Mit einem KI-Agenten chatten oder eine Aufgabe zuweisen? Wann Sie was nutzen sollten

Man kann mit einem KI-Agenten chatten oder ihm eine Aufgabe zuweisen. Teams, die täglich Coding-Agenten einsetzen, behandeln das als zwei verschiedene Werkzeuge – und Teams, die sie verwechseln, zahlen später dafür: Entscheidungen, die in privaten Chatverläufen vergraben sind, Arbeit, die fertig wurde, aber nie geprüft wurde, und eine Kollegin, die drei Wochen später fragt: „Wo haben wir das noch mal festgehalten?", nachdem die Sitzung längst aus dem Verlauf gescrollt ist.

Sharkly verankert diese Unterscheidung im Produkt. Der Chat ist zum Erkunden, Planen oder Handeln mit einem Agenten gedacht, solange die Arbeit noch keine nachverfolgbare Aufzeichnung braucht. Eine Aufgabe ist für Arbeit, die Verantwortlichkeit, Status, Ausführungshistorie und Review braucht. Beides kann Agent-Läufe starten. Sie speichern unterschiedliche Aufzeichnungen – und genau darin liegt der Punkt.

Dieser Leitfaden erklärt, wofür die jeweilige Oberfläche gedacht ist, wie sich Sharklys Chat-Modi verhalten, wie man einen vielversprechenden Chat an eine echte Aufgabe übergibt und welche Entscheidungsregeln dafür sorgen, dass die gemeinsame Aufzeichnung eures Teams ehrlich bleibt.

TL;DR

Chatte mit einem KI-Agenten, wenn du eine Frage stellen, ein Thema untersuchen oder einen Plan entwickeln willst, ohne dafür eine Aufgabe anzulegen. Weise eine Aufgabe zu, wenn die Arbeit eine zugewiesene Person, einen Status, Akzeptanzkriterien, ein Review oder eine dauerhafte Aufzeichnung braucht, die das Team sehen kann. Chat-Nachrichten bleiben in der Sitzung; Aufgabenergebnisse landen wieder in der Aufgabe, wo Menschen sie prüfen und abnehmen.

Das Problem: ein Agent, zwei Arten von Arbeit

Wer Claude Code oder Codex im Terminal laufen lässt, kennt beide Arten von Arbeit bereits. Manche Sitzungen sind Fragen: Was macht dieses Modul? Warum ist dieser Test instabil? Was würde eine Migration kosten? Andere Sitzungen sind Verpflichtungen: diesen Bug beheben, diesen Endpoint ausliefern, diese Doku aktualisieren.

Das Terminal behandelt beide gleich. Jede Sitzung ist ein privates Protokoll auf dem Rechner einer Person – egal, ob sie eine belanglose Frage beantwortet oder eine Änderung hervorgebracht hat, auf die das ganze Team angewiesen ist. Fragesitzungen sind dort gut aufgehoben. Verpflichtungssitzungen nicht, denn niemand sonst sieht das Ziel, den Diff, die Diskussion oder das Ergebnis.

Die meisten Teams merken das auf die harte Tour. Ein Entwickler arbeitet sich im Chat mit einem Agenten durch einen Produktions-Fix, der Fix wird ausgeliefert, und die Begründung dahinter steckt in einem Scrollback-Puffer, der am Freitag geleert wird. Der umgekehrte Fehler passiert genauso: Ein Team schickt jede noch so kleine Frage durch seinen Aufgaben-Tracker, und das Board füllt sich mit toten Tickets wie „Frage zu Caching".

Die Lösung ist keine Regel, die eine der beiden Oberflächen verbietet. Die Lösung ist zu wissen, was jede Oberfläche aufzeichnet, und Arbeit bewusst zwischen ihnen zu verschieben. Das fängt damit an, zu verstehen, was ein Chat mit einem KI-Agenten speichert – und was nicht.

Was ist der Agent-Chat in Sharkly?

