SigMap v8.9: Deterministische Kontextebene reduziert Token-Nutzung um 97 % für KI-Code-Agenten
SigMap v8.9 ist eine deterministische, verifizierbare Grounding-Ebene für KI-Code-Arbeit. Es verspricht eine Token-Reduktion von 97,0%, eine Retrieval-Genauigkeit von 87,8% hit@5 (vs. 13,6% zufällig) und 49,2% weniger Prompts pro Aufgabe (1,44 vs. 2,84). Das Tool ist ohne Abhängigkeiten, vollständig offline und arbeitet mit TypeScript, Python, Go, Rust, Java, Kotlin, Ruby, PHP, Swift, C#, C++, Dart, Scala, Vue, Svelte, GraphQL, SQL, Terraform, R, GDScript und mehr.
Kern-Workflow: fragen, validieren, bewerten, lernen
Der Workflow geht über einfaches Kontext-Shrinking hinaus:
- Generieren Sie einmal eine kompakte Signaturkarte mit
npx sigmap. - Fragen Sie nach Dateien, die für die aktuelle Aufgabe spezifisch sind:
sigmap ask "erkläre den Auth-Fluss". Dies gibt eine rankierte Dateiliste und.context/query-context.mdzum Einfügen aus. - Validieren Sie die Abdeckung:
sigmap validate --query "auth login token"prüft, ob der Kontext ausreicht. - Bewerten Sie die Grounding:
sigmap judge --response response.txt --context .context/query-context.mdbewertet, ob die Antwort im Code verankert ist.
MCP- und IDE-Integration
SigMap ist MCP-ready und funktioniert mit Copilot, Claude Code, Cursor, Windsurf, Codex, OpenCode und Gemini CLI. Das Release v8.9.1 fügt ein squeeze_output MCP-Tool und das squeeze --response CLI-Flag hinzu, um verrauschte Stacktraces, CI-Logs oder JSON-Payloads deterministisch während der Sitzung zu komprimieren – das 19. MCP-Tool.
Benchmark-Ergebnisse
Letzter gespeicherter Benchmark (v8.9.1, Juli 2026):
| Metrik | Ohne SigMap | Mit SigMap |
|---|---|---|
| Aufgaben-Erfolgsproxy | 10% | 67,8% |
| Prompts pro Aufgabe | 2,84 | 1,44 |
| Retrieval hit@5 | 13,6% | 88% |
| Gesamte Token-Reduktion | — | 97,0% |
| GPT-4o Overflow-Repos | 16/21 | 0/21 |
Die Leistung umfasst 21 Repos und 90 reale Codierungsaufgaben.
Schnellstart
npx sigmap
sigmap ask "erkläre den Auth-Fluss"
# Gibt rankierte Dateiliste + .context/query-context.md aus
# Kontext in KI-Assistent einfügenFür Teams oder CI bietet SigMap konfigurierbare Strategien und Generalisierung für Monorepos. Es gibt auch einen eigenen Leitfaden für Open-Source-Agenten (OpenCode, Aider, Cline) und lokale LLMs (Ollama, llama.cpp, vLLM) – null Kosten, volle Privatsphäre.
📖 Vollständige Quelle lesen: HN LLM Tools
👀 Siehe auch
Google PM veröffentlicht Always On Memory Agent mit SQLite-Speicher als Open Source, ohne Vektor-Datenbank
Der leitende KI-Produktmanager von Google, Shubham Saboo, hat einen Always-On-Memory-Agent als Open-Source veröffentlicht, der strukturierte Erinnerungen in SQLite speichert, anstatt Vektordatenbanken zu verwenden. Er läuft auf Gemini 3.1 Flash-Lite und führt alle 30 Minuten eine geplante Speicherkonsolidierung durch.
Messung des Off-Task-Token-Verbrauchs in Claude Code: Die 'Undeclared-Intent'-Metrik
Ein Entwickler erstellte eine Metrik, um Rechenressourcen zu quantifizieren, die für nicht vorgesehene Ausführungspfade in Claude-Code-Sitzungen aufgewendet wurden, und stellte fest, dass 22,8 % der Tokens für Nebenaufgaben verwendet wurden.
Exportieren von KI-Agenten-Erinnerungen mithilfe von Claudes Import-Funktion
Ein Reddit-Nutzer teilt einen Prompt zum Extrahieren gespeicherter Erinnerungen von KI-Agenten wie ChatGPT und Claude, um sie anschließend in OpenClaw zu importieren. Der Prompt fordert den gesamten gespeicherten Kontext an, einschließlich Anweisungen, persönlicher Details, Projekte, Tools und Präferenzen.
SimplePDF Copilot: Clientseitiger KI-Aufruf zum Ausfüllen von PDF-Formularen
SimplePDF Copilot nutzt clientseitiges Tool Calling, damit ein LLM Felder ausfüllen, Felder hinzufügen, Seiten löschen und mehr in PDFs tun kann – ohne dass das PDF den Browser verlässt.