Files

gates / quality (push) Has been cancelled

Details

Generelles Git-Repo-Template fuer KI-Agenten-Arbeit (multi-agent swarm pattern).

Enthaelt:
- Rollen-System (Leader, Worker, Reviewer) mit Model-Routing-Matrix (Tier-basiert)
- Zwei komplementaere Loops: Feature-Loop (vorwaerts) + Audit-Loop (rueckwaerts)
- Spike-Gate fuer Research-Items (GO/NO-GO vor Produktionscode)
- Obligatorische Opus-Review-Gate nach jeder Implement-Session
- Drei ausfuehrbare Gates: session-hygiene, ownership (Cross-Edit-Schutz), doc-drift
  -- alle dormant bis zur ersten Initialisierung, dann automatisch aktiv
- Bootstrap: scripts/init.sh + session-prompts/BOOTSTRAP.md
- Worked Example (URL-Shortener-Domaene): Board, Session-Log, Audit-Finding, ADR
- Token-Hygiene (3-Tier: Session-Schnitt / Command-Disziplin / Cache-Disziplin)
- GitHub Actions CI (gates.yml) laeuft auf jedem Push/PR

Muster destilliert aus produktiv-bewaehrten Patterns des ConformalLabpp-Projekts.

2026-06-03 06:35:06 +02:00

2.5 KiB

Raw Blame History

Token-Hygiene — 3 Ebenen

Jeder Turn schickt die ganze Konversations-History erneut. Kontextakkumulation ist der größte vermeidbare Kostenfaktor in Multi-Agenten-Setups.

Tier 1 — Session-Schnitt (höchste Wirkung)

Eine Session pro Aufgabe. Nach einer abgeschlossenen Aufgabe /clear starten statt zum nächsten Thema im selben Thread zu wechseln. Alter Kontext ist totes Gewicht in jedem weiteren Turn.
Proaktiv kompaktieren an sauberen Übergabepunkten. /compact <was wichtig ist> bevor die nächste Aufgabe startet — nicht warten bis auto-compaction einsetzt (Zeitpunkt ist nicht kontrollierbar).
Lese-intensive Sweeps delegieren. Ein Explore/Plan-Subagent liest in seinem eigenen Kontext und gibt eine kurze Zusammenfassung zurück — das Bulk landet nie im Hauptkontext. Nur bei bekannten Pfaden direkt Read nutzen.

Tier 2 — Command-Disziplin (mittlere Wirkung)

Scope + Filter gemeinsam. Pfad-scopede Suchen (grep -rn "symbol" src/, nicht Repo-weit). Test-Output filtern (--filter "SuiteX", nicht alle Ergebnisse dumpen).
Logs nie roh in Kontext. In Datei umleiten, dann grep/tail. Bei Hintergrund-Jobs Output-Datei selektiv lesen, nicht pauschal.
Nicht zurück-lesen nach Edit. Edit schlägt fehl bei inkonsistentem State — ein erfolgreicher Edit braucht kein Read zur Verifikation.
Referenz per Zeilennummer (datei.py:147) statt Code-Blöcke neu einzufügen.

Tier 3 — Cache-Disziplin (Prompt-Cache, TTL 5 min)

Der stabile Präfix jeder Anfrage (System-Prompt + CLAUDE.md / AGENTS.md) wird gecacht. Cache-Miss = der ganze Kontext wird uncached neu gelesen.

Stabilen Präfix stabil halten. AGENTS.md, CLAUDE.md und Projekt-Config nicht mitten in einer Arbeitssession editieren. Änderungen sammeln und in einem eigenen Durchgang machen.
Keine Ketten kurzer Pausen. Einzelne lange Pause (> 5 min) = ein Cache-Miss. Viele kurze „warte-mal-kurz"-Turns mit Lücken > 5 min = jedes Mal ein neuer Miss. Bei externem Warten (CI, Deploy): einmal lang warten statt mehrfach pollen.
Eine Session pro Thema (interagiert direkt mit Cache): frischer Thread = kleiner, vollständig gecachter Präfix.

Schnell-Check vor einer langen Session

Einzelnes Thema? Wenn nein → splitten.
AGENTS.md-Änderungen anstehend? → vorher erledigen, dann stabil lassen.
Lange Wartezeiten erwartet (CI/Build)? → Hintergrund-Job + einmal warten.

2.5 KiB Raw Blame History