DoMe Dynamics
AI Agent Systems
Offenes Curriculum · Lab-Modus

Claude Code Curriculum
in der Tiefe.

Siebzehn Module zu Skills, Hooks, MCP (der Schnittstelle, über die Agenten Werkzeuge ansprechen), Sub-Agents, CI/CD und Troubleshooting — den Werkzeugklassen hinter Claude Code. Das Curriculum ist aus echten Engineering-Abläufen entstanden und geht der Frage nach, was ein guter Einstieg in Coding-Agenten wirklich erklären müsste.

4
Sessions
17
Module
Labs
Hands-on

Lernartefakt · offen einsehbar

Zuletzt aktualisiert:

Jetzt prüfbar

Werkstatt statt Rezept

Nicht der perfekte Ablauf, sondern die eigene Werkstatt.

Der Workshop soll nicht einen fremden Ablauf als Ideallösung verkaufen. Er soll zeigen, welche Werkzeuge es gibt, wie sie zusammenspielen und wie daraus eigene Arbeitsweisen entstehen.

Workflow-Rezept

Das perfekte Regal

linear · schnell · begrenzt

Ein Tutorial kann dir zeigen, wie du exakt ein Ergebnis nachbaust. Das ist nützlich für den Start, aber es trainiert kaum ein Gefühl für die Möglichkeiten der ganzen Werkstatt.

ein Wegfremde Reihenfolgewenig Transfer
Werkzeugkunde

Die eigene Werkstatt

organisch · kombinierbar · wachsend

Wenn du verstehst, welches Werkzeug wofür taugt, kannst du eigene Aufgaben planen: Wissen verknüpfen, Skills bauen, Plugins kombinieren und Agenten passend einsetzen.

eigene Zielepassende Werkzeugemehr Transfer

Übertragen auf die Arbeit mit Agenten: Obsidian, Plugins, Skills, Commands, MCP und Agenten sind Werkzeugklassen. Die eigentliche Fähigkeit ist, sie für die eigene Aufgabe sinnvoll zu kombinieren.

Learning Dashboard

Das hier existiert bereits.

Die komplette Lernroute läuft als Web-App mit Fortschritts-Tracking, Übungen und Quiz. Sie ist weiter unten auf dieser Seite direkt eingebettet — klickbar im Original.

Werkzeuggebrauch beim Coden mit Agenten

Es geht um Werkzeugverständnis, nicht um Tool-Hype.

Die Frage ist nicht, welches Tool objektiv das beste ist. Die Frage ist, welche Werkzeugklasse deiner aktuellen Aufgabe hilft und welche du bewusst noch weglassen kannst.

Werkzeugklasse

Kontext & Memory

CLAUDE.mdMemoryDocs
Wofür gut
Der Agent versteht Projektregeln, Architektur, Sprache und Grenzen, bevor er Code anfasst.
Beispiel
Eine Session startet mit sauberem Projektkontext statt mit einer langen Wiederholung im Chat.
Noch nicht nötig
Wenn die Aufgabe winzig ist und der lokale Kontext bereits eindeutig vor dir liegt.

Werkzeugklasse

Skills & Commands

SkillsCommandsProfile
Wofür gut
Wiederholbare Arbeitsweisen werden zu abrufbaren Schablonen statt jedes Mal neu erklärt.
Beispiel
Review, Security-Audit oder Release-Check laufen nach einem klaren, wiederholbaren Muster.
Noch nicht nötig
Wenn ein Ablauf noch nicht stabil genug ist, um ihn als Standard zu speichern.

Werkzeugklasse

Hooks & Sicherheitsgrenzen

PreToolUseTestsLint
Wofür gut
Gefährliche Aktionen werden früh gestoppt, und Qualitätsregeln laufen im Hintergrund mit.
Beispiel
Ein riskanter Befehl wird blockiert, bevor er ausgeführt wird, oder ein Patch muss erst Tests bestehen.
Noch nicht nötig
Wenn du bewusst explorierst und noch keine harte Schutzregel formulieren kannst.

