Mammouth Code

Mammouth Code ist der terminalbasierte Coding-Agent von Mammouth AI.

➡️ API-Schlüssel abrufen — erforderlich, um Mammouth Code zu verwenden.

Dieses Open-Source-Projekt ist auf GitHub verfügbar.

Installation

Führe einen der folgenden Befehle in deinem Terminal aus.

macOS / Linux / WSLWindows (PowerShell)

curl -fsSL "https://code.mammouth.ai/install.sh" | bash

irm "https://code.mammouth.ai/install.ps1" | iex

Im Terminal verwenden

Gib einfach mammouth ein, um den Coding-Agent zu starten.

Standardmodell

Bei der ersten Einrichtung von Mammouth Code wird mammouth-recommended als Standardmodell verwendet – eine Kurzform, die immer auf das Modell weiterleitet, das Mammouth aktuell für das beste Preis-Leistungs-Verhältnis hält. Weitere Informationen findest du unter Mammouth Recommended.

In deiner IDE verwenden

Am besten öffnest du Mammouth Code im integrierten Terminal deiner IDE (VS Code, Cursor, WebStorm usw.):

1. Öffne das integrierte Terminal in deiner IDE.
2. Wechsle in dein Projektverzeichnis.
3. Führe mammouth aus.

Das war's – Mammouth Code startet eine interaktive Sitzung direkt in deinem Terminal.

Eine vorherige Sitzung fortsetzen

Es gibt zwei Möglichkeiten, eine vorherige Sitzung fortzusetzen:

• Führe wie gewohnt mammouth aus und verwende anschließend den Befehl /sessions, um zu einer früheren Sitzung zu wechseln.
• Führe mammouth -c aus, um die zuletzt im aktuellen Ordner verwendete Sitzung fortzusetzen.

Aktualisieren

So aktualisierst du Mammouth Code auf die neueste Version:

mammouth upgrade

Dadurch wird die neueste Version abgerufen und installiert. Die alte Version wird ersetzt, deine Konfigurationen und Sitzungen bleiben jedoch erhalten.

Deinstallieren

So entfernst du Mammouth Code vollständig von deinem System:

mammouth uninstall

Dadurch werden Mammouth Code sowie deine Konfigurationen und Sitzungen entfernt.

Tokenverbrauch in Mammouth Code

Mammouth Code fügt dynamisch System-Prompts ein, je nachdem, worum du es bittest – daher kommen die zusätzlichen ~10.000 Tokens, die dir vielleicht auffallen.

Was wie „umfangreiche“ Prompts wirken mag, spart bei größeren Projekten tatsächlich Tokens: So kann das LLM nur die relevanten Dateien lesen, anstatt deine gesamte Codebasis in den Kontext zu laden. Bei der Arbeit an einer einzelnen Datei fällt dieser Zusatzaufwand stärker ins Gewicht. Der eigentliche Zweck ist jedoch, die Anfrage an das passende Tool für die jeweilige Aufgabe weiterzuleiten.

Eine einfache Faustregel:

• 📁 Verwende Mammouth Code, wenn dein Projekt mehr als 10 Dateien umfasst oder du mit einem langen Kontext arbeitest – das trifft auf die meisten realen Programmierprojekte zu.
• 💬 Verwende die normale Mammouth-Oberfläche, wenn der Kontext überschaubar ist: zwei oder drei Dateien mit höchstens ~500 Zeilen (z. B. wenn du eine bestimmte Funktion verstehen möchtest – es sei denn, du steckst mitten in tief verschachtelten, mehrfach vererbten OOP-Klassen 😄).

Genauigkeit der Nutzungsübersicht

Der im Terminal angezeigte Schätzwert für Preis und Tokenverbrauch entspricht möglicherweise nicht jederzeit exakt den tatsächlichen Echtzeitkosten. Deine tatsächliche API-Nutzung kannst du im Dashboard unter mammouth.ai/app/account/api überprüfen.

Hinweis zu Claude Haiku: Dieses kleinere Modell wird derzeit zum Erstellen von Sitzungstiteln verwendet. In einem zukünftigen Update wird sich das konfigurieren lassen.

Modell-Aufwandsstufen

In Mammouth Code kannst du zwischen Modellvarianten wechseln, indem du Ctrl+P drückst und Switch model variant auswählst (oder Ctrl+T, um schnell durch die Varianten zu wechseln). So kannst du bei unterstützten Modellen eine Aufwandsstufe auswählen.

Was sind Aufwandsstufen?

Aufwandsstufen steuern das Extended Thinking – also, wie viel Zeit und Tokens das Modell vor der Antwort für seine Überlegungen aufwendet.

Stufe	Schlussfolgern	Am besten geeignet für
Default	Aus	Standardaufgaben, schnellste Antwort, geringster Tokenverbrauch
Low	An (minimal)	Einfache Aufgaben, bei denen leichtes Schlussfolgern hilft
Medium	An (moderat)	Die meisten Aufgaben – ausgewogenes Verhältnis von Geschwindigkeit und Tiefe
High	An (maximal)	Komplexe Probleme, Architekturentscheidungen, schwierige Fehler

Ein höherer Aufwand ermöglicht gründlichere Überlegungen, führt aber zu langsameren Antworten und höherem Tokenverbrauch.

INFO

Nicht alle Modelle unterstützen Aufwandsstufen. Extended Thinking ist nur bei ausgewählten Modellen verfügbar. Bei Modellen ohne Unterstützung steht diese Option nicht zur Verfügung.

Wann welche Stufe verwenden?

• 🟢 Default — Schnelle Änderungen, einfache Fragen, Navigation in Dateien
• 🔵 Low — Refactorings, kleine Funktionserweiterungen
• 🟡 Medium — Mehrstufige Aufgaben, Debugging, Code-Reviews
• 🔴 High — Komplexe Algorithmen, Architekturentscheidungen, schwer reproduzierbare Fehler