makedream
12:38AI LABS
Log in to leave a comment
No posts yet
Wenn sich ein KI-Agent wie Claude in Großprojekten verrennt, liegt das nicht an Ihnen. Modelle leiden unter dem sogenannten "Lost in the Middle"-Phänomen, bei dem sie sich primär auf den Anfang und das Ende eines Gesprächs konzentrieren. Sobald das Kontextfenster zu 60 % ausgelastet ist, sinkt die Antwortqualität rapide. Wenn System-Anweisungsdateien zu lang sind, verbraucht die KI ihr Token-Kontingent damit, Konfigurationsdateien zu lesen, anstatt sich auf die eigentliche Logik zu konzentrieren.
Um dies zu verhindern, dürfen Sie die Aufmerksamkeit der KI nicht unnötig zerstreuen.
/compact, um die Historie zu bereinigen.Es ist ineffizient, der KI den gesamten Quellcode zu überlassen. Definieren Sie stattdessen zuerst die Schnittstellen. Erstellen Sie separate Schemadateien für APIs (OpenAPI) sowie Datenmodelle (Zod oder Pydantic). Auf diese Weise muss die KI nicht über die gesamte Logik nachdenken, sondern generiert Code ausschließlich innerhalb der vorgegebenen Spezifikationen. Meine Tests haben gezeigt, dass die Anzahl der Korrekturaufforderungen aufgrund von fehlerhaftem KI-Code um fast 60 % sinkt, wenn man mit solchen Schemata arbeitet.
.json oder .yaml Schemata für jedes Modul.ai-context.md Datei mit maximal 100 Zeilen im Projekt-Root ab, die nur die Kernstruktur enthält.grep-Befehl, um sie der KI zur Verfügung zu stellen.Code, der von einer KI geschrieben wurde, sieht oft überzeugend aus, ist aber häufig fehleranfällig. Verwenden Sie Frameworks wie Husky oder pre-commit, um zu verhindern, dass Code, der Qualitätsstandards nicht erfüllt, überhaupt zusammengeführt (gemergt) werden kann.
eslint und tsc --noEmit in Pre-commit-Hooks ein, um Syntax- und Typfehler von vornherein zu blockieren.PreToolUse-Hook ein, der unmittelbar vor Code-Änderungen einen Security-Scan durchführt, um das Leaken von API-Keys zu verhindern.Wenn eine KI viele Dateien gleichzeitig bearbeitet, können Seiteneffekte auftreten. Um dies zu vermeiden, sollten Sie Branches nicht als Repositories, sondern als Arbeitscontainer betrachten. Durch die Aufteilung in funktionale Branches isolieren Sie die KI so, dass sie nur die aktuell relevanten Änderungen erfassen muss.
feature/auth-validation erstellen./compact aus und notieren Sie die verbleibenden Aufgaben in einer current-handover.md Datei./clear, um den Verlauf vollständig zu löschen, und laden Sie nur die notwendigen Schemadateien sowie das Handover-Dokument neu.Auf diese Weise vermeiden Sie, dass die KI aufgrund von unnötigem alten Kontext fehlerhaften Code produziert.