werkzeugen geteilt), Intuitionen mit Konfidenzwert und der AgentShield-Sicherheitsscan – Superpowers konzentriert sich auf „Prozessdisziplin bei einzelnen Entwicklungen“, ECC konzentriert sich auf „Vermögensaufbau bei langfristigen Projekten + Konfigurationssicherheit“. Vom Umfang her unterscheiden sie sich auch um eine Größenordnung: Superpowers ist ein sorgfältig entworfener Hauptstrang, ECC ist die volle Ausstattung mit 68 Agenten + 286 Skills.

Wie man wählt, in drei Sätzen:

• Privatentwickler, die ihre Entwicklungsgewohnheiten verbessern wollen → Superpowers ist besser: Einfach installieren, ein Hauptstrang, man muss nicht verstehen, was die 68 Agenten jeweils tun
• Engineering-Teams, langfristige Projekte, Nutzung mehrerer Werkzeuge → ECC ist besser: Sitzungsübergreifende Erinnerungsaufbau, Sicherheitsscans, bedarfsgesteuerte Erweiterung der Fähigkeitsbibliothek – es ist auf Organisationsebene ausgelegt
• Beide Konzepte sind eng verwandt (TDD, Planung zuerst, Unteragentenprüfung, Beweispriorität), welche Wahl man trifft, ist kein Verlust – der wirkliche Unterschied ist nicht gut oder schlecht, sondern ob du eine Disziplin oder eine Infrastruktur willst

Nebenbei bemerkt: In der Ankündigung von Superpowers steht klar, dass es aus jahrelanger Softwareentwicklungspraxis des Autors obra stammt, die Methodik existierte vor dem Werkzeug. Das erklärt auch, warum solche Projekte Hunderttausende Sterne bekommen – Was allen fehlt, ist nie ein Werkzeug, sondern eine technische Disziplin, die von KI ausgeführt werden kann.

五、Werturteile: Wer sollte es nutzen, wer nicht

Es löst ein echtes Problem: Die Distanz zwischen „KI kann Code schreiben“ und „man kann sich auf KI verlassen“. In einzelnen Gesprächen performt KI gut, aber echte Technik ist langfristig, mit vielen Sitzungen und Zusammenarbeit mehrerer Rollen – Pläne gehen verloren, Disziplin lässt nach, Erfahrungen werden nicht aufgebaut. ECC hat diese drei Dinge technisch umgesetzt.

Die drei Gruppen, die es am meisten nutzen sollten:

• Engineering-Teams, die mit KI ernste Projekte durchführen – brauchen rückverfolgbare, prüfbare und aufbaubare Entwicklungsabläufe
• Starke Agenten-Nutzer – die mehrere Werkzeuge nutzen und Erinnerung sowie Gewohnheiten vereinheitlichen wollen
• Personen, die KI in Unternehmen einführen – sein „Plan-Artefaktisierung + Beweiskette + Überprüfung in neuem Kontext“ kann direkt in eigene Lösungen übernommen werden

Personen, die es nicht eilig haben müssen: Leichte Nutzer, die Skripte schreiben oder einmalige Aufgaben erledigen – eine einfache Regeldatei ist besser für euch geeignet; Teams, die keinen Bedarf an „Disziplin“ haben, werden es nach der Installation nur herumliegen lassen.

Ein Satz zur Entscheidung: ECC ist eine schwere Ausrüstung für die „technische Verwaltung“ der KI-Programmierung – es wettet auf die Richtung, dass „in Zukunft ernste Softwareentwicklung immer Agenten-Disziplinsysteme haben wird“. Die Richtung stimme ich zu, aber installiere es nicht wegen der 250.000 Sterne, überlege dir zuerst, ob dein Projekt diesen Ablauf braucht.

六、Wie man es umsetzt

Claude Code-Nutzer (empfohlener Weg):

npx ecc-universal setup

Geführte Installation (benötigt Node.js 18+, Git, Claude Code 2.1+). Oder in Claude Code:

/plugin marketplace add https://github.com/affaan-m/ECC
/plugin install ecc@ecc

Beide Wege installieren dasselbe Plugin, wähle einen aus, nicht beide kombinieren (wird im README besonders betont).

