Codebases für KI-Agenten gestalten
Klare Grenzen, lokale Tests und auffindbare Regeln senken die Kosten jeder Änderung.
KI-Tools
2026
Was ich in meinen Prompts für Claude Fable 5 geändert habe
Langlaufende Agenten brauchen explizite Grenzen, Checkpoints und einen Nachweis der Fertigstellung.
Wie du weniger Copilot-Tokens verbrauchst, ohne das Modell auszuhungern
Ein kurzer Task-Vertrag spart verschwendeten Kontext, überflüssigen Output und Review-Zeit.
KI-gestütztes Coding braucht kleinere Schleifen
Gib dem Agenten eine kleine Aufgabe und prüfe das Ergebnis, bevor du die nächste stellst.
Du musst nicht jedes KI-Release verfolgen
Mit einer kleinen Evaluierungsschleife entscheidest du, welche Tools einen Platz in deiner Arbeit verdienen.
Ein Team-Prozess für den guten Einsatz von GitHub Copilot
Gemeinsame Repository-Regeln, Evaluierungsaufgaben und eine Review-Policy machen aus individuellem Prompting einen Engineering-Prozess.
Die Identitätskrise der Entwickler
Wenn Code günstiger zu produzieren ist, werden Spezifikation, Review und Debugging wertvoller.
Kontext ist ein Engineering-Input
Gib Coding-Agenten Belege aus dem Repository, nicht eine längere Geschichte im Chat.