Bahn: aisupport, Analyse-O2C-C2S, awesome-bahn-mcp-servers, beam-mcp,
Confluence_Bot, db-planet-mcp-server, O2C-Harness, project-audit,
Projekt-KIQ-HP, teamlandkarte-mcp
Dhive: Jury-Voting
Privat: CV, NoteGraph (NOTE: NoteGraph needs complete redo after consolidation)
Shared: AI-Orchestrator, OrgMyLife, power_skills_and_more
Shared/references: symphony (read-only)
Bahn repos remain available as independent remotes - this monorepo
pulls them in via subtree, the originals are untouched.
3.3 KiB
3.3 KiB
Requirements-Review (vor Implementierung)
Ablauf bei Issue-basierter Aufgabe
Wenn die Aufgabe als GitLab Issue übergeben wird (statt Freitext):
1. Issue lesen und analysieren
glab issue view {issue-id} --repo {repo}
2. Anforderung kritisch reviewen
Prüfe ob folgende Fragen beantwortet sind:
Fachlichkeit:
- Ist die Domäne/der Fachkontext verstanden?
- Gibt es Fachbegriffe die unklar sind?
- Welche Business-Regeln gelten?
- Gibt es Abhängigkeiten zu anderen fachlichen Prozessen?
Funktional:
- Was genau soll das System tun?
- Wer sind die Nutzer?
- Welche Ein-/Ausgaben gibt es?
- Welche Edge Cases gibt es?
Nicht-funktional:
- Performance-Anforderungen (Response-Zeit, Concurrent Users)?
- Verfügbarkeit?
- Security-Anforderungen?
Technisch:
- Stack/Framework vorgegeben?
- Schnittstellen zu anderen Systemen?
- Deployment-Ziel?
Akzeptanzkriterien:
- Sind Gherkin-Szenarien vorhanden?
- Wann ist die Aufgabe "fertig"?
3. Offene Fragen als Kommentar am Issue
Wenn Informationen fehlen → Kommentar am Issue mit konkreten Fragen:
glab issue comment {issue-id} --repo {repo} --body "## Offene Fragen zur Anforderung
Bevor ich mit der Implementierung beginne, bitte folgende Punkte klären:
1. **Performance:** Wie viele gleichzeitige Nutzer werden erwartet? Gibt es Response-Zeit-Anforderungen?
2. **Validierung:** Welche Felder sind Pflicht? Gibt es Format-Vorgaben (z.B. PLZ nur 5-stellig)?
3. **Auth:** Soll die API authentifiziert sein oder öffentlich?
Sobald geklärt, starte ich die Implementierung."
4. Warten oder selbst entscheiden
- Wenn Fragen kritisch sind (Architektur-Entscheidung, unklarer Scope): Warten auf Antwort
- Wenn Fragen nice-to-have sind (Details die man mit Best Practices lösen kann): Selbst entscheiden und dokumentieren
5. Implementierung starten
Erst wenn die Anforderung klar ist:
- Alle kritischen Fragen beantwortet
- Oder: Agent hat pragmatische Defaults gewählt und dokumentiert
echo "PROGRESS: 5% - Requirements-Review abgeschlossen, starte Implementierung"
Bei Freitext-Aufgabe (kein Issue)
Wenn die Aufgabe als Freitext kommt (über implement_ticket):
- Selbst ein Issue anlegen mit der Aufgabe
- Fehlende Infos mit Best Practices/Defaults füllen
- Entscheidungen als ADR dokumentieren
- Direkt implementieren (nicht warten)
Wann sind Anforderungen klar?
- Keine offenen Fragen → Anforderungen klar → direkt implementieren
- Offene Fragen → Kommentar am Issue → warten
Ablauf bei offenen Fragen
# 1. Fragen als Kommentar posten
glab issue comment {id} --body "## Offene Fragen ..."
# 2. Signal geben dass du wartest
echo "HELP: Warte auf Antwort zu offenen Fragen am Issue #{id}"
# 3. Warten bis Antwort kommt (via send_message vom User/Kiro)
# → Agent bekommt Nachricht: "Fragen beantwortet, siehe Issue-Kommentar"
# 4. Issue-Kommentare erneut lesen
glab issue view {id} --comments
# 5. Weiterarbeiten
echo "PROGRESS: 5% - Requirements klar, starte Implementierung"
Kiro als Vermittler
Kiro sieht needs_help: true + help_message: "Warte auf Antwort..." und kann:
- Den User informieren
- Selbst die Fragen beantworten (wenn er den Kontext hat)
- Oder
send_messagean den Agent schicken: "Fragen beantwortet, siehe Kommentar"