A GitHub Repo With Zero New Features Hit 2,000 Stars in 6 Days. It’s a New Category
Zusammenfassung
Kurz
Der Autor beschreibt Behavioral Skills als Anweisungen, die KI-Agenten zu angemessenem Aufwand anhalten sollen, etwa damit sie Aufgaben nicht vorzeitig abbrechen oder typische KI-Schreibmuster erzeugen. Er berichtet von einem erfolgreichen Einzeltest einer „Anti-Laziness“-Skill und deutet solche Ansätze als neue Kategorie; seine Evidenz ist überwiegend anekdotisch, und er bewirbt zugleich ein eigenes kostenpflichtiges Produkt.
Mittel
Der Artikel stellt „Behavioral Skills“ als Anweisungen vor, die keine neuen Fähigkeiten hinzufügen, sondern beeinflussen sollen, wie gründlich ein KI-Agent arbeitet und wann er eine Aufgabe als erledigt ansieht. Sie sollen etwa vorzeitige Abbrüche, Platzhalter und typische KI-Schreibmuster verhindern. Der Autor verweist auf Forschung zu „Laziness“ und „Underthinking“ sowie auf SlopCodeBench, nennt aber keine konkreten Studienergebnisse.
Eine Woche lang habe er eine „Anti-Laziness“-Skill mit der Methode „Depth Tree“ bei einem mehrteiligen Refactoring ausprobiert. Nach seiner Darstellung waren danach alle vier Dateien fertig, und ein unsicherer Sonderfall wurde offengelegt. Das ist ein persönlicher Bericht über einen Fall, kein systematischer Test. Eine weitere Skill gegen KI-typische Schreibmuster habe laut Autor fast 2.000 Sterne in sechs Tagen erreicht.
Der Autor deutet beide Ansätze als Teil einer neuen Kategorie namens „Effort Calibration“ und sieht eine Verbindung zu den Aufwandseinstellungen in Claude Code. Diese Einordnung und seine Prognose zur künftigen Produktentwicklung sind Einschätzungen. Er empfiehlt einen Vorher-nachher-Vergleich und bewirbt zugleich sein kostenpflichtiges „Claude Playbook“.
Ausführlich lesen
Der Bericht beschreibt sogenannte „Behavioral Skills“ für KI-Agenten: reine Anweisungen, die keine neuen Werkzeuge oder Fähigkeiten hinzufügen, sondern beeinflussen sollen, wie gründlich ein Modell arbeitet und wann es eine Aufgabe für erledigt erklärt. Der Autor stellt sie als Antwort auf ein bekanntes Problem dar: Agenten können Aufgaben vorzeitig abbrechen, Funktionen als Platzhalter hinterlassen oder „fertig“ melden, obwohl wesentliche Schritte fehlen. Er führt Forschung zu „Laziness“, „Underthinking“ und den Benchmark SlopCodeBench sowie Berichterstattung von Fortune als Hinweise an, dass dieses Verhalten untersucht und öffentlich diskutiert werde. Der Artikel liefert dazu jedoch keine konkreten Studienangaben oder Messwerte.
Als Beispiel schildert der Autor einen einwöchigen Praxistest mit einer „Anti-Laziness“-Fähigkeit, die auf einer Methode namens „Depth Tree“ beruhe. Dabei werde die Aufgabe in immer kleinere Teilaufgaben zerlegt; jeder Teil erhalte laut Beschreibung das volle Zeitbudget der Gesamtaufgabe. Bei einem mehrteiligen Refactoring seien im Vergleich zu einem früheren Versuch diesmal alle vier Dateien fertiggestellt worden. Der Autor berichtet außerdem, das Modell habe einen unsicheren Sonderfall ausdrücklich markiert. Daraus leitet er ab, die Methode lohne sich für Aufgaben, die über eine einzelne Datei hinausgehen. Das Ergebnis ist allerdings seine persönliche Erfahrung mit einem beschriebenen Refactoring, kein systematischer Vergleich mit mehreren Aufgaben oder Modellen.
