ycmjason/aibridge

Was macht aibridge?

aibridge ermöglicht es Ihnen, Modelle anderer Anbieter zu steuern: Es startet die auf diesem Rechner installierten KI-CLIs und überprüft deren Ausgabe. Sie liefern das Urteilsvermögen und die Prompt-Erstellung; die CLI übernimmt die brüchige Ausführung. Delegierte Modelle bringen das mit, was Ihnen möglicherweise fehlt – andere Trainingsdaten und blinde Flecken (echte Gegenprüfung), Bilddarstellung, leistungsstarke Reasoning-Ressourcen – und laufen gleichzeitig auf den vorhandenen Anmeldungen der unterstützenden CLIs, ohne API-Schlüssel. Jede Delegation verbraucht das eigene Kontingent der unterstützenden CLI (siehe Modell-Sitze für den einen Fall, in dem dieses Kontingent Ihnen gehört).

Ausführung

aibridge <Befehl> [Optionen]              # wenn `aibridge` im PATH ist
npx -y @aibridge/cli <Befehl> [Optionen]  # keine Installation – funktioniert überall

Es ist kein Installationsschritt erforderlich: Die zweite Form lädt die CLI bei Bedarf von npm herunter. Die Referenzdokumente unten schreiben jeden Befehl als aibridge <Befehl> – wenn aibridge nicht im PATH ist, ersetzen Sie npx -y @aibridge/cli für aibridge; alles andere ist identisch. Erfordert Node ≥24.11.

Einrichtung (ein einmaliger Test, keine Installation)

• Minimale CLI-Version: 0.1.0.
• Test: Führen Sie aibridge --version aus; fehlt der Befehl, führen Sie npx -y @aibridge/cli --version aus und verwenden Sie anschließend die npx-Form. Vergleichen Sie die gedruckte Version mit 0.1.0 (Semver).
• Unterhalb des Minimums via npx (veralteter Cache): Führen Sie npx -y @aibridge/cli@latest erneut aus. Unterhalb des Minimums via globaler Installation: Schlagen Sie dem Benutzer vor, mit npm i -g @aibridge/cli zu aktualisieren.
• Wenn node --version unter 24.11 liegt: Die CLI kann nicht ausgeführt werden – bitten Sie den Benutzer, Node zu aktualisieren (z. B. nvm install 24 / mise use node@24).
• Optional, für Benutzer, die den Befehl aibridge direkt im PATH haben möchten: npm i -g @aibridge/cli. Fragen Sie den Benutzer, bevor Sie globale Installationen durchführen.

Erfordert die unterstützenden CLIs im PATH und angemeldet: grok (empfohlen für Planung/Überprüfung – explizit übergeben), agy (empfohlen für Implementierung – explizit übergeben), codex (empfohlener Sitz für Bildgenerierung – explizit übergeben, plus openai-codex/*-Delegation) und optional claude für die anthropic-claude/*-Delegationsebene.

Unterbefehle

Befehl	Beschreibung	Referenz
plan	Erweitere eine Aufgabe zu einer detaillierten Implementierungsplandatei	reference/plan.md
implement	Implementiere eine Plandatei direkt (bearbeitet den Arbeitsbaum, führt echte Tests aus)	reference/implement.md
review	Überprüfe den Arbeitsbaum-Diff (oder einen Plan) gegen einen Planvertrag	reference/review.md
subagent	Delegiere eine in sich abgeschlossene Aufgabe an ein anderes Modell	reference/subagent.md
image-gen	Erzeuge ein Rasterbild über einen Modell-Sitz (Codex, Agy oder Grok-Backend)	reference/image-gen.md
runs	Überwache und inspiziere Ausführungsläufe	—
quota	Zeige Backend-Kontingente und Reset-Zeiten an (grok, agy, codex, claude)	—
models	Liste jeden Modell-Sitz im Register auf (Slug, Aufwandsstufen, Bildformat)	—

Routing

1. Erstes Wort ist ein Unterbefehl → Lade diese Referenzdatei und folge ihr. Dies ist nicht verhandelbar: Die Referenz enthält die Prompt-Erstellung, die die Ausgabe gut macht – das Überspringen führt zu generischen Ergebnissen.

2. Kein Unterbefehl angegeben → Leite aus der Anfrage ab:

   • ein Bild / Symbol / Grafik → image-gen;
   • eine klar spezifizierte, in sich abgeschlossene Aufgabe zur Übergabe an ein anderes Modell, oder eine modellübergreifende Zweitmeinung / Red-Team → subagent;
   • eine umfangreiche oder riskante Implementierungsarbeit → der Drei-Verb-Workflow: plan → Sie lesen, bearbeiten und genehmigen die Plandatei → implement → review --plan <Datei>. Fügen Sie bei risikoreichen Entwürfen ein Gate vor der Implementierung hinzu: review --plan auf einem sauberen Baum überprüft den Plan selbst.

   Bei echter Ambiguität zeigen Sie die obige Tabelle und fragen Sie nach.

3. Unsicher über die aktuellen Flags? Führen Sie aibridge <Befehl> --help aus – die Oberfläche wächst mit der Zeit (neue Modelle, neue Flags).

