Published
AI Engineering Team Simulator
Multi-Agent-Simulator: Sechs KI-Agenten debattieren deine Produktidee live, erzeugen Artefakte und speichern Runs mit Kosten-Tracking. Next.js · DeepSeek · Vercel.
Overview
Was ist das?
Der AI Engineering Team Simulator simuliert ein echtes Engineering-Team: Du beschreibst eine Produkt- oder Projektidee, und sechs KI-Agenten debattieren nacheinander in Echtzeit; von Scope über Architektur bis Review. Anschließend werden vier strukturierte Deliverables synthetisiert und dauerhaft gespeichert.
Kernfunktionen
- Adaptives Team: Automatische Klassifizierung als Software-, Baustellen-/Compliance- oder Hybrid-Projekt- inkl. passender Rollentitel, Prompts und Artefakt-Tabs
- 6-Agent-Pipeline: PM → Architect → Backend → Frontend → DevOps → Reviewer (Reviewer kann Turns zurückweisen)
- Live-Streaming: SSE-Debatte mit Tool-Aufrufen (npm-Paket-Check, Normensuche) und Live-Activity-Badges
- Strukturierte Artefakte: Requirements, Architektur, Implementation, Review per Zod-Schema und
generateText+Output.object - Persistenz & Replay: Runs in Neon Postgres; Sidebar-Historie; SSR-Replay unter
/runs/[id] - Auth & Ownership: Gast-Sessions oder E-Mail/Passwort (JWT); Runs gehören der Session bzw. dem Account
- Transparenz: Token-Verbrauch und geschätzte API-Kosten pro Run
- Export: Markdown-Export (nach Anmeldung); Rate Limiting via Upstash Redis in Production
Technischer Stack
| Bereich | Technologie |
|---|---|
| Frontend | Next.js 16 (App Router), React 19, Tailwind 4, shadcn/ui |
| AI | Vercel AI SDK 6, DeepSeek v4 (Flash + Pro), Tool Calling |
| Backend | Node.js API Routes, SSE, Server Actions |
| Datenbank | Prisma 7, Neon Postgres |
| Auth | JWT (jose), bcrypt, Guest-Session-Cookies |
| Infra | Vercel, Upstash Redis (Rate Limits) |
Architektur-Highlights
- Sequentielle Multi-Agent-Orchestrierung mit gemeinsamem Transkript-Kontext
- Template-Routing (
software/physical/hybrid) vor dem Debatt-Start - Stream-Resilienz: Fallbacks bei leeren Reasoning-Streams, Retry-Logik, Reviewer-Entscheidung aus Raw-Text
- SSR für gespeicherte Runs (
SavedRunWorkspace, statischer Message-Thread) zur Performance-Optimierung - Glass-Design-System mit Container Queries: Desktop-Artifact-Panel, Mobile Bottom Sheets
Beispiel-Flow
- Idee auf der Landing Page eingeben
- Team wird klassifiziert und zusammengestellt
- Sechs Agenten streamen kurze Slack-artige Turns
- Artefakte werden serverseitig synthetisiert
- Redirect zu
/runs/[id]— Debatte replayen, Artefakte lesen, exportieren
Was ich hier gezeigt habe
Full-Stack-Produktentwicklung mit LLM-Orchestrierung, Streaming-UX, strukturierten Outputs, Auth/Ownership, Production-Deployment und durchdachter Fehlerbehandlung - von der Idee bis zur live erreichbaren Anwendung.