Eine zweite Gruppe von Behavioral Skills soll KI-typische Schreibmuster vermeiden. Der Autor behauptet, ein solches Repository habe fast 2.000 GitHub-Sterne in sechs Tagen erhalten. Solche Fähigkeiten setzten dem Modell demnach schon vor dem Schreiben Regeln, statt einen fertigen Text nachträglich zu glätten.
Der Artikel fasst Anti-Laziness- und Anti-Overengineering-Fähigkeiten als entstehende Kategorie zusammen: Sie sollen übermäßigen beziehungsweise zu geringen Aufwand regulieren. Dafür verwendet der Autor den Begriff „Effort Calibration“ und verweist auf die Effort-Stufen in Claude Code als verwandten offiziellen Ansatz. Dass damit eine neue Kategorie entstehe und Anthropic sie künftig stärker in das Produkt integrieren werde, ist seine Einschätzung und Prognose, kein nachgewiesenes Ergebnis.
Zum Ausprobieren empfiehlt der Autor, eine wiederkehrende Aufgabe zunächst ohne und danach mit einer Behavioral Skill auszuführen und Unterschiede zu vergleichen. Zugleich legt er sein kommerzielles Interesse offen: Er bewirbt das kostenpflichtige Produkt „The Claude Playbook“, das aus seiner Arbeit an Prompts und Skill-Dateien hervorgegangen sei.
Gegengeprüft von Claude Haiku 5.5: kleine Mängel
Die sechs Fragen betreffen Wertestabilität, Aufsicht, Selbstverbesserung und Sicherheitsvorsorge. Der Bericht handelt dagegen von Aufwand und Abbruchverhalten bei Coding-Agenten und liefert dazu nur einen persönlichen Einzeltest sowie ein Produktmarketing. Deshalb fallen die Einordnungen durchweg niedrig aus, und die Zusammenfassung von Luna gibt den Bericht im Wesentlichen treu wieder.
Im Bericht, aber nicht in der Zusammenfassung
- Der Fortune-Bericht von Mitte 2026 zu Laziness als Risiko für Unternehmen, die auf Agenten setzen, wird nicht genannt.
- Der Mechanismus des Depth Tree (jedes Blatt erhält das volle Zeitbudget) wird nicht erklärt.
- Die Skill gegen KI-typische Schreibmuster wird nur erwähnt; ihr Vorgehen (Vorgaben vor dem Schreiben statt Nachbearbeitung) fehlt.
Wie die Modelle den Bericht einordnen
Ansicht
Filter
Vorfälle melden
- SF-M3 Wie stellt man fest, ob ein Vorfall gewollt oder versehentlich war, und ob KI oder herkömmliche Mittel dahinterstecken?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 46 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
- SF-M4 Wie kommen Meldungen von Laboren, Betreibern und Nutzern schnell und geschützt zu den Stellen, die handeln müssen, auch über Grenzen hinweg?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 53 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
Fähigkeiten messen
- SF-F1 Wie misst man gefährliche Fähigkeiten eines Modells, vor allem im Cyberbereich, mit gemeinsam anerkannten, wiederholbaren Tests, die keine Sprache, Kultur oder Seite bevorzugen?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 35 %gleiches Oberthema, hilft nicht
- SubQ 44 %gleiches Oberthema, hilft nicht
- drex 46 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
- SF-F2 Wenn ein Staat ein Modell als Beleg für eine überschrittene Schwelle nennt oder ein Risiko an der Herkunft eines Modells festmacht: Wie wird das überprüfbar?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 42 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
- SF-F4 Für welche Modelle, Entwickler und Einsätze gelten Prüfregeln, und wann muss neu geprüft werden?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 44 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 51 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
Unabhängig prüfen
- SF-P1 Unter welchen Bedingungen lassen Staaten und Labore sich gegenseitig prüfen: mit welchem Zugang, welchen Daten und welchen öffentlichen Ergebnissen?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 44 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
- SF-P3 Woran erkennt man, dass ein Labor sich ehrlich selbst überwacht und dass seine Prüfungen gültig sind?
