Learning L9: AgentField ist in der Prelife-Phase

Erkannt: 2026-03-19, während EvoFlow/MCE/AgentFactory Deep Dive

Erkenntnis

Nach Nowaks Terminologie befindet sich AgentField in der “Prelife”-Phase: Es gibt Diversität (~30 Skills) und Selektion (Quality-Gate), aber keine Replikation — keine automatische Vererbung erfolgreicher Muster.

Das ist nicht schlimm. Prelife ist bereits generativ. Aber es fehlt der Schritt zum “Life”-Modus: der geschlossene evolutionäre Loop.

Der fehlende Loop

IST:  Task → Skill-Auswahl → Execution → [Quality-Gate] → Output
                                                ↓
                                         (Feedback stirbt hier)

SOLL: Task → Skill-Auswahl → Execution → [Quality-Gate] → Output
                ↑                              ↓
                └──── Skill-Mutation ←── Evaluation + Cost ──┘

Was den Loop schließen würde

1. Cost-Tracking als zweite Optimierungsachse (Usage-Tracking liefert die Daten)
2. Skill-Performance-Historie (welcher Skill → welcher Task → welcher Score)
3. Automatisierte Prompt-Mutation (kleine Variationen, A/B-Test)
4. Niching (mehrere Skill-Varianten pro Task-Typ, Diversität erhalten)

Warum das ein Learning und nicht nur Theorie ist

EvoFlow zeigt empirisch: Der Schritt von Phase 0 (manuelle Workflows) zu Phase 3 (evolvierte Population) bringt 1.23-29.86% Verbesserung bei 12.4% der Kosten. Das ist kein hypothetischer Gewinn.

Implikation

Nicht alles auf einmal. Phase 1 (Feedback-Loop schließen) ist der einzige nächste Schritt. Alles andere folgt, sobald der Loop läuft.