Lat.md: Ein auf Markdown basierendes Wissensdiagramm für Codebasen

✍️ OpenClawRadar📅 Veröffentlicht: 15. April 2026🔗 Source
Lat.md: Ein auf Markdown basierendes Wissensdiagramm für Codebasen
Ad

Lat.md ist ein Tool, das einen Wissensgraphen für Ihre Codebasis mithilfe von Markdown-Dateien erstellt. Es löst das Problem, dass AGENTS.md nicht gut skaliert – wenn Projekte wachsen, wird die Pflege einer einzelnen flachen Datei unpraktisch, was zu vergrabenen Designentscheidungen, undokumentierter Geschäftslogik und KI-Agenten führt, die Kontext halluzinieren.

Wie es funktioniert

Sie komprimieren Domänenwissen in einen Graphen von miteinander verbundenen Markdown-Dateien, die in einem lat.md/-Verzeichnis im Projektstammverzeichnis gespeichert sind. Abschnitte verlinken miteinander mit [[Wiki-Links]] wie [[datei#Abschnitt#Unterabschnitt]], Markdown-Dateien verlinken zu Code mit [[src/auth.ts#validateToken]], und Quelldateien verlinken zurück über Kommentare wie // @lat: [[section-id]] in TypeScript oder # @lat: [[section-id]] in Python. Der Befehl lat check stellt referenzielle Konsistenz sicher.

Hauptfunktionen

  • Schnelleres Programmieren für Agenten: Statt durch Code zu greppen, durchsuchen Agenten den Wissensgraphen, um Designentscheidungen, Einschränkungen und Domänenkontext konsistent zu entdecken.
  • Schnellerer Workflow für Menschen: Agenten pflegen lat-Dateien; bei der Überprüfung von Diffs beginnen Sie mit semantischen Änderungen in lat.md/, um zu verstehen, was sich geändert hat und warum, wodurch Code-Review sekundär wird.
  • Wissenserhalt: Agenten erfassen Kontext und Begründungen aus Prompts im Graphen während sie arbeiten, sodass zukünftige Sitzungen mit vollem Kontext beginnen, anstatt ihn neu zu entdecken.
  • Testspezifikationen mit Durchsetzung: Testfälle können in lat.md/-Abschnitten beschrieben werden, die mit require-code-mention: true markiert sind. Jede Spezifikation muss durch einen // @lat:-Kommentar im Testcode referenziert werden, und lat check markiert jede Spezifikation ohne Rücklink.
Ad

CLI-Befehle

  • lat init: Richtet beliebte Coding-Agenten mit Hooks und Anweisungen ein, um lat aktuell und korrekt zu halten.
  • lat check: Erzwingt referenzielle Konsistenz; Agenten rufen es automatisch vor Arbeitsabschluss auf.
  • lat search und lat section: Agenten verwenden diese, um Prompts zu verstehen und im Graphen zu navigieren, anstatt endlose grep-Aufrufe.
  • lat locate: Findet Abschnitte nach Namen (exakt oder unscharf).
  • lat refs: Findet, was einen Abschnitt referenziert.
  • lat expand: Erweitert [[refs]] in einem Prompt für Agenten.
  • lat mcp: Startet MCP-Server für Editor-Integration.

Installation und Einrichtung

Installieren Sie mit npm install -g lat.md, führen Sie dann lat init in Ihrem Repository aus, um ein lat.md/-Verzeichnis zu erstellen. Schreiben Sie Markdown-Dateien, die Architektur, Geschäftslogik oder Testspezifikationen beschreiben, und verlinken Sie sie nach Bedarf.

Für semantische Suche (lat search) ist ein OpenAI- (sk-...) oder Vercel AI Gateway- (vck_...) API-Schlüssel erforderlich. Der Schlüssel wird in dieser Reihenfolge aufgelöst: LAT_LLM_KEY Umgebungsvariable (direkter Wert), LAT_LLM_KEY_FILE Umgebungsvariable (Pfad zu einer Datei mit dem Schlüssel), LAT_LLM_KEY_HELPER Umgebungsvariable (Shell-Befehl, der den Schlüssel mit 10s Timeout ausgibt) oder eine von lat gespeicherte Konfigurationsdatei.

📖 Read the full source: HN AI Agents

Ad

👀 Siehe auch

oMLX führt SSD-KV-Caching für Apple Silicon ein und reduziert die Antwortzeiten von OpenClaw von 30-90 Sekunden auf 5 Sekunden.
Werkzeuge

oMLX führt SSD-KV-Caching für Apple Silicon ein und reduziert die Antwortzeiten von OpenClaw von 30-90 Sekunden auf 5 Sekunden.

oMLX ist ein neues Backend, das KV-Cache-Blöcke im Safetensors-Format auf der SSD speichert und so Cache-Invalidierungen bei Kontextwechseln verhindert. Dadurch reduziert sich die Antwortzeit von OpenClaw bei Folgeanfragen von 30-90 Sekunden auf 5 Sekunden.

OpenClawRadar
Reale Welt-Vergleich: Opus 4.6 vs MiMo-V2-Pro vs GLM-5 im OpenClaw-Setup
Werkzeuge

Reale Welt-Vergleich: Opus 4.6 vs MiMo-V2-Pro vs GLM-5 im OpenClaw-Setup

Ein Entwickler testete drei KI-Modelle an praktischen Aufgaben, darunter die Übersetzung türkischer Redewendungen, Python-Programmierung, räumliches Denken und Browser-Automatisierung. MiMo-V2-Pro übertraf Opus 4.6 bei Programmieraufgaben und war 20-mal günstiger, während Opus Vorteile beim Verständnis nicht-englischer Sprachen behielt.

OpenClawRadar
graphify-ts: Lokaler MCP-Server reduziert Claude Code PR-Review-Tokens von 63K auf 8,7K
Werkzeuge

graphify-ts: Lokaler MCP-Server reduziert Claude Code PR-Review-Tokens von 63K auf 8,7K

graphify-ts erstellt einen lokalen Wissensgraphen deiner Codebasis unter Verwendung von tree-sitter AST + Louvain Communities + BM25 + optionalem ONNX-Reranking und stellt ihn über MCP stdio bereit. In Produktionstests reduzierte es die Eingabe-Token für Codeabfragen um das 2,6-fache und die Latenz um das 2,8-fache, und verkürzte PR-Review-Prompts von 63K auf 8,7K Token.

OpenClawRadar
Forge: Ein Speichersystem für Claude Code, erstellt mit Claude Code
Werkzeuge

Forge: Ein Speichersystem für Claude Code, erstellt mit Claude Code

Ein Entwickler hat Forge erstellt, einen TypeScript-Monorepo-MCP-Server, der automatisch Entscheidungen, Einschränkungen und Ablehnungen aus Claude-Code-Konversationen erfasst. Er verwendet eine sechsstufige Pipeline, um strukturierte Daten in einem event-sourced SQLite-Modell zu klassifizieren, zu extrahieren und zu speichern.

OpenClawRadar