Ruflo — Agent-Swarms für Claude Code
Spawn ganze Swarms aus spezialisierten Agents (Architect, Coder, Tester), die parallel an einer Aufgabe arbeiten statt einem einzigen Claude.
Was ist Ruflo
Ruflo ist ein Agent-Orchestration-Layer für Claude Code. Du spawnst damit ganze Swarms aus spezialisierten Agents (Architect, Coder, Tester, Researcher, …), die parallel an einer Aufgabe arbeiten statt einem einzigen Claude der sich durch alles durchkaut. Für Solo-Founder, Builder und alle die mit Claude Code Sachen bauen, aber schneller fertig sein wollen. Du gibst ein Ziel rein, Ruflo verteilt die Arbeit, du reviewst am Ende. Kostenlos, Open Source, läuft lokal auf deiner Claude-Code-Installation.
Installation
Option 1 — One-Liner im Terminal:
curl -fsSL https://cdn.jsdelivr.net/gh/ruvnet/ruflo@main/scripts/install.sh | bash
Option 2 — In Claude Code einfügen:
Installiere Ruflo via "npx ruflo@latest init --wizard" und führe mich durch das Setup. Danach zeig mir wie ich meinen ersten Swarm spawne.
Gefällt dir das?
In der Community zeig ich dir wie ich das alles in der Praxis einsetze — mit Live-Sessions, persönlichem Feedback und meinen kompletten Configs.
Use-Cases
1. Landing Page in einem Abend bauen
Problem: Du willst eine neue Idee validieren, aber schon die Basis-Landing (Hero, Features, CTA, Pricing, FAQ, Footer) frisst einen ganzen Tag.
Swarm-Setup:
- Topology:
hierarchical - maxAgents: 6
- Agents:
system-architect,coder(×2),ui-designer,tester,reviewer
Prompt:
Spawn einen hierarchischen Swarm mit 6 Agents (system-architect, 2x coder, ui-designer, tester, reviewer) und baue eine Landing Page für [PRODUKT IN 1 SATZ].
Stack: Next.js 14 App Router, TailwindCSS, shadcn/ui, deployed auf Vercel.
Sections: Hero mit Email-Capture, 3 Feature-Blocks, Social Proof Slot, Pricing (3 Tiers), FAQ, Footer.
Farben: [FARBEN], Ton: direkt und konkret, keine Buzzwords.
Architect legt Struktur fest, Designer macht das Styling-System, Coder bauen parallel die Sections, Tester prüft Responsive + Lighthouse, Reviewer geht drüber und macht am Ende einen PR-ready Commit.
Was rauskommt: Komplettes Repo mit deployfertiger Landing, responsive, Email-Capture verdrahtet. Statt einem Tag ein paar Stunden — plus du kannst nebenbei was anderes machen während der Swarm läuft.
2. Fremdes Repo in kurzer Zeit verstehen (Onboarding)
Problem: Neuer Client, neues Projekt, oder du übernimmst was von jemand anderem. Zwei Tage lesen bis du irgendwas anfassen kannst.
Swarm-Setup:
- Topology:
mesh - maxAgents: 5
- Agents:
researcher(×3),code-analyzer,documenter
Prompt:
Analysiere dieses Repo wie ein neuer Dev der Montag anfängt. 3 researcher parallel:
- researcher-1: Architektur — welche Frameworks, welche Module, Datenfluss, externe Services
- researcher-2: Entry-Points — wie startet man das, wie deployt man, welche ENV-Vars sind Pflicht
- researcher-3: Domain-Logik — was macht die App aus User-Sicht, welche Business-Rules stehen im Code
code-analyzer findet die Hotspots (Dateien mit den meisten Dependencies, komplexeste Funktionen, Test-Coverage-Lücken).
documenter konsolidiert alles zu ONBOARDING.md mit: Quick-Start, Architektur-Diagramm als Mermaid, "wo liegt was", Liste der 10 Dateien die man kennen muss, bekannte Baustellen.
Was rauskommt: Eine ONBOARDING.md die du in 15 Minuten liest und dann weißt wo du anfassen musst. Behalte die für später — auch du selbst nach 3 Monaten Pause bist dankbar.
3. Multi-Plattform Content-Pipeline
Problem: Du hast eine gute Idee, ein Transcript oder einen Blog-Artikel und willst daraus Twitter-Thread, LinkedIn-Post, Reel-Script und Newsletter rausziehen. Allein macht das keinen Spaß.