Modell-Sitze (empfohlene Auswahl – explizit übergeben)

--model ist bei jedem Befehl erforderlich; nichts wird für Sie ausgewählt. Grobe Ausgangspunkte – keine Benchmarks, sondern das, was tendenziell funktioniert:

Slug	plan	implement	review	image-gen
xai-grok/grok-4.5	✅ klein–mittel, gut abgegrenzt	✅ beliebige Genauigkeit	✅	○ JPEG
openai-codex/gpt-5.6-sol	✅ mittel–groß, mehrdeutig	○	✅	✅ PNG
anthropic-claude/opus-5	✅ mittel–groß, mehrdeutig	○	✅	✗
google-antigravity/gemini-3.6-flash	○	✅ benötigt hohe–sehr hohe Details	○	○ JPEG
anthropic-claude/sonnet-5	○	✅ benötigt hohe Details	○	✗

✅ empfohlen · ○ funktioniert · ✗ nicht unterstützt. Bei plan ist das Kriterium, wie viel Mehrdeutigkeit der Sitz absorbiert; bei implement, wie spezifisch der Plan sein muss.

Dies sind grobe Empfehlungen, keine Messungen. Wenn die Aufgabe nicht klar in eine Zeile passt – oder der Benutzer angegeben hat, wie die Arbeit geroutet werden soll – fragen Sie den Benutzer, anstatt zu raten.

Andere registrierte Sitze, gleiche Regeln: openai-codex/gpt-5.6-terra / -luna (günstigere Coding-Stufen), anthropic-claude/fable-5 (schwierigste, langlaufende Arbeit), anthropic-claude/haiku-4-5 (schnelle Antworten), google-antigravity/gemini-3.1-pro (nur -high/-low) und Agys claude-sonnet-4-6 / claude-opus-4-6-thinking / gpt-oss-120b-medium – Claude- und GPT-Level-Arbeit auf Antigravitys Kontingent, was wichtig ist, wenn die Sitze desselben Anbieters diejenigen sind, die Sie vermeiden. Führen Sie aibridge models [--json] für genaue sitzspezifische Fakten aus (akzeptierte Aufwände, Bildformat, feste Modell-ID). aibridge <Befehl> --help listet jeden Sitz auf.

• Grok ist aggressiv gedeckelt (~30 Anfragen/Minute, ~1k Nachrichten/Tag; aibridge quota verfolgt den wöchentlichen Kreditverbrauch): Führen Sie IMMER NUR EINE Grok-Stufe gleichzeitig aus. Es ist der einzige Sitz, der eine vage Aufgabenstellung toleriert – setzen Sie es daher dort ein, wo die Eingabe unklar ist, und nicht dort, wo bereits ein detaillierter Plan existiert.
• Halten Sie den Prüfer modellübergreifend vom Implementierer getrennt – ein Modell, das seinen eigenen Diff überprüft, teilt seine eigenen blinden Flecken. Die empfohlenen Sitze unterscheiden sich bereits; wenn Sie einen Sitz überschreiben, überprüfen Sie den anderen. Die gleiche Logik gilt für Sie: Bei Arbeiten, die Sie selbst verfasst haben, bevorzugen Sie einen Prüfer außerhalb Ihrer eigenen Modellfamilie.
• Das Kontingent ist orchestratorrelativ. Jedes Backend verbraucht seine eigene CLI-Anmeldung / sein eigenes Kontingent. Ein Backend, das das Kontingent des Agenten teilt, der diese Fähigkeit ausführt (anthropic-claude/* für Claude-basierte Agenten – es belastet das Abonnement der claude-CLI – google-antigravity/* für Antigravity-basierte Agenten, …) ist ein LETZTER AUSWEG: Sagen Sie dies, bevor Sie es verwenden.
• Sitze bei Kontingentproblemen tauschen: openai-codex/gpt-5.6-sol[-<Aufwand>] (eigener ChatGPT-Login) ist die übliche Alternative für jeden Sitz.
• Die Kontingentvorprüfung läuft automatisch vor jeder Delegation; aibridge quota ist der manuelle Zwei-Sekunden-Check bei der Planung einer Pipeline.

Sicherheits- & Vertrauensmodell

• aibridge führt echte Delegation durch: Im Tool-Modus lesen/schreiben die unterstützenden CLIs Dateien und führen Shell aus – auf dem GLEICHEN Vertrauensniveau wie der Agent, der diese Fähigkeit ausführt. Nichts hier gewährt mehr Zugriff, als der Benutzer seinem Agenten und diesen CLIs bereits gewährt hat, als er sie installiert und angemeldet hat.
• Die Delegation sendet die Aufgabenaufforderung (und was auch immer der Delegierte lesen möchte) an den Anbieter der unterstützenden CLI. Delegieren Sie keine Inhalte, die der Benutzer nicht an diesen Anbieter senden würde; verwenden Sie --no-tools für nicht vertrauenswürdige Eingaben – der Delegierte erhält keinen Datei- oder Shell-Zugriff, nur Reasoning.
• Die CLI ist @aibridge/cli auf npm, veröffentlicht mit SLSA-Provenienz via OIDC aus dem öffentlichen Repository (https://github.com/ycmjason/aibridge). Seine Pakete haben keine Installationsskripte und einen einzigen Laufzeit-Abhängigkeitsbaum, den Sie prüfen können.
• Nichts wird ausgeführt, bis der Benutzer diese Fähigkeit installiert hat und die CLI via npx/npm unter seinem eigenen Konto ausgeführt wird.