Praktische Erkenntnisse aus dem Einsatz von KI-Agenten in einem 100.000-Zeilen-Codebase

Sechs konkrete Techniken für KI-gestützte Entwicklung im großen Maßstab

Ein Entwickler hat kürzlich seine Erfahrungen dokumentiert, bei denen er KI-Agenten (Claude Code + Cursor) einsetzte, um eine pandas-kompatible API-Schicht auf der chDB-Analyse-Engine aufzubauen. Das Projekt umfasste die Abstimmung von über 600 Methoden zwischen zwei Systemen und kostete etwa 20.000 US-Dollar an Tokens. Hier sind die spezifischen, umsetzbaren Erkenntnisse, die er teilte.

Wichtige Implementierungsdetails

• Eine CLAUDE.md-Regeldatei pflegen: Da KI kein sitzungsübergreifendes Gedächtnis hat, haben sie eine Regeldatei im Repository hinterlegt, die jedes Muster enthielt, das die KI immer wieder falsch verstand, jede Abkürzung, die sie verboten haben, und jede architektonische Entscheidung, die festgelegt wurde. Dies diente auch als Schnittstelle für die Teamzusammenarbeit. Sie warnen davor, diese Datei zu einem "500-Zeilen-Manifest" werden zu lassen, das die KI dann zu ignorieren beginnt.
• Die Argumentation beobachten, nicht nur die Ausgabe: In frühen Phasen ist es wertvoller zu lesen, wie die KI denkt, als was sie liefert. Wenn ihre Logik von Ihrer abweicht, fragen Sie sich: Lag mein Denken falsch, oder habe ich es einfach nicht richtig kommuniziert?
• Regelmäßig einen Kontext-freien Agenten als Kritiker einsetzen: Sie begannen, einen frischen Agenten (claude.ai/code, nicht die Claude Code CLI) ohne Projektgedächtnis zu nutzen, um ihre Arbeit aus der Perspektive eines kritischen, rationalen Außenstehenden zu bewerten. Zwei Schlüsselwörter sind wichtig: critical (überschreibt den standardmäßig entgegenkommenden Modus der KI) und rational (fordert strukturierte Argumentation, nicht nur Bauchgefühle).
• Das Zielsystem als Testorakel verwenden: Da ihr Ziel darin bestand, eine bestehende API nachzubilden, fanden sie echten Code in freier Wildbahn (GitHub-/Kaggle-Notebooks), tauschten eine Importzeile aus und verglichen die Ausgaben, anstatt Testfälle zu erfinden.
• Regeln statt Aufforderungen: Sie beobachteten, wie die KI Abkürzungen nimmt, und schrieben explizite Verbote. Zum Beispiel: Wenn Tests aufgrund von Reihenfolgenunterschieden fehlschlugen, war der Lieblingszug der KI, .sort_values() hinzuzufügen, um den Test bestehen zu lassen. Sie verboten dies explizit. Fälle, die wirklich nicht abgeglichen werden können, werden als XFAIL markiert, niemals stillschweigend übersprungen.
• Dateisystem statt Konversationsverlauf für Multi-Agenten-Pipelines: Sie orchestrieren Multi-Agenten-Workflows mit Python-Skripten, wobei das Dateisystem die gemeinsame Kontextschicht ist. Jeder Agent schreibt seine Arbeit in ein Verzeichnis zur Nachverfolgung, und der nächste liest, was er braucht. Wichtige Muster, die funktionierten: Rollentrennung, strukturierte Entscheidungen (APPROVE/REJECT/ESCALATE als JSON für deterministische Ablaufsteuerung) und automatisches Git-Rollback bei Fehlern.

Der Entwickler merkt an, dass KI bei Arbeiten im großen Maßstab hervorragend ist – Hunderte von Funktionen abgleichen, Tausende von Tests generieren, Regressionen erkennen – aber die Urteilskraft ("Ist das ein Bug oder ein Feature? Ist die Architektur richtig?") bleibt die Verantwortung des Menschen.