Werkzeugklasse

MCP & Datenbus

BrowserGitHubAPIs
Wofür gut
Der Agent bleibt nicht im Chat isoliert, sondern kann kontrolliert mit echten Systemen arbeiten.
Beispiel
Ein Agent liest Issues, prüft eine lokale UI im Browser oder holt Daten aus einem Tool.
Noch nicht nötig
Wenn Lesen und Schreiben lokal reichen und externe Systeme nur Ablenkung wären.

Werkzeugklasse

Subagents & Worktrees

SubagentsWorktreesQA
Wofür gut
Arbeit wird parallelisiert, isoliert geprüft und erst danach in den Hauptfluss integriert.
Beispiel
Ein Agent baut, ein anderer prüft, ein dritter recherchiert, ohne denselben Kontext zu verschmutzen.
Noch nicht nötig
Wenn die Aufgabe linear ist und Koordination mehr kostet als sie spart.

Der Ausbau beginnt bei der Werkzeugklasse, die gerade fehlt.

Sinnvoller Ausbau startet nicht mit dem nächsten Tool, sondern mit der Arbeit, die das eigene Agentensystem als nächstes verlässlicher machen soll.

Lern-Cockpit

17 Module, 65 Lerneinheiten — klick dich durch.

Das interaktive Lern-Cockpit ist die Bedienoberfläche des Workshops: die komplette Lernroute mit Fortschritt, Übungen und Quiz — dasselbe Cockpit, mit dem der Workshop real gefahren wird. Es verbindet Grundlagen, Werkzeugschicht und Betrieb über Querachsen: Kontext, Sicherheitsgrenzen, Toolzugriff, Delegation und Debugging.

Lesart: Foundations geben den sicheren Arbeitsrahmen, Ecosystem macht ihn wiederholbar, Advanced bringt ihn in Betrieb — Troubleshooting hält alle drei Blöcke zusammen. Eigenes Artefakt, eigener Look: das Cockpit läuft im Original-Design aus dem Workshop-Repo.

Im Vollbild öffnen
Lern-Landkarte · Obsidian × Claude Code

Neben dem Cockpit ist beim Lernen eine zweite Übersicht entstanden: eine Landkarte, die zeigt, wie die Themen rund um Obsidian und Claude Code zusammenhängen — von den Grundlagen über die Second-Brain-Methodik bis zu den Anwendungsfällen. Sie bildet den Lernstoff ab, nicht die eigene Wissensbasis.

Arbeitsprobe

Was das Curriculum über meine Fähigkeiten zeigt.

Das Curriculum ist zugleich eine Engineering-Arbeitsprobe. Es besteht aus echtem Quellmaterial, lauffähigen Demo-Systemen und einer Mentor-Schicht — reproduzierbare Lernpfade aus eigener Agentenpraxis.

modules · demos · exercises

Curriculum-Quellmaterial

17 Module in 65 Lerneinheiten, Session-Plan (4 Sessions), Trainer-Notes und Cheatsheet halten die Lernfolge als echte Arbeitsunterlagen fest.

pytest · security labs

Runnable Playground

Python-Access-Control-App und OSDP-C-Decoder liefern bewusst verwundbare Zielsysteme für Audit- und Review-Demos.

guide mode · learn mode

Mentor- und Plugin-Schicht

Workshop-Command, Skill und Mentor-Agent zeigen, wie Lernmaterial selbst in Bedienflächen für Agenten übersetzt wird.

Zielgruppe

Für diese Gruppen ist das Curriculum gedacht.

Entwickler:innen mit solider Programmiererfahrung
Technische Teams, die verstehen wollen, welche Agenten-Workflows tragfähig sind
Communities und Learning-Gruppen mit echtem Engineering-Anspruch
Selbstlerner, die strukturiert von den Grundlagen zu Multi-Agent-Patterns wollen
Physical-Security-Brücke

Security-Analogien sind hier kein Schmuck.

