Master Claude Code: Das Geheimnis des ask_user_question-Tools

Warum deine Claude Code-Pläne dich Geld kosten

Greg Isenberg lädt „Professor" Ross Mike zu dem ein, was sie den ultimativen Claude Code-Crashkurs nennen. Während es tausende von Tutorials gibt, durchschneidet dieses eine die Nebel mit einer kontroversen These: Die meisten Benutzer spenden Geld an Anthropic, weil ihre Pläne schrecklich sind.

Das Input-Output-Prinzip: "However good your inputs are will dictate how good your output is. We're getting to a point where the models are so freakishly good that if you are producing quote unquote slop, it's because you've given it slop." (Wie gut deine Eingaben sind, bestimmt, wie gut deine Ausgabe ist. Wir erreichen einen Punkt, an dem die Modelle so unglaublich gut sind, dass wenn du sogenannten Müll erzeugst, ist es, weil du ihm Müll gegeben hast.) Dies geht nicht mehr um Modellbeschränkungen – Opus 4.5 und ähnliche Modelle haben einen Schwellenwert überschritten, bei dem Qualitätsprobleme auf menschliche Anweisungen zurückgehen.

Das versteckte Tool, das niemand nutzt: Ross offenbart das ask_user_question-Tool von Claude Code, das dich über die Spezifikationen deines Plans befragt. "When you use this ask user question tool, the questions become more granular. It asks about core workflow, technical foundation, UI/UX, and script generation." (Wenn du dieses ask_user_question-Tool verwendest, werden die Fragen detaillierter. Es fragt nach Core-Workflow, technischer Grundlage, UI/UX und Skript-Generierung.) Anstatt Claudes allgemeine Planungsfragen zu akzeptieren, zwingt dich dieses Tool, Kompromisse durchzudenken, die du niemals in Betracht gezogen hättest.

Denke in Features, nicht Produkten: "A lot of times people will describe a product, not describe features, and will be frustrated with AI. Like AI is supposed to magically know what you're thinking about." (Viele Menschen beschreiben ein Produkt, anstatt Features zu beschreiben, und sind frustriert über KI. Wie wenn KI magisch wissen sollte, woran du denkst.) Die Schlüsselerkenntnis: Wenn du deine Idee nicht in konkrete Features mit Testkriterien aufteilen kannst, setzt du dich für teure Iterationsschleifen auf.

Die RALPH-Warnung: Trotz des Hype um autonome Schleifen argumentiert Ross, dass Anfänger sie komplett meiden sollten. "If you haven't built anything, deployed anything, there isn't a URL that I myself or Greg can click on that you've built, you have no business using RALPH." (Wenn du nichts gebaut hast, nichts bereitgestellt hast, es keine URL gibt, auf die ich oder Greg klicken können und die du gebaut hast, hast du kein Recht, RALPH zu verwenden.) Baue zunächst manuelle Wiederholungen auf, um Produktintuition zu entwickeln.

5 Schlüsselerkenntnisse zur Claude Code-Meisterschaft

• Verwende ask_user_question religiös - Das Tool befragt dich über kleine Details (Datenbankauswahl, UI-Layouts, Kostenbehandlung), die generische Planung überspringt
• Überschreite nie 50% Kontext - Sobald du ~100K Token in einer Sitzung erreichst, verschlechtert sich die Modellqualität; starte proaktiv neue Sitzungen
• Teste jedes Feature, bevor du weitermachst - Schreibe einen Test für Feature eins, bevor du Feature zwei baust; kaputte Grundlagen verstärken sich exponentiell
• Überspringe RALPH, bis du versandt hast - Autonome Schleifen verstärken schlechte Pläne; wird erst gut in manuellen Iterationen
• Investiere Zeit in Planung, nicht Debugging - Der ask_user_question-Ansatz mag mühsam wirken, aber er verhindert teure Überarbeitungszyklen

Was das für KI-gestützte Entwicklung bedeutet

Die Meta-Lektion hier reicht über Claude Code hinaus. Da KI-Codierungstools reifen, verlagert sich der Engpass von „kann das Modell das tun?" zu „habe ich das richtig spezifiziert?" Die ask_user_question-Technik – dich selbst zu granularen Fragen zu zwingen, bevor du Code generierst – gilt für jeden agentengestützten Workflow. Softwarentwicklung wird einfach; Softwaretechnik (Architektur, UX, Geschmack) bleibt schwer. Die Gewinner werden nicht diejenigen mit den besten Tools sein, sondern diejenigen, die Zeit in das Erstellen präziser Eingaben investieren.