Der Agent-Chat ist ein eigenständiger Chat mit einem Agenten oder einer Crew. Nutze ihn, wenn du eine Frage stellen, ein Thema untersuchen, einen Plan entwickeln oder mit der Arbeit beginnen willst, ohne vorher eine Aufgabe anzulegen. Jeder eigenständige Chat hat seine eigene Sitzung mit eigenen Nachrichten, und die Sitzung gehört der Person, die sie erstellt hat.

Sharkly hat zwei Chat-Oberflächen, und die Doku besteht darauf, sie getrennt zu halten:

• Eigenständiger Agent-Chat existiert außerhalb jeder Aufgabe. Du öffnest die Chat-Ansicht eines Agenten, sendest eine Nachricht, und eine neue Sitzung beginnt. Es ist dein Arbeitsbereich mit diesem Agenten.
• Agent-Chat auf einer Aufgabe lebt auf dieser Aufgabe. Er ist kein Aufgabenkommentar und setzt nicht voraus, dass die Aufgabe diesem Agenten zugewiesen ist.

Drei Grenzen sind hier wichtig, denn bei jeder davon würde ein vernünftiger Mensch falsch raten.

Chat ist kein Kommentar. Eine Nachricht im Agent-Chat erzeugt keinen Aufgabenkommentar. Eine Nachricht im Agent-Chat einer Aufgabe erscheint auch nicht als Kommentar in Activity. Aufgabenkommentare bleiben die maßgebliche Aufzeichnung für Diskussionen zur Aufgabe; der Chat ist auf beiden Oberflächen eine separate Aufzeichnung.

Chat ist standardmäßig nicht für das Team sichtbar. Eine eigenständige Sitzung gehört der Person, die sie erstellt hat, und andere Mitglieder der Organisation erhalten über die aktuellen Chat-APIs keinen Zugriff darauf. Bei einer Aufgabe benachrichtigen neue Chat-Nachrichten die zugewiesene Person und alle, die bereits an dieser Konversation beteiligt sind. Sie gehen nicht an alle, die die Aufgabe beobachten.

Chat setzt keine Zuweisung voraus. Du kannst eine Aufgabe öffnen und mit jedem Agenten im Space darüber chatten, unabhängig davon, ob dieser Agent zugewiesen ist. Die Zuweisung regelt die Verantwortung für die Ausführung, nicht den Zugang zum Gespräch.

Wenn du noch nicht weißt, was ein Agent überhaupt ist (eine gespeicherte Arbeitskonfiguration mit Anweisungen, einer Runtime, Skills und Repositories), findest du diese Grundlagen in der Agenten-Erklärung.

Was bietet dir eine Aufgabe, was der Chat nicht bietet?

Eine Aufgabe ist die zentrale Arbeitseinheit in Sharkly. Sie trägt das Ziel und die Beschreibung, Status, Priorität, Labels, die verantwortliche Person, den zur Ausführung zugewiesenen Agenten oder die Crew, Kommentare und Anhänge sowie Ausführungsstatus, Trace und Ergebnis des Agenten. Alles zur Arbeit fließt in die Aufgabe zurück, wo jeder mit Zugriff es einsehen kann.

Hinter diesem einen Satz stecken vier konkrete Garantien, die der Chat nicht geben kann:

1. Verantwortlichkeit. Eine Aufgabe hat eine zugewiesene Person. Wenn etwas hängt, steht ein Name dafür. Eine Chat-Sitzung hat eine Teilnehmerliste und keine Verantwortungsstruktur.
2. Status. Eine Aufgabe durchläuft einen Workflow, den dein Team definiert hat: Backlog, gestartet, Review, erledigt. Jeder kann das Board ansehen und weiß, wo die Arbeit steht, ohne nachzufragen.
3. Ausführungshistorie. Jeder Lauf zu einer Aufgabe hinterlässt einen Trace: wann er in die Warteschlange kam, wann er startete, welche Tools er aufgerufen hat, warum er fehlgeschlagen ist. Wenn ein Lauf abbricht, liest du den Ausführungsdatensatz, statt Ereignisse aus dem Gedächtnis zu rekonstruieren.
4. Review. Ein Agent kann eine Aufgabe auf eine menschliche Antwort oder ein menschliches Review warten lassen, und diese Signale landen in der Inbox der verantwortlichen Person. Die Abnahme ist ein aufgezeichneter Schritt, kein Bauchgefühl.