Empfohlene Reihenfolge für den Einstieg:

1. Nutze zuerst nur /ecc:plan (Plan-Arbeitsablauf) – erlebe den Wert davon, dass „Pläne zu Artefakten werden“
2. Aktiviere dann den TDD-Arbeitsablauf – spüre die Beweiskette von „RED-Beweis → GREEN → Überprüfung in neuem Kontext“
3. Initialisiere dann den Memory Vault (ecc memory init --scope project) – lass Erfahrungen aufbauen
4. Wähle zuletzt Skills nach Bedarf – von den 286 solltest du nicht zu viele nehmen, ein Dutzend für häufige Szenarien reicht
5. Für Teamzusammenarbeit/private Repositories erwäge erst dann Pro + GitHub App

Sicherheitsgrundlinie: Nur von offiziellen Kanälen installieren (GitHub-Repository, offizielle npm-Pakete ecc-universal/ecc-agentshield, Plugin-Markt); vor der Installation von Drittanbieter-Agentenwerkzeugen schaue dir zuerst den AgentShield-Scanbericht an.

七、Wie man selbst ein ähnliches System baut

Die fünf Komponenten von ECC lassen sich problemlos als leichte Version selbst bauen, und es lohnt sich – denn der Kern ist die Idee, nicht der Code.

Erstens: Plan-Artefaktisierung. Mach in deinem Agenten-Arbeitsablauf eine Regel: Bei jeder Aufgabe, die länger als einen halben Tag dauert, lass die KI zuerst ein Plandokument erstellen (als Datei speichern, nicht im Chat), bestätige oder ändere es manuell, bevor die Arbeit beginnt. Eine Zeile Regel reicht, um sie in CLAUDE.md zu schreiben.

Zweitens: Isolierte Überprüfung. Nachdem der Code geschrieben ist, öffne eine neue Sitzung (oder nutze Unteragenten des Agenten) für die Überprüfung, mit klarer Anweisung: „Du bist ein neu hinzugekommener Prüfer, suche nach Regressionsrisiken und blinden Flecken.“ Die Kosten sind fast null, die Wirkung ist sofort sichtbar.

Drittens: Hooks als Absicherung. Schreibe Build, Lint, Tests in die Hooks des Harness (Claude Codes Hooks, git hooks, CI, alles geht), sodass Prüfungen außerhalb des Modells zwangsläufig ausgeführt werden. Modelle vergessen, Skripte nicht.

Viertens: Erinnerungsaufbau. Lass am Ende jeder Sitzung die KI drei Dinge destillieren und als Markdown speichern: Was wurde diesmal gemacht, welche Probleme sind aufgetreten, was sollte nächstes Mal beachtet werden. Leg sie im .memory/-Verzeichnis des Projekts ab, lass die KI sie beim nächsten Arbeitsbeginn zuerst lesen. Das ist die vereinfachte Version von Memory Vault + Instincts.

Fünftens: Eigener Sicherheitsscan. Lass die KI regelmäßig alle installierten Agentenwerkzeuge prüfen: Welche Berechtigungen werden verlangt, welche Skripte laufen in den Hooks, womit verbinden sich die MCP-Konfigurationen. Vertrauen ist gut, Kontrolle ist besser.

Der Unterschied zwischen dieser selbstgebauten Version und ECC liegt in der „tiefen Integration“ (es hat die fünf Dinge zu einem System verwoben), aber auf ideeller Ebene bekommst du 80%. Nutze zuerst die selbstgebaute Version, spüre, wo es am meisten wehtut, und entscheide dann, ob du schwere Ausrüstung brauchst – das ist auch die allgemeine Methode, um alle Open-Source-Frameworks zu bewerten.

结论

Der Wert von ECC liegt nicht in den 250.000 Sternen, sondern darin, dass es die „Zuverlässigkeit der KI-Programmierung“ von einer Esoterik zu einer Technik macht: Pläne müssen zu Artefakten werden, Überprüfungen brauchen neuen Kontext, Prüfungen müssen außerhalb des Modells stattfinden, Erfahrungen müssen in Dateien festgehalten werden, Konfigurationen müssen als Angriffsfläche behandelt werden.

Diese fünf Punkte gelten, egal ob du ECC installierst oder nicht. Werkzeuge werden veralten, Disziplin nicht – das ist wahrscheinlich der wahre Grund, warum es in 8 Monaten 250.000 Sterne bekommen hat: Alle haben erkannt, dass die nächste Station der KI-Programmierung nicht klügere Modelle sind, sondern zuverlässigere Abläufe.

---

参考来源

• GitHub-Repository: https://github.com/affaan-m/ECC
• Offizielle Website: https://ecc.tools
• npm-Installationspakete: ecc-universal、ecc-agentshield