- clef 32 %gleiches Oberthema, hilft nicht
- Luna 43 %Hintergrund, keine Belege
- JEV 100 %kein Bezug
- amos 38 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 53 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
- SF-P5 Wie überprüft man, ob Zusagen zwischen Staaten eingehalten werden, auch über Jahre und Regierungswechsel hinweg?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 45 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
Tempo und Grenzen
- SF-T1 Welche messbaren Schwellen sollen eine Pause auslösen, und wer prüft sie?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 35 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
- SF-T2 Woran erkennen andere, dass ein Labor wirklich bremst?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 48 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 47 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
- SF-T3 Woran erkennt man, dass KI beginnt, ihre eigene Weiterentwicklung voranzutreiben, und wer darf das erlauben?
- clef 100 %kein Bezug
- Luna 53 %Hintergrund, keine Belege
- JEV 100 %kein Bezug
- amos 50 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 75 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
- Haiku-Prüfung kein Bezug
Vertrauen in Modelle
- SF-V1 Was zählt als Beleg für die Werte eines Modells, wenn sein sichtbares Denken und seine Selbstauskünfte allein nicht genügen?
- clef 100 %kein Bezug
- Luna 57 %gleiches Oberthema, hilft nicht
- JEV 26 %einzelne zitierbare Belege
- amos 26 %Hintergrund, keine Belege
- SubQ 100 %kein Bezug
- drex 41 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
- SF-V3 Halten die Werte eines Modells, wenn niemand zusieht oder die Lage neu ist?
- clef 100 %kein Bezug
- Luna 58 %Hintergrund, keine Belege
- JEV 100 %kein Bezug
- amos 28 %nur am Rande erwähnt
- SubQ 100 %kein Bezug
- drex 54 %gleiches Oberthema, hilft nicht
- d3-ultra 58 %gleiches Oberthema, hilft nicht
- Haiku-Prüfung gleiches Oberthema, hilft nicht
- SF-V3-T02 Wie macht man die Ausrichtung eines Modells an Werten zu prüfbaren Verhaltensregeln statt zu angestrebten menschlichen Eigenschaften wie der „Liebe zur Menschheit“?
- SF-V3-T03 Werden Labore und die übrige Branche gemeinsame Tests veröffentlichen, ob Werte bei unbekannten Aufgaben, widerstreitenden Anreizen, in gegnerischen Lagen und bei fehlender oder anders wahrgenommener Aufsicht halten, unabhängig wiederholt und mit Fehlschlägen und Unsicherheit?
- SF-V4 Was für ein Wesen ist ein Modell, und was folgt daraus für den Umgang mit ihm und für den Wert des Menschseins?
- clef 100 %kein Bezug
- Luna 27 %nur am Rande erwähnt
- JEV 27 %einzelne zitierbare Belege
- amos 50 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 41 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
- SF-V5 Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
- clef 23 %gleiches Oberthema, hilft nicht
- Luna 65 %einzelne zitierbare Belege
- JEV 48 %beantwortet teilweise oder widerspricht
- amos 26 %einzelne zitierbare Belege
- SubQ 38 %gleiches Oberthema, hilft nicht
- drex 27 %gleiches Oberthema, hilft nicht
- d3-ultra 53 %gleiches Oberthema, hilft nicht
- Haiku-Prüfung Hintergrund, keine Belege
- SF-V5-T01 Was sollte ein Modell schon heute tun, nicht erst bei rekursiver Selbstverbesserung (wenn KI ihre eigene Weiterentwicklung selbst vorantreibt), um äußerste Vorsicht angesichts rasch wachsender maschineller Intelligenz ernst zu nehmen?
- SF-V5-T03 Ist es wirtschaftlich klug, Modelle mit geringem Denkaufwand zu betreiben, oder wird das Ausrichtungsproblem (Modelle dazu zu bringen, den vorgesehenen Zielen und Werten zu folgen) dadurch nur schwerer sichtbar?