Aufgabenbasierte Ausführung hat auch strukturelle Vorteile. Repository-Arbeit an einer Aufgabe läuft in einem isolierten Verzeichnis, in der Regel einem separaten git worktree pro Lauf, sodass mehrere Aufgaben dieselbe Codebasis parallel ändern können, ohne sich gegenseitig in die Quere zu kommen. Die Mechanik dazu steht in wie Sharkly Agenten parallel ausführt. Ein Folgekommentar zu einer zugewiesenen Aufgabe kann einen weiteren Lauf starten, und Sharkly fasst schnelle Kommentare zusammen, damit daraus keine doppelte Arbeit entsteht.

Hier ist der Vertrag zwischen Mensch und Agent, der die Aufgabe zum richtigen Zuhause für echte Arbeit macht: Agenten recherchieren, führen aus, testen und berichten auf der Aufgabe. Menschen geben die Richtung vor, erteilen die Vollmacht und nehmen das Ergebnis ab. Eine Chat-Sitzung unterstützt die erste Hälfte dieses Vertrags. Nur eine Aufgabe unterstützt die zweite Hälfte.

Agent-Chat vs. Aufgabenzuweisung: die Entscheidungstabelle

Die Entscheidung hängt davon ab, was für die Arbeit aufgezeichnet werden muss – nicht davon, wie groß die Arbeit ist.

Nutze den Chat, wenn du fragst, vergleichst, untersuchst oder formst. Nutze eine Aufgabe, wenn die Arbeit eine zugewiesene Person, einen Status, Akzeptanzkriterien oder ein Ergebnis braucht, das jemand abzeichnen muss.

Zwei ehrliche Gegenregeln verhindern, dass daraus ein Dogma wird:

Lege nicht für jede Frage eine Aufgabe an. „Was macht dieses Modul?" verdient einen Chat, kein Ticket. Ein Board voller fragenförmiger Aufgaben ist Lärm, der die echte Arbeit begräbt – und genau diesen Lärm soll ein Arbeitsmanagementsystem für Menschen und Agenten verhindern.

Lass nicht zu, dass ein Chat still und heimlich zu einem Projekt wird. Sobald ein Gespräch etwas hervorbringt, worauf das Team reagieren, das es prüfen oder an das es sich erinnern muss, ist es der Sitzung entwachsen. Wenn das Team ein Fazit sehen muss, kopiere es in eine Aufgabenbeschreibung oder einen Kommentar. Die ursprüngliche Sitzung bleibt deine private Historie; die Aufgabe wird die gemeinsame Aufzeichnung.

Die drei Chat-Modi: Explore, Plan, Execute

Der Chat in Sharkly ist nicht ein einziges Verhalten. Das Eingabefeld hat drei Modi, der ausgewählte Modus wird mit der Sitzung gespeichert, und du kannst ihn vor jedem Turn ändern.

Explore ist reine Untersuchung ohne Schreibzugriff. Der Agent prüft, erklärt, vergleicht und fasst zusammen, ohne etwas zu ändern. Lass Explore ausgewählt, wenn du nur eine Analyse willst und sonst nichts. Das ist der Modus für „Erklär mir mal den Auth-Flow" und „Auf welche dieser beiden Bibliotheken greift die Codebasis bereits zurück?"

Plan lässt den Agenten Aktionen zur Prüfung vorschlagen. Der Agent entwirft eine geplante Aufgabe mit Unteraufgaben, und es passiert nichts, bis du bestätigst. Du kannst den Vorschlag bearbeiten, ihn bestätigen, ohne die Arbeit zu starten, oder ihn bestätigen und sofort starten. Der Plan-Modus ist die Brücke zwischen einem guten Gespräch und einer nachverfolgten Verpflichtung – und er macht die Übergabe vom Chat an die Aufgabe günstig.

