Ingenieure, die an großen Legacy-Projekten arbeiten, verbringen täglich zwei Stunden damit, Code-Wüsten zu durchforsten. Die Methode, Zeichenfolgen mit grep zu verfolgen, stößt mittlerweile an ihre Grenzen. Selbst wenn man KI-Agenten einführen möchte, bleibt die Frage offen, wie man sie effektiv in den Arbeitsablauf integriert. Dieser Artikel behandelt konkrete technische Verfahren, um Agenten nicht nur als einfache Chatbots, sondern als Werkzeuge zur Steigerung der Produktivität im Arbeitsalltag zu etablieren.
Entfernen Sie zuerst das Rauschen
Wenn Sie einem Agenten die gesamte Codebasis übergeben, wird der Kontext verunreinigt. Das Lernen irrelevanter Daten führt zu falschen Antworten und verschwendet Token-Kosten. Allein die Einschränkung des Indexierungsumfangs beschleunigt die Antwortzeiten spürbar.
Wenden Sie die folgenden drei Punkte sofort an:
- Erstellen Sie eine
.cursorignore-Datei im Projektstammverzeichnis. Schließen Sie riesige Build-Artefakte wie/dist,/build,/targetodernode_modulesunbedingt aus. - Schließen Sie auch Protobuf-Stubs oder automatisch generierte
*.gen.ts-Dateien aus. Dies verhindert, dass der Agent Code generiert, der die Abwärtskompatibilität ignoriert. - Verwenden Sie Synchronisationstools auf Basis von Merkle-Trees. Erstellen Sie den gesamten Index nicht jedes Mal neu, sondern aktualisieren Sie nur die Hash-Werte der geänderten Dateien, um die Indexierungsgeschwindigkeit um das Dreifache oder mehr zu erhöhen.
Verfolgen Sie Abhängigkeiten mit Syntaxbäumen
Textbasierte Suchen können komplexe Vererbungsbeziehungen niemals finden. Sie müssen den Syntaxbaum (AST) des Codes mit Werkzeugen wie ast-grep analysieren. Wenn Sie dies in den Prompt einfließen lassen, sind wesentlich präzisere Abfragen möglich als durch einfache Suche.
- Definieren Sie das Syntaxmuster für das Analyseobjekt. Schreiben Sie beispielsweise ein Muster für asynchrone Funktionen ohne Fehlerbehandlung in der
ast-grep-Syntax. - Übergeben Sie dem Agenten das
@codebase-Tool zusammen mit diesem Muster. Fügen Sie die Anweisung hinzu, externe Bibliotheken zu ignorieren und den Bereich nur auf Vererbungsbeziehungen zwischen internen Modulen einzugrenzen. - Lassen Sie die Ergebnisse als Mermaid-Diagramm ausgeben. Die Visualisierung komplexer Aufrufflüsse kann die Zeit zur Problemlösung um etwa 40 % reduzieren.
Überprüfen Sie Korrekturen durch Tests
Von der KI vorgeschlagene Korrekturen sind oft zur Hälfte fehlerhaft. Wenn man diese ungeprüft zusammenführt, häufen sich lediglich technische Schulden an. Integrieren Sie eine Test Impact Analysis (TIA) in Ihre CI-Pipeline, um die Validierungsschleife zu automatisieren.
- Schreiben Sie ein Skript, das nur die Tests ausführt, die mit dem geänderten Code in Verbindung stehen, ähnlich wie bei
Jest --findRelatedTests. - Geben Sie dem Agenten Anweisungen: Richten Sie eine Schleife ein, in der der Agent Fehlerprotokolle analysiert und den Code selbstständig korrigiert, falls ein Test fehlschlägt.
- Integrieren Sie Werkzeuge wie CodeQL in die CI-Phase. Diese filtern automatisch Sicherheitslücken heraus, die für Menschen schwer zu erkennen sind.
Durch den Aufbau dieser Schleife lässt sich die Genauigkeit der syntaktischen Validierung drastisch erhöhen. Sie müssen nicht alle bestehenden Toolchains verwerfen. ripgrep ist bei der einfachen Suche immer noch zehnmal schneller als jeder Agent. Die Rollen den Eigenschaften der Werkzeuge entsprechend zu trennen, ist die wahre Aufgabe eines Senior-Ingenieurs.
