Lisp-Entwicklung mit KI-Agenten: Hohe Kosten und technische Herausforderungen

KI-Agenten-Leistung mit Lisp im Vergleich zu anderen Sprachen

Ein DevOps-Ingenieur, der OpenRouter mit Goose CLI für agentische KI-Entwicklung nutzt, entdeckte erhebliche Unterschiede in der KI-Leistung zwischen Programmiersprachen. Bei der Arbeit an einem RSS-Reader-Formatkonvertierungstool in Lisp stieß er auf mehrere Herausforderungen, die die Entwicklung im Vergleich zu Python oder Go teuer und ineffizient machten.

Technische Implementierungsdetails

Der Ingenieur versuchte zunächst, KI-Agenten über tmux-Befehle mit dem Lisp-REPL interagieren zu lassen: tmux capture-pane -t 0.0 -p | tail -n 1. Dieser Ansatz verbrauchte übermäßig viele Tokens, erforderte Sleep-Befehle und beinhaltete das Parsen von tmux-Ausgaben. Claude zeigte etwas Fortschritt, kämpfte aber weiterhin, während günstigere Modelle wie DeepSeek und Qwen trotz angemessener Leistung bei anderen Aufgaben schlecht abschnitten.

Um die Situation zu verbessern, entwickelte er tmux-repl-mcp, ein Python-Tool, das eine einfachere REPL-Schnittstelle bietet. Anstatt komplexer tmux-Interaktionen konnten Agenten einfach execute_command im REPL ausführen und direkt Ausgaben erhalten. Er wählte Python, weil seine bestehende Goose-Konfiguration uvx für die Tool-Installation und -Verwaltung nutzte.

Kosten- und Leistungsvergleich

Der Unterschied zwischen Lisp- und Python-Entwicklung mit KI war dramatisch. Mit Python konnte er mit günstigen Modellen in ein bis zwei Tagen gesamten Code und Tests schreiben und benötigte nur halbmanuelle Fehlerbehebung. Mit Lisp gab er selbst nach der Implementierung von tmux-repl-mcp in 30 Minuten 10 $ mit Claude aus, und das Signal-Rausch-Verhältnis blieb im Vergleich zu Python schlecht.

Wichtige Beobachtungen aus der Erfahrung:

• KI generiert Code auf dem Weg des geringsten Widerstands und greift standardmäßig auf gängige Muster wie QuickLisp zurück, selbst wenn sie angewiesen wird, Alternativen wie OCICL zu nutzen
• Die hochlatenzbehaftete Anfrage-Antwort-Natur von KI-APIs kollidiert mit REPL-Entwicklungsworkflows
• Sprachen mit hohem Internetvolumen (Go, Python) sind um Größenordnungen einfacher und günstiger für KI-gestützte Entwicklung
• KI hat Sprachpopularität in echte Kosteneinsparungen pro Million Tokens umgewandelt

Der Ingenieur merkte an, dass seine Rolle unabhängig von der Sprache ähnlich blieb: Er fungierte als meinungsstarker Produktverantwortlicher, der die KI steuerte. Allerdings fehlte der Erfahrung die übliche Freude am direkten Schreiben von Lisp, was ihn dazu veranlasste, eine Neuschreibung des Projekts in Go für bessere KI-Kompatibilität in Betracht zu ziehen.