Execute lässt den Agenten direkt über seine konfigurierte CLI handeln und das Ergebnis in der Sitzung zurückgeben. Neue Chats starten in Execute, sofern du keinen anderen Standard festlegst – das solltest du vom ersten Tag an wissen: Wenn du ein Gespräch ohne Änderungen willst, wechsle zu Explore, bevor du die erste Nachricht sendest, nicht erst, nachdem der Agent angefangen hat, Dinge zu tun.

Das Entscheidungspaar für die Modi spiegelt das größere. Nutze Explore oder Plan, solange das Ergebnis noch eine Frage ist. Nutze Execute im Chat nur für Arbeit, die du bedenkenlos aus der Team-Aufzeichnung heraushalten kannst, und nutze für alles andere eine Aufgabe.

Ein paar Verhaltensweisen machen den Chat in der Praxis angenehm. Während ein Lauf aktiv ist, werden die Ausgaben des Agenten in die Sitzung gestreamt, und du kannst den Lauf jederzeit stoppen. Wenn du eine weitere Nachricht sendest, während der Agent arbeitet, stellt Sharkly sie für den nächsten Turn in die Warteschlange, statt einen parallelen doppelten Lauf zu starten. Nicht gesendeter Entwurfstext bleibt pro Konversation erhalten, wenn du im selben Browser zwischen Chats wechselst. Sitzungen lassen sich umbenennen, archivieren und aus dem Verlauf wieder öffnen; archivierte Sitzungen bleiben lesbar, aber schreibgeschützt.

Wie du einen Chat an eine Aufgabe übergibst

Bei der Übergabe treffen die beiden Oberflächen aufeinander, und die Sharkly-Doku beschreibt dafür eine konkrete Reihenfolge. Wenn aus einer Diskussion eine Aktion entsteht, die es wert ist, verbindlich festgehalten zu werden:

1. Fasse das Ergebnis im Chat zusammen. Bitte den Agenten, Ziel, Umfang, Rahmenbedingungen und Akzeptanzkriterien in einer Nachricht festzuhalten. Genau diesen Absatz braucht die Aufgabe, und der Agent hat den Kontext dafür bereits.
2. Entwirf die Aufgabe im Plan-Modus. Wechsle zu Plan und lass den Agenten die Aufgabe und ihre Unteraufgaben vorschlagen. Prüfe den Vorschlag und bearbeite ihn, bevor du bestätigst. Du kannst das auch überspringen und die Aufgabe von Hand anlegen; entscheidend ist, dass ein Mensch die Verpflichtung formt.
3. Bestätige – mit oder ohne Start. Das Bestätigen erstellt die geplante Aufgabe. Bestätige und starte, wenn die Arbeit jetzt beginnen soll; bestätige ohne Start, wenn sie auf einen Sprint oder eine Abhängigkeit warten soll.
4. Weise sie zu. Leite die Aufgabe über das Feld für die zugewiesene Person an die richtige Person, den richtigen Agenten oder die richtige Crew weiter. Ein gut abgegrenztes Chat-Fazit ist überhaupt die Voraussetzung dafür, dass sich die Aufgabe zuweisen lässt. Bei Arbeit mit mehreren Rollen kann eine Crew mit einem Leader-Agenten die ganze Aufgabe übernehmen, statt eines einzelnen Ausführenden.
5. Verschiebe den Kontext, nicht das Protokoll. Kopiere alles, was die Aufgabe behalten muss, in ihre Beschreibung oder ihre Kommentare. Die Chat-Sitzung bleibt deine separate Historie; verlass dich nicht auf sie als Gedächtnis des Teams, denn das Team kann sie nicht sehen.