Swarm-Setup:
- Topology:
hierarchical - maxAgents: 6
- Agents:
researcher,content-writer(×3),editor,seo-optimizer
Prompt:
Input: [PASTE TRANSCRIPT / ARTIKEL / IDEE].
Ziel: 1 Kern-Idee, 5 Formate.
- researcher zieht die 3 stärksten Takes raus (Hot Takes, keine Binsen)
- content-writer-1: Twitter-Thread 8-12 Tweets, Hook in Tweet 1, CTA am Ende
- content-writer-2: LinkedIn-Post 1200-1500 Zeichen, PAS-Framework, persönlicher Opener
- content-writer-3: Reel/TikTok-Script, 30-45 Sek, Hook in ersten 2 Sek, 3 Beats, Loop-CTA
- seo-optimizer: Newsletter-Version 400-600 Wörter mit Subject-Line A/B-Variante
- editor geht drüber, killt Fluff, checkt dass jeder Output in sich alleine funktioniert
Ton: direkt, konkret, du-Form, keine Buzzwords, keine Emojis außer da wo's wirklich passt.
Was rauskommt: 5 fertige Drafts in einer Datei, jeder plattform-spezifisch getuned. 30 Minuten Arbeit statt einem halben Tag.
4. Competitor-Teardown
Problem: Du willst ein Feature, eine Landing oder ein Pricing-Modell bauen und nicht bei Null anfangen. 5 Competitors durchscrollen ist nervig und unstrukturiert.
Swarm-Setup:
- Topology:
mesh - maxAgents: 6
- Agents:
researcher(×4),analyst,reviewer
Prompt:
Competitor-Teardown für [DEINE NISCHE / PRODUKT].
4 researcher parallel, jeder nimmt sich einen Competitor:
- [URL 1]
- [URL 2]
- [URL 3]
- [URL 4]
Pro Competitor extrahieren:
- Positionierung (1 Satz aus deren Hero)
- Preis-Tiers und was jeweils drin ist
- Hauptfeatures (Liste)
- Stärkste Copy-Elemente (Hooks, CTAs, Social Proof)
- Schwächen / Lücken
- Ziel-Kunde (wer wird angesprochen)
analyst baut eine Vergleichs-Matrix als Markdown-Tabelle und leitet 5 Angriffspunkte ab: wo sind alle schwach, wo kann ich mich abgrenzen.
reviewer prüft auf Quatsch (keine Halluzinationen — wenn was nicht auf der Seite steht, weglassen).
Was rauskommt: Eine Vergleichs-Tabelle + Angriffs-Plan. Als Basis für deine eigene Positionierung unbezahlbar.
5. Datenanalyse-Pipeline aus CSV/API
Problem: Du hast Daten (Stripe-Export, CSV vom Tool, API-Response) und willst Insights. Excel-Pivot reicht nicht, aber einen Data-Scientist anstellen auch nicht.
Swarm-Setup:
- Topology:
hierarchical - maxAgents: 5
- Agents:
data-engineer,analyst(×2),coder,reviewer
Prompt:
Input: [PFAD ZUR CSV / API-ENDPOINT].
Ziel: Analyse-Script in Python + Report.
1. data-engineer: CSV einlesen, Schema erkennen, Nulls/Duplikate/Ausreißer reporten, sauberes DataFrame
2. analyst-1: Deskriptive Stats (Counts, Verteilungen, Top-N), Zeitreihen wenn Datum-Spalte vorhanden
3. analyst-2: Segmentierung — wer sind die Top-10% User/Kunden/Transaktionen, was haben die gemeinsam
4. coder: Matplotlib/Plotly-Charts für die 5 wichtigsten Erkenntnisse
5. reviewer: Markdown-Report mit Findings oben, Charts in der Mitte, "was sollte ich als nächstes fragen" unten
Sag mir am Ende die 3 nicht-offensichtlichen Insights.
Was rauskommt: analyze.py + report.md + PNG-Charts. Reproduzierbar — nochmal mit neuen Daten laufen lassen = 1 Command.
Pro-Tipp
Start mit topology: "hierarchical" und maxAgents: 6-8. Mesh klingt cooler, aber je mehr Agents parallel reden, desto eher driften sie vom Ziel ab. Hierarchisch = eine Queen hält Kurs, Rest liefert. Erst skalieren wenn du weißt wie's sich anfühlt.
Hat dir das geholfen? In der LaurinBuilds Community gibt es jede Woche neue Workflows die du sonst nirgends findest.