Die Zielgruppe kennt Zugriff, Zonen, Leitstellen und Auditierbarkeit. Genau diese Sprache hilft, Coding-Agenten nicht als Magie, sondern als kontrollierbare Systeme zu verstehen.

Zutrittszonen
Scopes & Sandbox

Ein Agent soll nur dort arbeiten, wo sein Auftrag und seine Berechtigungen hinreichen.

Alarmanlage
Hooks

Events werden nicht nur geloggt, sondern können Regeln, Checks oder Stopps auslösen.

Leitstelle
Orchestrator

DCO bündelt Signale, Freigaben und Toolpfade, statt alles als losen Chat zu behandeln.

Audit Trail
Session Logs

Nachvollziehbarkeit ist Teil des Systems, nicht eine späte Dokumentationspflicht.

Material

Das Material steht.

Das Curriculum nutzt eine bestehende Infrastruktur: strukturierte Slides, Demos auf echten Repos, Übungen mit Lösungspfaden und ein Dashboard für Lernfortschritt und Hands-on-Sessions. Die 17 Module und der Playground sind heute nutzbar; wo noch Tiefe fehlt, benennt der Abschnitt zu den Lernlücken weiter unten.

/01Strukturierte Slides für alle 17 Module
/02Live-Demos mit echten Repos
/03Hands-on Übungen pro Block
/04Learning-Dashboard zur Fortschrittskontrolle
/05Plugin- & Command-Beispiele
/06Ressourcen & weiterführende Patterns
Outcomes

Was das Curriculum trainiert.

Konkrete Fähigkeiten als Lernziel.

Claude Code als Daily Driver

Klar strukturierter Workflow von Idee bis Commit.

Eigene Tools & Commands bauen

Skills, Hooks und Plugins für reale Team-Probleme.

Multi-Agent-Setups verstehen

Sub-Agents sinnvoll auf Aufgaben verteilen und ihre Ergebnisse zusammenführen.

Sicher und nachvollziehbar arbeiten

Sandboxing, Freigaben, Audit als Standard.

Lab-Modus · ehrliche Linie

Was noch fehlt — und was als nächstes kommt.

Das Curriculum ist nicht fertig — es wächst mit echter Engineering-Arbeit mit. Diese zwei Spalten halten den Stand offen.

Lernlücken

Was im Curriculum noch fehlt.

  • Multi-Agent-Eval-Loops konkretWann lohnt sich eine Eval-Schleife zwischen Agenten, wie misst man sie, welche Stop-Kriterien sind sinnvoll.
  • Plugin-Distribution über MarketplacesVersionierung, Auto-Updates, Trust-Boundaries und Marketplace-Reviews — bisher nur am Rand erwähnt.
  • Token-Ökonomie und Kosten-PatternsWann ist ein Subagent billiger als ein langer Hauptlauf, wann lohnt sich Caching, was kostet ein Tool-Aufruf.
  • Production-Operations für Agent-SystemeMonitoring, Alerting, Audit-Trails und Incident-Response — DCO zeigt einen Ausschnitt, das Curriculum noch nicht.
Nächster Ausbau

Was als nächstes gebaut wird.

  • Modul Coding-Agent-EvaluierungEigenes Modul mit konkretem Eval-Workflow, Beispiel-Repo und einem messbaren Ergebnis.
  • Demo-Artefakte aktualisierenNeue MCP-Tool-Beispiele aus DCO und aktuellen Skills einarbeiten, alte Demos prüfen.
  • Plugin-Distribution-ModulEigenes Modul zu Marketplace-Workflows, Versionierung und Vertrauensgrenzen.
  • Setup-ab-Tag-1-RepoBeispiel-Repo bereitstellen, das einen Tag-1-Coding-Agent-Workflow vollständig zeigt.
Sparring & Lernsignal

Ich sammle Lernwünsche, Modulideen und fehlende Beispiele.

Wenn ein Modul dich besonders interessiert oder du eine Frage zu Coding-Agenten hast — schreib mir. Ich sammle Lernsignale, Modulideen und Hinweise auf fehlende Beispiele.