Ab diesem Punkt folgt der Austausch den Regeln der Aufgabe. Aufgabenspezifisches Hin und Her läuft weiter im Agent-Chat der Aufgabe; Fazits, die das ganze Team sehen soll, gehören in Activity-Kommentare; ein zulässiger Kommentar zur zugewiesenen Aufgabe startet einen Folge-Lauf. Ergebnisse, Blocker und die abschließende Antwort landen wieder in der Aufgabe – genau das macht eine spätere Prüfung möglich.

Ein Hinweis zur Platzierung: Eine einem Agenten zugewiesene Aufgabe startet nicht, solange sie im Backlog liegt. Das Backlog ist ein Parkplatz. Wird die Aufgabe aus dem Backlog verschoben, startet der zugewiesene Agent, sobald sein Computer und seine Runtime bereit sind. So kannst du Arbeit aus dem Chat schon vorbereiten und freigeben, wenn das Team bereit ist. Wo diese Ausführung physisch stattfindet, ist ein eigenes Thema und steht in der Computer-Erklärung.

Schnellchats: Aufgabenkontext, ohne die Aufgabe zu verlassen

Es gibt eine dritte Oberfläche, die man kennen sollte, wenn die Grundlagen sitzen. Die Aufgabenansicht hat Schnellchats in der Kopfleiste: gespeicherte Kombinationen aus Prompt und Agent, die mit der aktuellen Aufgabe als Kontext laufen.

Jeder Schnellchat hat einen Namen, einen optionalen Prompt, einen ausgewählten Agenten oder eine Crew und eine Sichtbarkeitseinstellung. Private Schnellchats sind nur für ihre Erstellerin sichtbar und nur von ihr auslösbar. Geteilte Schnellchats sind für alle im Space sichtbar, allerdings kann nur die Erstellerin sie bearbeiten. Wählst du einen aus, öffnet sich eine geteilte Ansicht mit der Aufgabe links und dem Chat rechts, und Prompt, Agent und Aufgabenkontext werden zusammen gesendet.

So werden wiederkehrende Fragen zu Ein-Klick-Vorgängen. Ein geteilter Schnellchat namens „Schätz das mal", der die Aufgabe an einen Planungsagenten schickt, oder „Finde verwandten Code", verdrahtet mit einem repository-kundigen Agenten, wird zu etwas, das jede Person im Space bei jeder Aufgabe auslösen kann. Es ist dieselbe These wie bei Skills: Der Wert entsteht daraus, ein gutes Setup zu teilen, nicht daraus, dass jede Person mehr Chats öffnet.

Zwei Mechanismen solltest du auseinanderhalten. Jede Auslösung eines Schnellchats erzeugt ihre eigene Konversation auf Aufgabenebene, und diese Konversation bleibt an der Aufgabe; sie verwendet nicht den normalen Chat des zugewiesenen Agenten wieder. Und das Löschen eines Schnellchats entfernt die gespeicherte Konfiguration, nicht die daraus bereits entstandenen Konversationen.

Was, wenn dein Stack keine Aufgabenebene hat?

Viele Teams betreiben Agenten ganz ohne Orchestrierungsplattform: rohe Terminal-Sitzungen, tmux-Panes, Shell-Skripte. Dieses Setup deckt die Chat-Hälfte der Unterscheidung aus diesem Artikel ganz gut ab. Eine Terminal-Sitzung ist ein privates, exploratives Gespräch mit einem Agenten – genau wie der Agent-Chat.

Was dem DIY-Stack fehlt, ist die andere Hälfte. Es gibt keine zugewiesene Person, keinen Status, keinen Run-Trace, den ein Teammitglied öffnen könnte, keinen Review-Schritt und keinen Ort, an dem Ergebnisse standardmäßig landen. Jede Verpflichtungssitzung sieht genauso aus wie jede Fragesitzung, und der Unterschied zeigt sich erst, wenn etwas kaputtgeht und niemand rekonstruieren kann, warum. Der Vergleich von Claude Squad, Conductor und tmux-basierten Setups geht durch, wo jeder Ansatz endet.