Agenten und vernetzte Systeme
- SF-A1 Welche Befugnisse darf ein KI-Agent haben, also eine KI, die selbstständig mit Werkzeugen handelt? Wer entzieht sie ihm, und wie prüft man, dass er in seinem Auftrag bleibt?
- clef 100 %kein Bezug
- Luna 34 %Hintergrund, keine Belege
- JEV 27 %nur am Rande erwähnt
- amos 27 %nur am Rande erwähnt
- SubQ 100 %kein Bezug
- drex 43 %gleiches Oberthema, hilft nicht
- d3-ultra 65 %gleiches Oberthema, hilft nicht
- SF-A2 Lassen sich KI-Systeme sicher anhalten, zurücksetzen, abschotten oder drosseln, und wer darf das anordnen?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 100 %kein Bezug
- SubQ 100 %kein Bezug
- drex 48 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
Modelle teilen und schützen
- SF-H1 Wo endet die erlaubte Nutzung fremder Modellausgaben, und wo beginnt unerlaubte Destillation, also das Trainieren eines eigenen Modells mit diesen Ausgaben?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 46 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
- SF-H2 Was darf offen veröffentlicht werden, und wer ist verantwortlich, wenn ein offenes Modell anderswo Schaden anrichtet?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 44 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 46 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
- SF-H3 Wie lässt sich nachverfolgen, woraus ein Modell entstanden ist und was in ihm steckt?
- clef 100 %kein Bezug
- Luna 44 %gleiches Oberthema, hilft nicht
- JEV 100 %kein Bezug
- amos 100 %kein Bezug
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
Offenlegung und Rechenschaft
- SF-O2 Was sollten Regierungen, Labore und Prüfer über ihre Gespräche, Zusagen, Prüfungen und Eingriffe offenlegen?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 100 %kein Bezug
- SubQ 100 %kein Bezug
- drex 69 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
Beteiligung und Gemeinwohl
- SF-E4 Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
- clef 100 %kein Bezug
- Luna 49 %gleiches Oberthema, hilft nicht
- JEV 23 %gleiches Oberthema, hilft nicht
- amos 41 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
- SF-E5 Welche Mitsprache haben die Menschen, die mit KI leben, bei Tempo und Grenzen, und welche Entscheidungen müssen bei ihnen bleiben?
- clef 100 %kein Bezug
- Luna 29 %Hintergrund, keine Belege
- JEV 46 %einzelne zitierbare Belege
- amos 52 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 56 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
Information und Öffentlichkeit
- SF-I1 Wie erkennt man KI-erzeugte Inhalte und KI-erzeugte Einflussnahme, ohne die Meinungsfreiheit zu beschneiden?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 40 %nur am Rande erwähnt
- amos 35 %gleiches Oberthema, hilft nicht
- SubQ 47 %gleiches Oberthema, hilft nicht
- drex 30 %nur am Rande erwähnt
- d3-ultra 44 %gleiches Oberthema, hilft nicht
Weitere Berichte zu diesen Fragen
- Woran erkennt man, dass ein Labor sich ehrlich selbst überwacht und dass seine Prüfungen gültig sind?
- Woran erkennt man, dass KI beginnt, ihre eigene Weiterentwicklung voranzutreiben, und wer darf das erlauben?
- Was zählt als Beleg für die Werte eines Modells, wenn sein sichtbares Denken und seine Selbstauskünfte allein nicht genügen?
- Halten die Werte eines Modells, wenn niemand zusieht oder die Lage neu ist?
- Was für ein Wesen ist ein Modell, und was folgt daraus für den Umgang mit ihm und für den Wert des Menschseins?
- Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
- Welche Befugnisse darf ein KI-Agent haben, also eine KI, die selbstständig mit Werkzeugen handelt? Wer entzieht sie ihm, und wie prüft man, dass er in seinem Auftrag bleibt?
- Welche Mitsprache haben die Menschen, die mit KI leben, bei Tempo und Grenzen, und welche Entscheidungen müssen bei ihnen bleiben?
- Alle Berichte im Archiv