ghostvenumai

Humanflow — Development skill for Claude Code

Development community

Deutscher Echtzeit-Voice-Agent — Streaming-STT, Claude-Reasoning, SQLite-geerdete Termine, ElevenLabs-TTS; mit Barge-in, Playback Ownership und Failure Recovery.

How to install Humanflow

This entry records only its repository, not the path inside it, so there is no exact command to give. Open ghostvenumai/humanflow and copy the folder into ~/.claude/skills/, or the file into ~/.claude/agents/.

What Humanflow does

Deutscher Echtzeit-Voice-Agent — Streaming-STT, Claude-Reasoning, SQLite-geerdete Termine, ElevenLabs-TTS; mit Barge-in, Playback Ownership und Failure Recovery. Entwickelt mit einem agentischen Engineering-Loop.

Alternatives in Development

Epic Claim — Claim an epic issue, stamp coordination state, and sync local ownership 243.5k ★
Codex Prompt Handgepflegte Mega Und Mini Prompts — Codex-Prompt — Handgepflegte Mega- und Mini-Prompts fuer alle Plugins 1.5k ★
Stt System — Transcribe this voice message accurately 198 ★

README

HumanFlow

**Ein deutscher Echtzeit-Voice-Agent mit Fokus auf den schwierigen Teil von Speech-to-Speech: Turn Detection, Barge-in, Playback Ownership, Gesprächszustand, Tool-Grounding und Failure Recovery.**

HumanFlow läuft über einen echten Browser-/Mikrofonpfad: Streaming-STT, ein Claude-Reasoner, SQLite-geerdete Termin-Tools und Streaming-TTS — mit Schwerpunkt auf *Zuverlässigkeit* statt einer Happy-Path-Demo.

![HumanFlow Live-Gespräch](docs/images/live-conversation.jpg)

*Live-Browser-Session: Streaming-STT, ein geerdeter deutscher Termin-Dialog, der aktive TTS-Provider und Provenienz/Telemetrie pro Turn.*

Was es kann

Natürliches deutsches Multi-Turn-Sprachgespräch.
Turn Detection über Scribe-Transkriptzustand, Server-VAD, Backchannel-Vokabular und explizite deutsche Unterbrechungsphrasen.
Barge-in als echter Zustandsübergang (erkennen → validieren → Wiedergabe stoppen → TTS abbrechen → veraltete Antwort invalidieren → neuen Turn annehmen), kein bloßes stop().
Backchannel-Toleranz — „mhm", „okay", „aha" brechen den Agenten nicht ab.
Played-Audio-Wahrheit: Ein Ledger unterscheidet erzeugtes / eingereihtes / abgespieltes / abgebrochenes Audio, sodass der Gesprächszustand nie annimmt, der Nutzer habe Inhalte gehört, die vor der Wiedergabe abgebrochen wurden.
Tool-geerdete Termine gegen eine autoritative lokale SQLite-Quelle — Verfügbarkeit, Buchung, Verschiebung, Absage — niemals halluzinierte Slots.
Deterministische deutsche Datumsauflösung (z. B. ist „Mittwoch in zwei Wochen" zwei volle Wochen und distinkt von „nächsten Mittwoch").
Failure Recovery und ein evidenzgetriebener Engineering-Improvement-Loop.

Architektur

Mikrofon
  → ElevenLabs Scribe (Streaming-STT)
  → Turn Detection / Final Admission
  → Conversation Controller (State Machine, Operation-Epochs, Cancellation)
  → Claude Reasoner (Messages API)
  → Geerdete Tools / SQLite (Termine)
  → ElevenLabs Stream