Du musst deinen Prozess nicht neu aufbauen, um die fehlende Hälfte zu ergänzen. Sharkly ersetzt weder Claude Code noch Codex oder die anderen Ausführungswerkzeuge; es ergänzt die gemeinsame Ebene für Aufgaben, Kontext und Review um die Tools herum, die dein Team ohnehin nutzt, und die Modellnutzung läuft weiter über die Abos oder API-Schlüssel, die in diesen Tools konfiguriert sind. Behalte das Terminal für Wegwerfarbeit, wenn dir das lieber ist. Leite die verbindliche Arbeit über Aufgaben, und wenn deine Tickets schon woanders liegen, kann ein Jira-Ticket direkt an einen Agenten gehen, ohne dass dein Team den Tracker wechselt.

Drei Szenarien, durchgespielt

Der instabile Test. Eine Entwicklerin bemerkt, dass ein Test sporadisch fehlschlägt. Sie öffnet im Explore-Modus einen Chat mit dem Code-Reader-Agenten des Teams: „Warum sollte auth_session_test bei parallelen Läufen fehlschlagen?" Zehn Minuten Lesen später zeigt der Agent auf ein geteiltes Fixture mit einer Race Condition. Jetzt ist es eine Verpflichtung: Sie wechselt in den Plan-Modus, der Agent entwirft die Aufgabe SH-341 mit dem Umfang des Fixes und einem Akzeptanzkriterium („der Test besteht 50 aufeinanderfolgende parallele Läufe"), sie bestätigt und startet sie und weist sie dem Fixer-Agenten zu. Die Untersuchung bleibt in ihrem Chatverlauf. Der Fix, der Diff und das Review landen auf SH-341.

Die Architekturfrage. Ein Tech Lead will wissen, was die Einführung einer Queue über drei Services hinweg kosten würde. Das sind Tage des Lesens, aber es ist immer noch eine Frage, also bleibt sie in einer eigenständigen Chat-Sitzung, die sie in „Queue-Einführung: Studie" umbenennt. Über eine Woche kehrt sie zu der Sitzung zurück, stellt Nachfragen und lässt den Agenten Optionen vergleichen. Als die Führungsebene zustimmt, wird die abschließende Zusammenfassung der Sitzung zur Beschreibung einer Aufgabe auf Epic-Ebene, die im Plan-Modus in Unteraufgaben zerlegt wird. Nichts war je halb nachverfolgt.

Die Standup-Frage, die immer wiederkam. Ein Team bemerkt, dass jeden Morgen jemand einen Agenten bittet, die Änderungen von gestern an der Aufgabe zusammenzufassen, die gerade geprüft wird. Eine Person speichert das als geteilten Schnellchat namens „Was hat sich hier geändert?", verdrahtet mit einem repository-kundigen Agenten. Die Frage wird nicht mehr neu getippt, und jede Auslösung hinterlässt ihre Konversation an der Aufgabe, gegen die sie lief. Für Zusammenfassungen nach Zeitplan statt auf Abruf führt derselbe Impuls zu Automations.

In allen drei Fällen entscheidet dieselbe Regel über die Oberfläche: Fragen bleiben im Chat, Verpflichtungen bekommen eine Aufgabe, und die Übergabe erfolgt in dem Moment, in dem die Antwort Arbeit impliziert.

Fazit

Chatte mit einem KI-Agenten, wenn du erkundest; weise eine Aufgabe zu, wenn du dich festlegst. Sharkly hält die beiden Oberflächen bewusst getrennt, damit dein Board echte Arbeit aufzeichnet statt Fragen – und damit deine Fragen nicht in einer Aufzeichnung verschwinden, die niemand liest. Chat-Sitzungen gehören dir. Aufgaben gehören dem Team, und Kontext, Fortschritt, Blocker, Ergebnisse und menschliches Review bleiben auf ihnen sichtbar – von der Anfrage bis zur Auslieferung.

Die Unterscheidung kostet nichts, weil beide Oberflächen ohnehin vor dir liegen. Öffne einen Chat mit einem Agenten und frag ihn etwas, wofür du sonst die Codebasis durchwühlen würdest. Wenn dieses Gespräch zum ersten Mal etwas hervorbringt, das es wert ist, festgehalten zu werden, wechsle in den Plan-Modus und lass die Aufgabe entwerfen. Verbinde einen Computer, erstelle einen Agenten und probiere beide Hälften an etwas Langweiligem aus. Die Flagship-Übersicht deckt den Rest der Plattform ab, wenn du bereit bist.

Häufig gestellte Fragen

Kann ich mit einem Agenten über eine Aufgabe chatten, ohne sie ihm zuzuweisen?

Ja. Öffne die Aufgabe und starte einen Chat mit einem beliebigen Agenten im Space. Eine Zuweisung ist keine Voraussetzung für ein Gespräch; sie regelt, wer die Aufgabe ausführt, nicht, mit wem du darüber sprechen kannst.

Erscheinen Chat-Nachrichten im Activity-Feed der Aufgabe?

Nein. Kommentare erscheinen in Activity für das ganze Team. Der Agent-Chat einer Aufgabe benachrichtigt die zugewiesene Person und die Personen, die bereits an dieser Konversation beteiligt sind, und er wird auf beiden Oberflächen getrennt von Kommentaren gespeichert.

Können meine Teammitglieder meine eigenständigen Agent-Chat-Sitzungen lesen?

Nein. Jede eigenständige Sitzung gehört der Person, die sie erstellt hat, und andere Mitglieder der Organisation erhalten über die aktuellen Chat-APIs keinen Zugriff. Wenn ein Fazit für das Team wichtig ist, kopiere es in eine Aufgabenbeschreibung oder einen Kommentar.

Was passiert, wenn ich einem Agenten schreibe, der offline oder archiviert ist?

Ein offline Agent wird als offline angezeigt und nicht als „denkt nach" oder „in der Warteschlange", also warte nicht auf eine Antwort, die nicht kommt. Ein archivierter Agent kann keine neuen Nachrichten empfangen: Das Eingabefeld ist deaktiviert, die Sitzungshistorie bleibt aber lesbar.

Mit welchem Chat-Modus sollte ich anfangen?

Neue Chats starten in Execute, sofern du den Standard nicht änderst. Wenn du eine Analyse ohne Änderungen willst, wechsle zu Explore, bevor du deine erste Nachricht sendest. Nutze Plan, wenn der Agent eine Aufgabe vorschlagen soll, die du prüfst und bestätigst.

Nutzt ein Chat mit einem Agenten mein Setup für die Aufgabenausführung?

Ja. Chat-Läufe verwenden dieselbe Agent-Konfiguration: ihre Anweisungen, Runtime und Computer. Im Execute-Modus handelt der Agent über seine konfigurierte CLI – dieselbe Maschinerie, die auch Aufgabenläufe antreibt.

Wann sollte aus einem Chat eine Aufgabe werden?

In dem Moment, in dem das Gespräch Arbeit hervorbringt, für die jemand verantwortlich sein, die jemand prüfen oder an die sich jemand erinnern muss. Fasse Ziel, Umfang, Rahmenbedingungen und Akzeptanzkriterien zusammen, entwirf die Aufgabe im Plan-Modus oder von Hand und weise sie zu. Der Chatverlauf ist keine Team-Aufzeichnung.

Können sich zwei Personen eine Chat-Sitzung mit einem Agenten teilen?

Bei eigenständigen Sitzungen nicht, die haben nur eine Besitzerin. Bei einer Aufgabe benachrichtigt der Agent-Chat die zugewiesene Person und frühere Teilnehmende, sodass eine kleine Gruppe dort einer Konversation auf Aufgabenebene folgen kann. Für team-sichtbare Diskussionen nutze Aufgabenkommentare.